fix(service-monitor): 修复定时任务并发执行失败 + Docker 容器化方案

定时任务修复：
- 新增 _schedules_lock 防止 schedules.json 并发写入状态丢失
- _add_job() 添加 misfire_grace_time=3600/coalesce/max_instances
- _execute_scheduled_job 改为 threading.Thread 后台执行，不阻塞 APScheduler 线程

Docker 容器化：
- 重写 Dockerfile（python:3.11-slim + 单进程 + CRLF 修复）
- 重写 docker-compose.yml（单容器 + volume + 资源限制 + 健康检查）
- 新增 deploy/docker_deploy.sh 部署脚本
- 更新 .dockerignore 排除规则

搜索索引路径适配：
- utils/paths.py 新增 SEARCH_INDEX_DIR 常量
- search_engine.py 改用统一路径

文档：
- 新增定时任务问题处理 + 计划执行文档
- 新增 Vue 前端迁移任务清单
- 更新 HANDOFF 交接文档
Co-Authored-By: Claude <noreply@anthropic.com>

.dockerignore

@@ -22,9 +22,28 @@ HANDOFF.md
 # 测试与覆盖率
 skill/code/tests
 skill/code/.pytest_cache
+skill/code/web/service_monitor/tests
 .coverage
 htmlcov
 
-# 本地数据与日志（挂载方式注入，不入镜像）
-logs
-cache
+# 运行时数据（volume 挂载，不打入镜像）
+skill/code/web/service_monitor/data
+skill/code/web/cache
+skill/code/web/logs
+skill/code/web/audit.log
+skill/code/web/users.json
+
+# 部署脚本（构建镜像不需要）
+deploy/
+
+# IDE
+.vscode
+.idea
+
+# 环境变量
+.env
+.env.local
+
+# Docker 自身
+Dockerfile
+docker-compose.yml

Dockerfile

-FROM python:3.10-slim
+# ============================================================
+# Troubleshoot AI Assistant — Docker 镜像
+# ============================================================
+# 基础镜像：python:3.11-slim（Debian bookworm，含 bash）
+# 运行时：Flask 内置 server（单进程，APScheduler 兼容）
+# 数据持久化：通过 volume 挂载，不写入镜像层
+# ============================================================
 
-# 工作目录设为 /app/web，与 utils/paths.py 的 SCRIPT_DIR 推导一致
-# gunicorn 直接加载 server 模块（server.py:107 已有模块级 app = create_app()）
-WORKDIR /app/web
+FROM python:3.11-slim AS base
+
+# 系统依赖：bash（LocalExecutor 执行检测脚本）
+# 不装 docker CLI —— 不挂载 docker.sock，避免影响宿主机其他容器
+RUN apt-get update && apt-get install -y --no-install-recommends \
+    bash \
+    && rm -rf /var/lib/apt/lists/*
+
+WORKDIR /app
 
-# 安装依赖（版本锁定，离线环境复现性保障）
-COPY requirements.txt /app/requirements.txt
+# ---------- 依赖层（利用 Docker 缓存） ----------
+COPY skill/code/requirements.txt /app/requirements.txt
 RUN pip install --no-cache-dir -r /app/requirements.txt
 
-# 拷贝代码
+# ---------- 代码层 ----------
 COPY skill/code/web/ /app/web/
+
+# 复制知识库 SKILL.md（问题排查助手 prompt 模板）
 COPY skill/code/SKILL.md /app/SKILL.md
 
-# 端口
-EXPOSE 8088
+# 运行时数据目录（volume 挂载点，容器内不写数据到镜像层）
+RUN mkdir -p /app/data \
+    && mkdir -p /app/web/service_monitor/data/reports \
+    && mkdir -p /app/web/cache \
+    && mkdir -p /app/web/logs
+
+# 修复 Windows 开发环境产生的 CRLF 行尾（bash 脚本在 Linux 必须是 LF）
+RUN find /app/web/service_monitor/assets -name '*.sh' -o -name '*.template' \
+    | xargs -r sed -i 's/\r$//'
 
 # 环境变量
-ENV PYTHONIOENCODING=utf-8
+ENV FLASK_DEBUG=0 \
+    PYTHONIOENCODING=utf-8 \
+    TROUBLESHOOT_ROOT=/app \
+    LANG=C.UTF-8
+
+EXPOSE 8088
+
+WORKDIR /app/web
 
-# 启动：gunicorn 多 worker
-CMD ["gunicorn", "-w", "4", "-b", "0.0.0.0:8088", "server:app"]
+# 单进程启动（不用 gunicorn 多 worker，避免 APScheduler 多实例冲突）
+CMD ["python3", "server.py"]

Docs/需求文档/服务监测/HANDOFF.md

 # HANDOFF — 服务监测模块实施进度
 
-> 最后更新：2026-07-16 ｜ 分支：troubleshoot-ai-assistant ｜ 模块：service-monitor
-> 状态：**代码全部完成，218 测试全绿，待部署到 5.60**
+> 最后更新：2026-07-27 ｜ 分支：troubleshoot-ai-assistant ｜ 模块：service-monitor
+> 状态：**定时任务修复完成 + Docker 容器化方案设计完成 + Vue 前端迁移规划完成，待部署**
 
 ---
 
@@ -156,3 +156,99 @@ templates/service_monitor/{index,targets,run,report}.html
 ### 已删除
 - `skill/code/web/routes/service_monitor.py`（旧占位路由）
 - `skill/code/web/templates/service_monitor.html`（旧占位模板）
+
+---
+
+## 8. 2026-07-27 会话进度追加
+
+### 8.1 完成的工作
+
+#### 定时任务并发执行失败修复 ✅
+
+**问题**：5.44 服务器定时任务（工作日 8:40）不执行，5.202 的 9:00 正常。
+
+**根因**：
+- APScheduler `misfire_grace_time` 默认 1 秒，调度线程稍有延迟就跳过任务
+- `_execute_scheduled_job` 同步阻塞 APScheduler 线程
+- `schedules.json` 并发写入无锁保护
+
+**修复**（`schedule_service.py` 5 处）：
+1. 新增 `_schedules_lock` 锁
+2. `_save_schedules()` 加锁
+3. `update_run_status()` 读-改-写整体加锁
+4. `_add_job()` 添加 `misfire_grace_time=3600`、`coalesce=True`、`max_instances=1`
+5. `_execute_scheduled_job` 改为 `threading.Thread` 后台执行
+
+**验证**：218 测试全绿 ✅
+
+**文档**：
+- `Docs/需求文档/服务监测/PRD_问题处理_定时任务并发执行失败.md`
+- `Docs/需求文档/服务监测/PRD_计划执行_定时任务并发执行失败修复.md`
+
+#### Docker 容器化方案设计 ✅
+
+**用户需求**：
+- 部署目录：`/data/third_party/monitor-platform/`
+- 单容器部署（nginx + Flask + SQLite）
+- 前端更新不需要容器重启，后端更新需要容器重启
+- 数据库采用轻量级 SQLite
+- 5.60 上有其他服务容器，必须隔离不互相影响
+
+**已完成文件**：
+- `Dockerfile` — python:3.11-slim，单进程，CRLF 自动修复
+- `.dockerignore` — 排除测试/运行时数据/文档
+- `docker-compose.yml` — 单容器 + volume + 资源限制（1G/1CPU）
+- `deploy/docker_deploy.sh` — 5.60 部署脚本
+
+**隔离保障**：
+- 不挂载 docker.sock
+- 容器名 `troubleshoot`，端口 8088
+- volume 路径 `/opt/troubleshoot/` 独占前缀
+
+#### 搜索引擎路径适配 ✅
+
+- `utils/paths.py` 新增 `SEARCH_INDEX_DIR` 常量
+- `search_engine.py` 改用统一路径
+
+#### Vue 前端迁移规划 ✅
+
+**文档**：`Docs/需求文档/Flask模板迁移Vue前端任务清单.md`
+
+**范围**：三大模块共 18 个页面
+- 问题排查助手：3 个页面
+- 服务监测：10 个页面
+- 服务管理：4 个页面
+
+**技术选型**：Vue 3 + Vite + Element Plus + Pinia + TypeScript + ECharts
+
+**预估工时**：17-21 天（约 3-4 周）
+
+**建议执行顺序**：先容器化部署落地，再并行推进 Vue 重构
+
+### 8.2 待执行任务
+
+| 优先级 | 任务 | 说明 |
+|--------|------|------|
+| **P0** | 部署容器化版本到 5.60 | 需先确认 Docker 已安装，执行 `docker_deploy.sh` |
+| **P0** | 更新 5.44 定时任务 end_date | 当前 end_date=2026-07-22 已过期 |
+| P1 | 修复 APScheduler day_of_week 约定 bug | `from_crontab('1-5')` 实际是周二到周六 |
+| P2 | SQLite 迁移 | 替换 JSON 文件存储 |
+| P2 | Vue 前端开发 | 按任务清单执行 |
+
+### 8.3 遗留问题
+
+1. **5.44 定时任务 end_date 已过期**（2026-07-22），需通过 API 更新
+2. **APScheduler day_of_week 约定 bug**：`CronTrigger.from_crontab('1-5')` 按 APScheduler 约定是周二到周六，非周一到周五，需改为 `CronTrigger(day_of_week='0-4')`
+3. **容器化尚未部署**：需在 5.60 上执行部署脚本验证
+
+### 8.4 本次新增文件
+
+| 文件 | 说明 |
+|------|------|
+| `Dockerfile` | 重写：python:3.11-slim + 单进程 |
+| `docker-compose.yml` | 重写：单容器 + volume + 资源限制 |
+| `.dockerignore` | 更新：排除 tests/data 等 |
+| `deploy/docker_deploy.sh` | 新增：5.60 部署脚本 |
+| `Docs/需求文档/服务监测/PRD_问题处理_定时任务并发执行失败.md` | 问题处理文档 |
+| `Docs/需求文档/服务监测/PRD_计划执行_定时任务并发执行失败修复.md` | 计划执行文档 |
+| `Docs/需求文档/Flask模板迁移Vue前端任务清单.md` | Vue 迁移任务清单 |

Docs/需求文档/服务监测/PRD_计划执行_定时任务并发执行失败修复.md

+# 计划执行 — 定时任务并发执行失败修复
+
+> 版本：1.0 ｜ 日期：2026-07-27 ｜ 作者：czj
+> 关联问题文档：`PRD_问题处理_定时任务并发执行失败.md`
+
+---
+
+## 修复目标
+
+1. 修复 5.44 定时任务不执行问题（P0）
+2. 修复 schedules.json 并发写入状态丢失问题（P1）
+3. 修复 APScheduler 线程阻塞问题（P1）
+
+---
+
+## 改动文件
+
+| 文件 | 改动内容 |
+|------|---------|
+| `skill/code/web/service_monitor/services/schedule_service.py` | 三处修复（见下文） |
+
+---
+
+## 修复步骤
+
+### 步骤 1：添加 schedules.json 读写锁
+
+**位置**：`schedule_service.py` 模块级变量区（第 28 行附近）
+
+**改动**：新增 `_schedules_lock = threading.Lock()`
+
+**涉及函数加锁**：
+- `_save_schedules()` — 写操作加锁
+- `_update_current_status()` — 读-改-写加锁
+- `update_run_status()` — 读-改-写加锁
+
+**注意**：`_load_schedules()` 是纯读操作，不需要加锁（JSON 文件读取是原子的）。但读-改-写模式（先 load 再 save）必须整体加锁。
+
+```python
+# 新增模块级锁
+_schedules_lock = threading.Lock()
+
+# _save_schedules 加锁
+def _save_schedules(schedules: list) -> None:
+    with _schedules_lock:
+        ensure_dirs()
+        SCHEDULES_FILE.write_text(
+            json.dumps(schedules, ensure_ascii=False, indent=2),
+            encoding="utf-8",
+        )
+
+# _update_current_status 加锁
+def _update_current_status(schedule_id: str, status: str) -> None:
+    with _schedules_lock:
+        schedules = _load_schedules()
+        for i, s in enumerate(schedules):
+            if s.get("id") == schedule_id:
+                schedules[i]["current_status"] = status
+                _save_schedules(schedules)
+                return
+    raise ValueError("定时任务不存在")
+
+# update_run_status 加锁
+def update_run_status(schedule_id: str, status: str, report_id: str, run_at: str) -> dict:
+    with _schedules_lock:
+        schedules = _load_schedules()
+        for i, s in enumerate(schedules):
+            if s.get("id") == schedule_id:
+                schedules[i]["last_run_at"] = run_at
+                schedules[i]["last_run_status"] = status
+                schedules[i]["last_report_id"] = report_id
+                schedules[i]["next_run_at"] = _calc_next_run(s["cron"])
+                _save_schedules(schedules)
+                return schedules[i]
+    raise ValueError("定时任务不存在")
+```
+
+---
+
+### 步骤 2：`_add_job()` 添加关键参数
+
+**位置**：`schedule_service.py` 第 451-457 行
+
+**改动**：添加 `misfire_grace_time`、`coalesce`、`max_instances` 参数
+
+```python
+_scheduler.add_job(
+    func=_execute_scheduled_job,
+    trigger=trigger,
+    id=job_id,
+    args=[sched["id"]],
+    replace_existing=True,
+    misfire_grace_time=3600,  # 允许 1 小时内的错过执行（默认 1 秒太短）
+    coalesce=True,            # 错过多次只执行一次
+    max_instances=1,          # 同一 job 不并发（显式声明）
+)
+```
+
+**参数说明**：
+- `misfire_grace_time=3600`：如果任务错过触发时间，1 小时内仍会执行。解决因 GIL 竞争、线程繁忙等导致的短暂延迟跳过问题
+- `coalesce=True`：如果任务连续错过多次触发（如服务重启期间），只执行一次，不堆积
+- `max_instances=1`：同一 job 同一时间只允许一个实例运行，防止并发重复执行
+
+---
+
+### 步骤 3：`_execute_scheduled_job` 改为后台线程执行
+
+**位置**：`schedule_service.py` 第 512-521 行
+
+**改动**：将同步调用改为 `threading.Thread` 后台执行，与 `run_now()` 保持一致
+
+```python
+def _execute_scheduled_job(schedule_id: str) -> None:
+    """定时任务执行入口（APScheduler 线程中调用），含 enabled 检查。"""
+    logger.info("定时任务触发: %s", schedule_id)
+
+    sched = get_schedule(schedule_id)
+    if not sched or not sched.get("enabled"):
+        logger.warning("定时任务不存在或已禁用: %s", schedule_id)
+        return
+
+    # 检查是否已在执行中（防止定时触发与手动触发并发）
+    if sched.get("current_status") == "running":
+        logger.warning("定时任务已在执行中，跳过: %s", schedule_id)
+        return
+
+    # 使用后台线程执行，不阻塞 APScheduler 调度线程
+    t = threading.Thread(target=_run_job_body, args=(schedule_id,), daemon=True)
+    t.start()
+```
+
+**改动说明**：
+- 新增 `current_status == "running"` 检查，防止定时触发与手动触发并发执行同一任务
+- 使用 `threading.Thread` 后台执行，APScheduler 线程立即释放，可以继续调度其他任务
+- `daemon=True` 确保主进程退出时线程自动终止
+
+---
+
+## 验证步骤
+
+### 本地验证
+
+1. 启动服务，创建两个定时任务（间隔 1 分钟）
+2. 确认两个任务都能正常触发执行
+3. 手动触发一个正在执行的任务，确认被拒绝（"已在执行中"）
+4. 检查 `schedules.json` 状态更新正确
+
+### 部署后验证
+
+1. 部署到 5.60
+2. 检查健康状态：`curl -s http://192.168.5.60:8088/api/health`
+3. 检查 scheduler 状态：`curl -s http://192.168.5.60:8088/api/service-monitor/scheduler/status`
+4. 确认 5.44 和 5.202 两个定时任务都已注册
+5. 等待下一个工作日 8:40，确认 5.44 任务正常执行
+6. 等待 9:00，确认 5.202 任务正常执行
+7. 检查 `schedules.json` 中两个任务的状态更新均正确
+
+### 单元测试
+
+```bash
+cd skill/code && python -m pytest -v
+```
+
+确认 218 个测试全绿，无回归。
+
+---
+
+## 回滚方案
+
+如果修复后出现问题，回滚步骤：
+1. 恢复 `schedule_service.py` 到修复前版本
+2. 重新部署
+3. 手动检查 `schedules.json` 中任务状态是否正确
+
+---
+
+## 文档信息
+
+- 创建时间：2026-07-27
+- 创建人：Claude
+- 关联问题文档：`PRD_问题处理_定时任务并发执行失败.md`

Docs/需求文档/服务监测/PRD_问题处理_定时任务并发执行失败.md

+# 问题处理 — 定时任务并发执行失败
+
+> 版本：1.0 ｜ 日期：2026-07-27 ｜ 作者：czj
+
+---
+
+## 问题描述
+
+| # | 问题 | 严重度 |
+|---|------|--------|
+| 1 | 5.44 服务器定时任务（工作日 8:40）不执行，5.202 服务器定时任务（工作日 9:00）正常执行 | P0 功能 |
+| 2 | `schedules.json` 并发读写无锁保护，多任务同时执行时可能丢失状态更新 | P1 数据安全 |
+| 3 | `_execute_scheduled_job` 在 APScheduler 线程中同步阻塞执行，长时间巡检占用调度线程 | P1 性能 |
+
+---
+
+## 问题 1 根因分析（P0）
+
+### 现象
+
+- 5.44 定时任务配置"工作日 08:40 执行"，到了时间不执行，无报告生成
+- 5.202 定时任务配置"工作日 09:00 执行"，正常执行，报告正常生成
+- 服务器健康检查 status: ok, scheduler: running
+
+### 根因
+
+**根因 1（主因）：`_add_job()` 未设置 `misfire_grace_time`，APScheduler 默认 1 秒**
+
+`schedule_service.py` 第 451-457 行：
+
+```python
+_scheduler.add_job(
+    func=_execute_scheduled_job,
+    trigger=trigger,
+    id=job_id,
+    args=[sched["id"]],
+    replace_existing=True,
+    # ❌ 缺少 misfire_grace_time、coalesce、max_instances
+)
+```
+
+APScheduler 的 `BackgroundScheduler` 默认 `misfire_grace_time = 1` 秒。含义：如果调度器在预定时间后超过 1 秒才检查到该任务需要执行，该任务就被标记为 misfire 并**跳过不执行**。
+
+**触发场景**：
+- 5.44 任务设定 8:40 触发
+- 8:40 时 APScheduler 的执行线程正忙于其他操作（GIL 竞争、垃圾回收、或其他任务正在同步执行巡检）
+- 调度器延迟 1 秒以上才检查到 8:40 的任务
+- 该任务被判定为 misfire，跳过不执行
+- 5.202 的 9:00 任务正常，因为 9:00 时调度器线程空闲
+
+**根因 2（次因）：`_execute_scheduled_job` 在 APScheduler 线程中同步阻塞执行**
+
+`schedule_service.py` 第 512-521 行：
+
+```python
+def _execute_scheduled_job(schedule_id: str) -> None:
+    sched = get_schedule(schedule_id)
+    if not sched or not sched.get("enabled"):
+        return
+    _run_job_body(schedule_id)  # ❌ 同步阻塞！
+```
+
+对比 `run_now()`（手动触发）使用了 `threading.Thread` 后台执行（第 539 行），而定时触发直接在 APScheduler 线程中同步调用 `_run_job_body`。
+
+`run_inspection_sync()` 执行全量巡检可能耗时数分钟（每个模块 90 秒超时 × 多个模块），在此期间 APScheduler 的执行线程被阻塞，无法触发其他定时任务，加剧 misfire 问题。
+
+### 影响范围
+
+- **所有定时任务**都可能受影响，不仅限于 5.44
+- 任务执行时间越长，后续任务越容易 misfire
+- 多个定时任务配置在相近时间段时问题更明显
+
+---
+
+## 问题 2 根因分析（P1）
+
+### 现象
+
+两个定时任务同时执行时，`schedules.json` 中的状态可能不正确（如一个任务完成后的状态更新被另一个任务的写入覆盖）。
+
+### 根因
+
+`_update_current_status()`（第 567-575 行）和 `update_run_status()`（第 357-368 行）都采用"读-改-写"模式操作 `schedules.json`，但**没有任何锁保护**：
+
+```python
+def _update_current_status(schedule_id: str, status: str) -> None:
+    schedules = _load_schedules()        # 1. 读
+    for i, s in enumerate(schedules):
+        if s.get("id") == schedule_id:
+            schedules[i]["current_status"] = status  # 2. 改
+            _save_schedules(schedules)               # 3. 写
+            return
+```
+
+**竞态场景**：
+1. 5.44 任务完成，线程 A 调用 `update_run_status("sched_5.44", "success", ...)`
+2. 同时 5.202 任务执行中，线程 B 调用 `_update_current_status("sched_5.202", "running")`
+3. 线程 A 先 `_load_schedules()` 读到旧数据
+4. 线程 B 也 `_load_schedules()` 读到同一份旧数据
+5. 线程 A 写入，更新了 5.44 的状态
+6. 线程 B 写入，基于旧数据更新 5.202 的状态，**覆盖了线程 A 对 5.44 状态的更新**
+7. 结果：5.44 的 `last_run_status` 被回退，看起来像从未执行
+
+### 影响范围
+
+- 多个定时任务同时执行时，状态更新可能丢失
+- 手动触发 + 定时触发同时进行时同样受影响
+- `current_status` 可能永远停留在 "running"，导致手动触发被拒绝
+
+---
+
+## 问题 3 根因分析（P1）
+
+### 现象
+
+定时任务执行期间，APScheduler 调度线程被阻塞，影响其他任务触发。
+
+### 根因
+
+见问题 1 根因 2。`_execute_scheduled_job` 在 APScheduler 的工作线程中同步执行 `run_inspection_sync()`，该函数执行全量巡检可能耗时数分钟。
+
+APScheduler 默认线程池大小为 10，如果多个定时任务同时占用线程，新的触发请求可能因线程池耗尽而延迟或失败。
+
+---
+
+## 修复方案
+
+| 问题 | 修复方案 | 改动文件 |
+|------|---------|---------|
+| P0：misfire_grace_time 过短 | `_add_job()` 添加 `misfire_grace_time=3600`（1 小时容错）、`coalesce=True`、`max_instances=1` | `schedule_service.py` |
+| P1：APScheduler 线程阻塞 | `_execute_scheduled_job` 改为 `threading.Thread` 后台执行，与 `run_now()` 保持一致 | `schedule_service.py` |
+| P1：schedules.json 并发写入 | 添加模块级 `threading.Lock()`，`_update_current_status` / `update_run_status` / `_save_schedules` 等函数加锁 | `schedule_service.py` |
+
+---
+
+## 风险评估
+
+| 风险 | 影响 | 缓解措施 |
+|------|------|---------|
+| misfire_grace_time 过大导致任务堆积 | 低频任务不会堆积；高频任务应设 max_instances=1 | 已设 max_instances=1 |
+| 后台线程异常无法捕获 | 线程内已有 try/except 兜底 | 日志记录完整 |
+| 锁粒度过大影响性能 | schedules.json 操作是毫秒级，锁持有时间极短 | 可接受 |
+
+---
+
+## 文档信息
+
+- 创建时间：2026-07-27
+- 创建人：Claude
+- 关联问题：定时任务时区问题、定时任务与报告优化
+- 关联提交：待修复

deploy/docker_deploy.sh

+#!/bin/bash
+# ============================================================
+# Troubleshoot AI Assistant — Docker 部署脚本
+# 在 5.60 服务器上执行
+# ============================================================
+# 前置条件：
+#   1. 服务器已安装 Docker
+#   2. 项目代码已上传到服务器（或从构建机 scp 镜像）
+#   3. /opt/troubleshoot/.env 已配置（SECRET_KEY 等）
+#
+# 使用方式：
+#   ./docker_deploy.sh              # 构建并启动
+#   ./docker_deploy.sh --build-only # 仅构建镜像
+#   ./docker_deploy.sh --stop       # 停止容器
+#   ./docker_deploy.sh --status     # 查看状态
+# ============================================================
+
+set -euo pipefail
+
+# 配置
+CONTAINER_NAME="troubleshoot"
+IMAGE_NAME="troubleshoot:latest"
+DATA_BASE="/opt/troubleshoot"
+ENV_FILE="${DATA_BASE}/.env"
+
+# 颜色输出
+RED='\033[0;31m'
+GREEN='\033[0;32m'
+YELLOW='\033[1;33m'
+NC='\033[0m'
+
+info()  { echo -e "${GREEN}[INFO]${NC} $*"; }
+warn()  { echo -e "${YELLOW}[WARN]${NC} $*"; }
+error() { echo -e "${RED}[ERROR]${NC} $*"; exit 1; }
+
+# ---------- 前置检查 ----------
+check_prerequisites() {
+    info "检查前置条件..."
+
+    # Docker 是否安装
+    if ! command -v docker &> /dev/null; then
+        error "Docker 未安装，请先安装: sudo apt install docker.io"
+    fi
+    info "Docker: $(docker --version)"
+
+    # 当前用户是否有 Docker 权限
+    if ! docker ps &> /dev/null; then
+        error "当前用户无 Docker 权限，请将用户加入 docker 组: sudo usermod -aG docker $USER"
+    fi
+
+    # .env 文件是否存在
+    if [ ! -f "${ENV_FILE}" ]; then
+        warn ".env 文件不存在: ${ENV_FILE}"
+        warn "请创建并配置 SECRET_KEY 等环境变量"
+        mkdir -p "${DATA_BASE}"
+        cat > "${ENV_FILE}" << 'EOF'
+# 必填
+SECRET_KEY=your_secret_key_here
+
+# Claude API（离线模式可留空）
+CLAUDE_API_BASE=
+CLAUDE_API_KEY=
+
+# 离线模式（true=不调 Claude API）
+OFFLINE_MODE=true
+
+# 服务监测加密密钥（可选，不设则从 SECRET_KEY 派生）
+MONITOR_ENC_KEY=
+EOF
+        warn "已创建模板 ${ENV_FILE}，请编辑后重新运行"
+        exit 1
+    fi
+    info ".env 文件: ${ENV_FILE}"
+}
+
+# ---------- 准备数据目录 ----------
+prepare_dirs() {
+    info "准备数据目录..."
+
+    # 监测数据目录
+    mkdir -p "${DATA_BASE}/monitor-data/reports"
+
+    # 用户数据（首次部署时初始化空文件）
+    if [ ! -f "${DATA_BASE}/data/users.json" ]; then
+        mkdir -p "${DATA_BASE}/data"
+        echo '{"users":[]}' > "${DATA_BASE}/data/users.json"
+        info "已初始化空 users.json"
+    fi
+
+    # 日志目录
+    mkdir -p "${DATA_BASE}/logs"
+
+    # 搜索索引（如果存在旧部署的索引，复制过来）
+    if [ -f "${DATA_BASE}/搜索索引.json" ] && [ ! -f "${DATA_BASE}/data/搜索索引.json" ]; then
+        cp "${DATA_BASE}/搜索索引.json" "${DATA_BASE}/data/搜索索引.json"
+        info "已复制搜索索引到 data/"
+    fi
+
+    # 搜索向量（可选）
+    if [ -f "${DATA_BASE}/搜索向量.json" ] && [ ! -f "${DATA_BASE}/data/搜索向量.json" ]; then
+        cp "${DATA_BASE}/搜索向量.json" "${DATA_BASE}/data/搜索向量.json"
+        info "已复制搜索向量到 data/"
+    fi
+
+    info "数据目录准备完成"
+}
+
+# ---------- 构建镜像 ----------
+build_image() {
+    info "构建 Docker 镜像..."
+    docker build -t "${IMAGE_NAME}" .
+    info "镜像构建完成: ${IMAGE_NAME}"
+}
+
+# ---------- 启动容器 ----------
+start_container() {
+    # 检查是否有同名容器在运行
+    if docker ps -a --format '{{.Names}}' | grep -q "^${CONTAINER_NAME}$"; then
+        info "停止并移除旧容器..."
+        docker stop "${CONTAINER_NAME}" 2>/dev/null || true
+        docker rm "${CONTAINER_NAME}" 2>/dev/null || true
+    fi
+
+    info "启动容器..."
+    docker run -d \
+        --name "${CONTAINER_NAME}" \
+        --restart unless-stopped \
+        -p 8088:8088 \
+        -v "${DATA_BASE}/monitor-data:/app/web/service_monitor/data" \
+        -v "${DATA_BASE}/data/users.json:/app/web/users.json" \
+        -v "${DATA_BASE}/data/搜索索引.json:/app/data/搜索索引.json:ro" \
+        -v "${DATA_BASE}/data/搜索向量.json:/app/data/搜索向量.json:ro" \
+        -v "${DATA_BASE}/logs:/app/web/logs" \
+        --env-file "${ENV_FILE}" \
+        -e FLASK_DEBUG=0 \
+        -e TROUBLESHOOT_ROOT=/app \
+        -e PYTHONIOENCODING=utf-8 \
+        --memory=1g \
+        --cpus=1.0 \
+        "${IMAGE_NAME}"
+
+    info "容器已启动: ${CONTAINER_NAME}"
+}
+
+# ---------- 健康检查 ----------
+health_check() {
+    info "等待服务启动..."
+    local max_retries=15
+    local count=0
+
+    while [ $count -lt $max_retries ]; do
+        if curl -sf http://localhost:8088/api/health > /dev/null 2>&1; then
+            info "服务健康检查通过！"
+            echo ""
+            curl -s http://localhost:8088/api/health | python3 -m json.tool 2>/dev/null || \
+                curl -s http://localhost:8088/api/health
+            echo ""
+            info "访问地址: http://$(hostname -I 2>/dev/null | awk '{print $1}' || echo '192.168.5.60'):8088"
+            return 0
+        fi
+        count=$((count + 1))
+        echo "  等待中... ($count/$max_retries)"
+        sleep 2
+    done
+
+    error "健康检查失败，请查看日志: docker logs ${CONTAINER_NAME}"
+}
+
+# ---------- 查看状态 ----------
+show_status() {
+    info "容器状态:"
+    docker ps -f "name=${CONTAINER_NAME}" --format "table {{.Names}}\t{{.Status}}\t{{.Ports}}" 2>/dev/null || \
+        warn "容器 ${CONTAINER_NAME} 不存在"
+    echo ""
+    info "服务健康:"
+    curl -sf http://localhost:8088/api/health | python3 -m json.tool 2>/dev/null || \
+        warn "服务未响应"
+}
+
+# ---------- 停止容器 ----------
+stop_container() {
+    info "停止容器 ${CONTAINER_NAME}..."
+    docker stop "${CONTAINER_NAME}" 2>/dev/null || warn "容器未在运行"
+    docker rm "${CONTAINER_NAME}" 2>/dev/null || true
+    info "容器已停止并移除"
+}
+
+# ---------- 主流程 ----------
+main() {
+    local action="${1:-deploy}"
+
+    case "${action}" in
+        --build-only)
+            check_prerequisites
+            build_image
+            ;;
+        --stop)
+            stop_container
+            ;;
+        --status)
+            show_status
+            ;;
+        deploy|"")
+            check_prerequisites
+            prepare_dirs
+            build_image
+            start_container
+            health_check
+            ;;
+        *)
+            echo "用法: $0 [--build-only|--stop|--status]"
+            exit 1
+            ;;
+    esac
+}
+
+main "$@"

docker-compose.yml

-version: '3.8'
+# Troubleshoot AI Assistant — Docker Compose
+#
+# 使用方式：
+#   docker compose up -d          # 启动
+#   docker compose logs -f        # 查看日志
+#   docker compose down           # 停止
+#   docker compose up -d --build  # 重新构建并启动
+#
+# 注意：
+#   - 单容器部署，不用 gunicorn 多 worker（APScheduler 不兼容多进程）
+#   - 不挂载 docker.sock（避免影响宿主机其他容器）
+#   - 资源限制防止单容器抢占宿主机资源
+# ============================================================
+
 services:
   troubleshoot:
-    build: .
+    build:
+      context: .
+      dockerfile: Dockerfile
+    image: troubleshoot:latest
+    container_name: troubleshoot
+    restart: unless-stopped
     ports:
       - "8088:8088"
-    restart: always
     volumes:
-      # 配置与用户数据只读挂载（便于现场修改无需重建镜像）
-      - ./config.json:/app/web/config.json:ro
-      - ./users.json:/app/web/users.json:ro
-      - ./records:/app/web/records:ro
-      # 日志持久化到宿主机
-      - ./logs:/app/logs
+      # 服务监测数据（targets/schedules/reports/notifications）
+      - monitor-data:/app/web/service_monitor/data
+      # 用户数据
+      - /opt/troubleshoot/data/users.json:/app/web/users.json
+      # 知识库索引（只读）
+      - /opt/troubleshoot/data/搜索索引.json:/app/data/搜索索引.json:ro
+      - /opt/troubleshoot/data/搜索向量.json:/app/data/搜索向量.json:ro
+      # 缓存目录
+      - cache-data:/app/web/cache
+      # 日志
+      - /opt/troubleshoot/logs:/app/web/logs
     environment:
+      - FLASK_DEBUG=0
       - PYTHONIOENCODING=utf-8
-      - SECRET_KEY=${SECRET_KEY}
-      # 离线模式开关：true=跳过 Claude API（离线 Q&A），false=在线调 API
+      - TROUBLESHOOT_ROOT=/app
+      - SECRET_KEY=${SECRET_KEY:?SECRET_KEY is required}
+      - CLAUDE_API_BASE=${CLAUDE_API_BASE:-}
+      - CLAUDE_API_KEY=${CLAUDE_API_KEY:-}
       - OFFLINE_MODE=${OFFLINE_MODE:-true}
+      - MONITOR_ENC_KEY=${MONITOR_ENC_KEY:-}
+    # 资源限制（5.60 有其他服务容器，防止抢占资源）
+    deploy:
+      resources:
+        limits:
+          memory: 1G
+          cpus: '1.0'
+        reservations:
+          memory: 256M
+          cpus: '0.25'
+    # 健康检查
+    healthcheck:
+      test: ["CMD", "python3", "-c", "import urllib.request; urllib.request.urlopen('http://localhost:8088/api/health')"]
+      interval: 30s
+      timeout: 10s
+      retries: 3
+      start_period: 30s
+
+volumes:
+  monitor-data:
+    driver: local
+    driver_opts:
+      type: none
+      o: bind
+      device: /opt/troubleshoot/monitor-data
+  cache-data:

skill/code/web/search_engine.py

@@ -27,6 +27,7 @@ except ImportError:
     HAS_NUMPY = False
 
 from utils.logger import get_logger
+from utils.paths import DATA_DIR, SEARCH_INDEX_DIR, VECTOR_INDEX_FILENAME
 
 logger = get_logger(__name__)
 
@@ -35,19 +36,20 @@ logger = get_logger(__name__)
 # ============================================================
 
 SCRIPT_DIR = Path(__file__).resolve().parent  # .../web
-DATA_DIR = SCRIPT_DIR.parent  # 部署时即 /opt/troubleshoot
 
-# 搜索索引路径（按优先级查找：部署环境 → 开发环境）
+# 搜索索引路径（按优先级查找：统一路径 → 部署环境 → 开发环境）
 SEARCH_INDEX_PATHS = [
-    DATA_DIR / "搜索索引.json",                                    # 部署环境（/opt/troubleshoot/）
+    SEARCH_INDEX_DIR / "搜索索引.json",                              # 统一路径（容器/裸机）
+    DATA_DIR / "搜索索引.json",                                      # 裸机部署（/opt/troubleshoot/）
     Path("E:/github/ubains-module-test/develop/Docs/PRD/问题知识库/搜索索引.json"),  # 开发环境绝对路径
     SCRIPT_DIR.parent.parent.parent.parent / "Docs" / "PRD" / "问题知识库" / "搜索索引.json",  # 相对路径
 ]
 
 # 向量索引路径（与搜索索引同目录查找）
 VECTOR_INDEX_PATHS = [
-    DATA_DIR / "搜索向量.json",                                    # 部署环境
-    SCRIPT_DIR.parent.parent.parent.parent / "Docs" / "PRD" / "问题知识库" / "搜索向量.json",  # 相对路径
+    SEARCH_INDEX_DIR / VECTOR_INDEX_FILENAME,                        # 统一路径（容器/裸机）
+    DATA_DIR / VECTOR_INDEX_FILENAME,                                # 裸机部署
+    SCRIPT_DIR.parent.parent.parent.parent / "Docs" / "PRD" / "问题知识库" / VECTOR_INDEX_FILENAME,  # 相对路径
 ]
 
 # query 向量缓存上限

skill/code/web/service_monitor/services/schedule_service.py

@@ -27,6 +27,9 @@ SHANGHAI_TZ = _pytz_timezone("Asia/Shanghai")
 _scheduler = None
 _scheduler_lock = threading.Lock()
 
+# schedules.json 读写锁（防止多线程并发读-改-写导致状态丢失）
+_schedules_lock = threading.Lock()
+
 # 星期映射：数字 → 中文名
 WEEKDAY_NAMES = {1: "一", 2: "二", 3: "三", 4: "四", 5: "五", 6: "六", 7: "日"}
 
@@ -134,11 +137,12 @@ def _load_schedules() -> list:
 
 def _save_schedules(schedules: list) -> None:
     """保存定时任务列表。"""
-    ensure_dirs()
-    SCHEDULES_FILE.write_text(
-        json.dumps(schedules, ensure_ascii=False, indent=2),
-        encoding="utf-8",
-    )
+    with _schedules_lock:
+        ensure_dirs()
+        SCHEDULES_FILE.write_text(
+            json.dumps(schedules, ensure_ascii=False, indent=2),
+            encoding="utf-8",
+        )
 
 
 def _now() -> str:
@@ -356,15 +360,16 @@ def toggle_enabled(schedule_id: str, enabled: Optional[bool] = None) -> dict:
 
 def update_run_status(schedule_id: str, status: str, report_id: str, run_at: str) -> dict:
     """更新定时任务执行状态。"""
-    schedules = _load_schedules()
-    for i, s in enumerate(schedules):
-        if s.get("id") == schedule_id:
-            schedules[i]["last_run_at"] = run_at
-            schedules[i]["last_run_status"] = status
-            schedules[i]["last_report_id"] = report_id
-            schedules[i]["next_run_at"] = _calc_next_run(s["cron"])
-            _save_schedules(schedules)
-            return schedules[i]
+    with _schedules_lock:
+        schedules = _load_schedules()
+        for i, s in enumerate(schedules):
+            if s.get("id") == schedule_id:
+                schedules[i]["last_run_at"] = run_at
+                schedules[i]["last_run_status"] = status
+                schedules[i]["last_report_id"] = report_id
+                schedules[i]["next_run_at"] = _calc_next_run(s["cron"])
+                _save_schedules(schedules)
+                return schedules[i]
     raise ValueError("定时任务不存在")
 
 
@@ -454,6 +459,9 @@ def _add_job(sched: dict) -> None:
             id=job_id,
             args=[sched["id"]],
             replace_existing=True,
+            misfire_grace_time=3600,  # 允许 1 小时内的错过执行（默认 1 秒太短）
+            coalesce=True,            # 错过多次只执行一次
+            max_instances=1,          # 同一 job 不并发（显式声明）
         )
         logger.info("定时任务已注册: %s (%s) [Asia/Shanghai]", sched["name"], sched["cron"])
     except Exception as e:
@@ -518,7 +526,14 @@ def _execute_scheduled_job(schedule_id: str) -> None:
         logger.warning("定时任务不存在或已禁用: %s", schedule_id)
         return
 
-    _run_job_body(schedule_id)
+    # 检查是否已在执行中（防止定时触发与手动触发并发）
+    if sched.get("current_status") == "running":
+        logger.warning("定时任务已在执行中，跳过: %s", schedule_id)
+        return
+
+    # 使用后台线程执行，不阻塞 APScheduler 调度线程
+    t = threading.Thread(target=_run_job_body, args=(schedule_id,), daemon=True)
+    t.start()
 
 
 def run_now(schedule_id: str) -> dict:
@@ -566,10 +581,11 @@ def get_scheduler_status() -> dict:
 
 def _update_current_status(schedule_id: str, status: str) -> None:
     """更新定时任务当前执行状态（running/success/failed）。"""
-    schedules = _load_schedules()
-    for i, s in enumerate(schedules):
-        if s.get("id") == schedule_id:
-            schedules[i]["current_status"] = status
-            _save_schedules(schedules)
-            return
+    with _schedules_lock:
+        schedules = _load_schedules()
+        for i, s in enumerate(schedules):
+            if s.get("id") == schedule_id:
+                schedules[i]["current_status"] = status
+                _save_schedules(schedules)
+                return
     raise ValueError("定时任务不存在")

skill/code/web/utils/paths.py

@@ -58,3 +58,18 @@ AUDIT_LOG_FILE = SCRIPT_DIR / "audit.log"
 
 # 向量索引文件名（与搜索索引同目录部署）
 VECTOR_INDEX_FILENAME = "搜索向量.json"
+
+# 搜索索引目录（优先使用环境变量，否则自动检测）
+# 容器化部署时 TROUBLESHOOT_ROOT=/app，索引文件在 /app/data/ 下
+SEARCH_INDEX_DIR = os.environ.get('SEARCH_INDEX_DIR')
+if SEARCH_INDEX_DIR:
+    SEARCH_INDEX_DIR = Path(SEARCH_INDEX_DIR)
+elif (DATA_DIR / "data" / "搜索索引.json").exists():
+    # 容器化部署：/app/data/搜索索引.json
+    SEARCH_INDEX_DIR = DATA_DIR / "data"
+elif (DATA_DIR / "搜索索引.json").exists():
+    # 裸机部署：/opt/troubleshoot/搜索索引.json
+    SEARCH_INDEX_DIR = DATA_DIR
+else:
+    # 默认：与 DATA_DIR 同级
+    SEARCH_INDEX_DIR = DATA_DIR