### 诊断流程样例 **场景**：twitter-fetcher 自动化启动后 90 秒无 stdout，用户不确定是 API 慢还是进程假死。 **运行** ```bash automation-preflight-watchdog preflight --task twitter-fetcher --cwd ~/Documents/Codex/2026-04-21-https-github-com-haopenglau-skills/repo automation-preflight-watchdog watch --task twitter-fetcher --pidfile .codex_tmp/twitter-fetcher.pid --outputs .codex_tmp/twitter_fetcher_*.json ``` **检查顺序** 1. 解析 skill 引用：发现文档引用 `skills/twitter-fetcher`，但目录不存在。 2. 解析配置：发现 `.claude/skills/config.json` 没有 `skills.twitter-fetcher.users`，从 `.codex_tmp/twitter_fetcher_*.json` 恢复 17 个账号作为候选输入。 3. 校验路径：发现 `CODEX_HOME` 为空会展开到 `/automations/...`，改用真实 `~/.codex/automations/automation/`。 4. 监控进程：stdout 超时，但输出 JSON 的 mtime/size 在增长，判为 slow-but-alive；若 2 分钟无增量且 Python 子进程仍在，判为 suspected-hang。 **成功信号**：产物写出、memory 写到真实 Codex 目录、进程退出码为 0、无同任务残留 PID。 **失败信号**：关键 skill/config 缺失且无 fallback、CODEX_HOME 指向危险路径、stdout/产物/CPU 同时静止、cleanup 后仍存在同 cwd 的残留 Python 进程。 **落地**：先作为本地 CLI 旁路接入高风险自动化；稳定后抽成 `automation-preflight` skill，成为所有长任务启动前的默认 gate。