.env.example

@@ -164,11 +164,32 @@ ORCH_TRACKER_LIVE_STATUS_TIMEOUT_S=3
 #   DEFER_MAX_ATTEMPTS -> defer retries before escalation (avoids livelock).
 ORCH_MERGE_GATE_ENABLED=true
 ORCH_MERGE_GATE_REPOS=
-ORCH_MERGE_RETEST_TIMEOUT_S=600
+# ORCH-110 (D5): re-test budget raised 600 -> 900 (74% headroom over the observed
+# 516.7s suite). Cross-invariant (ORCH-065/109): keep ORCH_REAPER_MAX_RUNNING_S
+# (5400) > Σ(deploy-staging gate-work) + grace if you raise this — see
+# docs/work-items/ORCH-110/07-infra-requirements.md.
+ORCH_MERGE_RETEST_TIMEOUT_S=900
 ORCH_MERGE_RETEST_TARGET=tests/
 ORCH_MERGE_LOCK_TIMEOUT_S=300
 ORCH_MERGE_DEFER_DELAY_S=60
 ORCH_MERGE_DEFER_MAX_ATTEMPTS=5
+# ORCH-110: merge-gate re-test infra-timeout tolerance + tree-kill of the
+# orchestrator-spawned pytest subprocess (re-test + coverage). Each default = the
+# desired prod behaviour; each flag is an independent kill-switch (off ->
+# byte-for-byte pre-ORCH-110). The tree-kill grace reuses ORCH_AGENT_KILL_GRACE_SECONDS.
+#   SUBPROCESS_TREE_KILL_ENABLED          -> D1: spawn re-test/coverage pytest in its
+#       own process group; tree-kill the WHOLE group on timeout (no orphan grandchildren).
+#   MERGE_RETEST_INFRA_TOLERANCE_ENABLED  -> D3: a re-test TIMEOUT is a transient
+#       (bounded infra-retry, NOT a code-fault rollback to development).
+#   MERGE_RETEST_INFRA_MAX_RETRIES        -> D3: infra-retry budget before an infra-alert.
+#   MERGE_RETEST_INFRA_RETRY_DELAY_S      -> D3: delay before the staging-deployer re-run.
+#   MERGE_RETEST_SKIP_WHEN_CURRENT_ENABLED-> D4: skip the local re-test when the
+#       pre-merge rebase was a proven no-op (HEAD already CI/tester/staging-validated).
+ORCH_SUBPROCESS_TREE_KILL_ENABLED=true
+ORCH_MERGE_RETEST_INFRA_TOLERANCE_ENABLED=true
+ORCH_MERGE_RETEST_INFRA_MAX_RETRIES=2
+ORCH_MERGE_RETEST_INFRA_RETRY_DELAY_S=120
+ORCH_MERGE_RETEST_SKIP_WHEN_CURRENT_ENABLED=true
 # ORCH-026 Level A: unconditional pre-merge rebase. With the flag ON (default),
 # check_branch_mergeable ALWAYS rebases the branch onto origin/main under the held
 # merge-lease (not only when behind) — a deterministic structural anti-phantom on

.task-dev.md

@@ -1,4 +1,4 @@
-Work item: ORCH-111
+Work item: ORCH-110
 Repo: orchestrator
-Branch: feature/ORCH-111-bug-watchdog-must-alert-on-lon
+Branch: feature/ORCH-110-bug-merge-gate-local-re-test-t
 Stage: development

CHANGELOG.md

@@ -3,6 +3,13 @@
 Формат: [Keep a Changelog](https://keepachangelog.com/). Записи — на смысловой PR/задачу.
 
 ## [Unreleased]
+- **Merge-gate re-test: толерантность к инфра-таймауту + tree-kill спавненных pytest + контракт необходимости re-test** (ORCH-110, `fix`, bug→escalate full-cycle): устранён ложный откат `deploy-staging → development`, возникавший когда локальный re-test merge-gate падал по **таймауту** (инфра/ресурс) при зелёных CI + tester + staging (инцидент ORCH-109/PR #129: сюит 516.7s упёрся в бюджет 600s под CPU-голоданием от осиротевших pytest-процессов → `(False, "re-test timeout after 600s")` → `_handle_merge_gate_rollback` → каждый из 3 developer-retry падал так же → «Merge-gate still failing after 3 developer retries» → ручное вмешательство). Аддитивно, под 5 независимыми kill-switch, never-raise, скоуп self-hosting; `STAGE_TRANSITIONS`/реестр `QG_CHECKS`/семантика `check_*`/machine-verdict-ключи/схема БД — **байт-в-байт не тронуты**; INV-4 (никогда push/force-push `main`) и запрет рестарта прод-контейнера — соблюдены. ADR: `docs/work-items/ORCH-110/06-adr/ADR-001-merge-gate-retest-infra-tolerance-and-tree-kill.md`, сквозной `docs/architecture/adr/adr-0042-merge-gate-retest-infra-tolerance-and-tree-kill.md`.
+  - **D1 — process-group tree-kill (`src/proc_group.py`, новый stdlib-only leaf):** `merge_gate.retest_branch` и `coverage_gate.measure_coverage` теперь спавнят pytest в **отдельной группе процессов** (`start_new_session`) и при таймауте убивают **всё дерево** (`os.killpg`, каскад SIGTERM→grace→SIGKILL по образцу `launcher.stop_process`), а не только прямого потомка — осиротевшие внуки-pytest больше не переживают бюджет и не грузят CPU. Контракты возврата сохранены (меняется лишь побочный эффект — нет утечки). Грейс реюзит `agent_kill_grace_seconds`. Fallback never-break: `subprocess_tree_kill_enabled=False` или не-POSIX → прежний `subprocess.run(timeout=)`.
+  - **D2/D3 — классификация + маршрутизация инфра-таймаута:** чистый предикат `merge_gate.classify_retest_failure(reason)` различает `timeout`/`red`/`lock-busy`/`other` (scope-guard: `auto_rebase_onto_main`'s «rebase timeout» — НЕ инфра-таймаут re-test, остаётся на rollback-пути). Инфра-таймаут → новый `_handle_merge_gate_infra_retry` (ограниченный повтор по образцу `_handle_merge_gate_defer`: задача **остаётся на deploy-staging**, staging-deployer перезапускается с задержкой, **БЕЗ** отката на `development` и **БЕЗ** расхода developer-retry). Анти-над-толерантность (BR-6): детерминированно **красный** re-test / конфликт по-прежнему → `_handle_merge_gate_rollback`. Anti-loop: исчерпание бюджета → один **инфра-alert** (явно инфраструктурная формулировка «НЕ дефект кода» с кликабельным номером), задача НЕ уходит в `development`.
+  - **D4 — контракт необходимости re-test:** при `premerge_rebase_always=True` re-test теперь **пропускается**, когда rebase оказался доказанным no-op (HEAD не сдвинулся = ветка уже содержит свежий `origin/main`, тот же коммит уже подтвердили CI + tester + staging) — distribute той же оптимизации, что путь `premerge_rebase_always=False` уже имеет для не-behind ветки. Fail-safe: при любой неопределённости (`head_sha` пуст / git-ошибка) re-test **выполняется** (BR-6/AC-3 не ослаблен).
+  - **D5 — бюджет:** `merge_retest_timeout_s` 600 → **900** (запас 74% над 516.7s) + валидация `_resolve_retest_timeout` (малформ/непозитив → дефолт 900 + WARNING). Сквозной инвариант ORCH-065/109 `reaper_max_running_s (5400) > Σ(deploy-staging gate-work)+grace (≈4460)` соблюдён **без** правки `reaper_max_running_s`.
+  - **D6 — наблюдаемость:** in-process счётчики (`retest_timeout_total`/`retest_infra_retry_total`/`retest_infra_exhausted_total`/`retest_skipped_current_total`/`last_infra_timeout_wi`) + read-only блок `merge_gate` в `GET /queue` (отличим от код-фейл-отката); координация с ORCH-111 (`proc_blocking`) без дубля (ORCH-110 предотвращает/толерирует, ORCH-111 наблюдает). Append-only regression-guard: добавлен `("ORCH-110", "classify_retest_failure", "src/merge_gate.py")` в `MAIN_REGRESSION_MARKERS`.
+  - **Конфиг (5 новых ключей, дефолт = боевое):** `ORCH_SUBPROCESS_TREE_KILL_ENABLED`/`ORCH_MERGE_RETEST_INFRA_TOLERANCE_ENABLED`/`ORCH_MERGE_RETEST_INFRA_MAX_RETRIES=2`/`ORCH_MERGE_RETEST_INFRA_RETRY_DELAY_S=120`/`ORCH_MERGE_RETEST_SKIP_WHEN_CURRENT_ENABLED` + бамп `ORCH_MERGE_RETEST_TIMEOUT_S=900`. Покрытие — `tests/test_orch110_*.py` (TC-01…TC-12, включая регресс инцидента red-before/green-after).
 - **Watchdog-сигнал `proc_blocking`: алерт на долго живущий осиротевший тест-процесс** (ORCH-111, `feat`): закрыта слепая зона наблюдаемости между `agent_hung` (видит только треканые джобы по `jobs.pid`) и осиротевшими субпроцессами `pytest`, которые орк запускает сам (`merge_gate.retest_branch`/`coverage_gate.measure_coverage`) и которые при timeout-kill агента (`-9`, ORCH-109) репарентируются на tini и живут сутками, грузя CPU и валя merge-gate re-test (инцидент: процессы `test_install_lite_script.py` жили >2 суток без единого алерта). Изменения **строго внутри наблюдателя** (`watchdog/**` + сервис watchdog в compose); `src/**`/`/metrics`/`schema_version`/`STAGE_TRANSITIONS`/`QG_CHECKS`/`check_*`/machine-verdict/схема БД — **байт-в-байт не тронуты**; выкат пересобирает **только** `orchestrator-watchdog`, прод `orchestrator` не рестартится (NFR-3). ADR: `docs/work-items/ORCH-111/06-adr/ADR-001-watchdog-orphan-test-process-alert.md`, сквозной `docs/architecture/adr/adr-0041-watchdog-orphan-test-process-alert.md`.
   - **Коллектор `watchdog/collectors/proc.py` (D3):** новый stdlib-only `/proc`-скан (под `pid: host` контейнерный `/proc` отражает хост-namespace) — читает `/proc/stat` (`btime`) + `os.sysconf("SC_CLK_TCK")`, итерирует числовые `/proc/<pid>`, матчит `/proc/<pid>/cmdline` по паттерну тест-класса, парсит `/proc/<pid>/stat` (поле 22 `starttime` → `age_s`, поля 14+15 `utime+stime` → `cpu_s` информационно). Строго **read-only** (никаких `os.kill`/сигналов/`subprocess`; **никогда** не читает `/proc/<pid>/environ` — секреты); **never-raise** (per-pid гонка «процесс умер между listdir и read» пропускается, top-level → `[]`); чистый разбор отделён от I/O (тестируется на фейковом `/proc`-дереве).
   - **Чистый builder `proc_signals` + синтез RECOVERY (D4):** per-entity `Signal("proc_blocking", pid)` active ⇔ `age_s > cfg.proc_age_s` (cmdline уже отфильтрована коллектором); действенный RU-`detail` (PID + возраст + усечённый фрагмент cmdline + CPU-время). Исчезновение процесса не оставляет «висящего» алерта: в `core.tick()` для каждого alerting-ключа без свежего сигнала **синтезируется** `Signal(active=False)` → существующая `decision.decide()`/`AlertState` даёт **однократный** RECOVERY и чистит состояние (никакой новой анти-спам-логики — FR-5).

CLAUDE.md

@@ -235,6 +235,54 @@ kill-switch, never-raise, fail-safe → полный цикл.
   `docs/work-items/ORCH-027/06-adr/ADR-001-coverage-gate.md`,
   `docs/architecture/adr/adr-0029-coverage-gate.md`.
 
+## Merge-gate re-test: инфра-толерантность + tree-kill + контракт re-test (ORCH-110)
+Багфикс инцидента **ORCH-109/PR #129** (bug → escalate full-cycle): локальный re-test merge-gate
+(`check_branch_mergeable`, ребро `deploy-staging → deploy`) падал по **таймауту** (516.7s-сюит упёрся
+в бюджет 600s под CPU-голоданием от **осиротевших** pytest-процессов) при зелёных CI+tester+staging →
+маршрутизировался как **код-фейл** в `_handle_merge_gate_rollback` (откат на `development` + расход
+developer-retry) → каждый retry падал так же → «Merge-gate still failing after 3 developer retries» →
+ручное вмешательство. Аддитивно, под **5 независимыми kill-switch**, never-raise, скоуп self-hosting;
+`STAGE_TRANSITIONS`/реестр `QG_CHECKS`/семантика/имя `check_branch_mergeable`/machine-verdict-ключи/
+схема БД — **байт-в-байт не тронуты** (merge-gate остаётся под-гейтом-врезкой, не новой стадией/QG);
+INV-4 (никогда push/force-push `main`) и запрет рестарта прод-контейнера — соблюдены.
+- **D1 (tree-kill, корень утечки):** новый stdlib-only leaf `src/proc_group.py`
+  (`run_in_process_group`, паттерн чистоты `serial_gate`) спавнит спавненный pytest в **отдельной
+  группе процессов** (`start_new_session`) и при таймауте убивает **всё дерево** (`os.killpg`, каскад
+  SIGTERM→grace→SIGKILL, зеркало `launcher.stop_process`, грейс = `agent_kill_grace_seconds`).
+  Используют его `merge_gate.retest_branch` И `coverage_gate.measure_coverage` (сиблинг-источник
+  утечки). Контракты возврата сохранены — меняется лишь отсутствие сирот. Fallback never-break:
+  `subprocess_tree_kill_enabled=False`/не-POSIX → прежний `subprocess.run`.
+- **D2/D3 (классификация + маршрутизация):** чистый предикат `merge_gate.classify_retest_failure`
+  различает `timeout`/`red`/`lock-busy`/`other` (scope-guard: «rebase timeout» git'а — НЕ инфра-таймаут
+  re-test). Инфра-таймаут → `_handle_merge_gate_infra_retry` (зеркало `_handle_merge_gate_defer`:
+  задача **остаётся на `deploy-staging`**, staging-deployer перезапускается с задержкой, **БЕЗ** отката
+  на `development` и **БЕЗ** developer-retry; restart-safe счётчик `_merge_infra_retry_count` по маркеру
+  `merge-gate infra-timeout retry` в `task_content`). Анти-над-толерантность (BR-6): детерминированно
+  **красный** re-test / конфликт → прежний `_handle_merge_gate_rollback`. Anti-loop: исчерпание
+  `merge_retest_infra_max_retries` (дефолт 2) → один **инфра-alert** (явно «НЕ дефект кода»,
+  кликабельный номер), задача НЕ уходит в `development`. Kill-switch `merge_retest_infra_tolerance_enabled`
+  off → таймаут = прежний rollback (байт-в-байт).
+- **D4 (контракт необходимости re-test):** при `premerge_rebase_always=True` re-test **пропускается**,
+  когда rebase — доказанный no-op (`merge_gate.head_sha` до==после, обе непусты = ветка уже содержит
+  свежий `origin/main`, тот же коммит уже прошёл CI+tester+staging) → лиз HELD, без re-test. Распространяет
+  на путь `=True` ту же оптимизацию, что путь `=False` уже имеет для не-behind ветки. Fail-safe: любая
+  неопределённость (`head_sha` пуст / git-ошибка) → re-test **выполняется** (BR-6/AC-3 не ослаблен).
+  Kill-switch `merge_retest_skip_when_current_enabled`.
+- **D5 (бюджет):** `merge_retest_timeout_s` 600 → **900** (запас 74% над 516.7s) + валидация
+  `_resolve_retest_timeout` (малформ/непозитив → дефолт 900 + WARNING). Сквозной инвариант ORCH-065/109
+  `reaper_max_running_s (5400) > Σ(deploy-staging gate-work)+grace (≈4460)` соблюдён **без** правки
+  `reaper_max_running_s`.
+- **D6 (наблюдаемость):** in-process счётчики (`_MERGE_GATE_COUNTERS`) + read-only блок `merge_gate` в
+  `GET /queue` (отличим от код-фейл-отката); координация с ORCH-111 (`proc_blocking`) без дубля (ORCH-110
+  предотвращает/толерирует у источника, ORCH-111 наблюдает). Append-only regression-guard:
+  `("ORCH-110", "classify_retest_failure", "src/merge_gate.py")` в `MAIN_REGRESSION_MARKERS`.
+- **Флаги** (`config.py`, дефолт = боевое): `subprocess_tree_kill_enabled`/
+  `merge_retest_infra_tolerance_enabled`/`merge_retest_infra_max_retries`/`merge_retest_infra_retry_delay_s`/
+  `merge_retest_skip_when_current_enabled` (env `ORCH_*`). Откат = выставить 4 kill-switch в `False` +
+  `ORCH_MERGE_RETEST_TIMEOUT_S=600` → байт-в-байт до-ORCH-110. Детали —
+  `docs/work-items/ORCH-110/06-adr/ADR-001-merge-gate-retest-infra-tolerance-and-tree-kill.md`, сквозной
+  `docs/architecture/adr/adr-0042-merge-gate-retest-infra-tolerance-and-tree-kill.md`.
+
 ## Машинный журнал уроков (ORCH-098)
 Шаг 1 («Фундамент», F2) эпика саморазвития: формализует свободнотекстовые «уроки» из `memory/` в
 **машинную структурированную таблицу отклонений конвейера** `lessons`, фундамент для будущих

docs/architecture/README.md

@@ -447,13 +447,50 @@ Self-hosting зацикливался на `deploy-staging`: `scripts/staging_ch
 Назначение: ветка валидируется относительно того `main`, из которого создана; параллельная задача могла уйти вперёд → семантический конфликт слияния (зелёная ветка ломает обновлённый `main`). Merge-gate гарантирует проверку против **актуального** `origin/main` перед слиянием:
 - **Догон:** ветка отстаёт (⇔ `origin/main` не предок HEAD) → `rebase origin/main` в worktree + `push --force-with-lease` (ТОЛЬКО ветка задачи; `main` — никогда). Текстовый конфликт → `rebase --abort` → откат на `development`.
 - **Безусловный pre-merge rebase (ORCH-026, A-2):** при `premerge_rebase_always` (дефолт `True`, скоуп `merge_gate_repos`) short-circuit `branch_is_behind_main` пропускается — `auto_rebase_onto_main` вызывается **всегда** под лизом. На актуальной ветке это no-op (`rebase` не меняет HEAD, `push --force-with-lease` → «Everything up-to-date», CI не триггерится); на отстающей — реальный догон. Детерминированный структурный анти-фантом на уровне планировщика (дополняет рубежи ORCH-073, не заменяет). Kill-switch `premerge_rebase_always=False` → прежнее поведение (ребейз только при behind).
-- **Re-test:** `python -m pytest` (`merge_retest_target`, дефолт `tests/`) в worktree догнанной ветки, тайм-аут `merge_retest_timeout_s`. Красный/тайм-аут → откат на `development`.
+- **Re-test:** `python -m pytest` (`merge_retest_target`, дефолт `tests/`) в worktree догнанной ветки, тайм-аут `merge_retest_timeout_s` (ORCH-110 D5: 600 → **900**, валидация `_resolve_retest_timeout` — малформ/непозитив → дефолт 900 + WARNING). **Красный** (детерминированный сбой теста) → откат на `development` + developer-retry (без изменений). **ORCH-110 (реализовано, [adr-0042](adr/adr-0042-merge-gate-retest-infra-tolerance-and-tree-kill.md)):**
+  - **(D4) Контракт необходимости re-test:** локальный re-test исполняется лишь когда rebase реально сдвинул HEAD (`main` уехал). Доказанный **no-op** rebase (`head_sha` до==после, обе непусты — ветка уже содержит свежий `origin/main`, HEAD уже прошёл CI+tester+staging) **пропускает** re-test (`(True, "branch up-to-date (re-test skipped: rebase no-op, HEAD CI-validated)")`, лиз HELD) — распространяет на путь `premerge_rebase_always=True` ту же оптимизацию, что путь `=False` уже имеет для не-behind ветки. Fail-safe: любая неопределённость (`head_sha` пуст / git-ошибка) → re-test **выполняется**. Kill-switch `merge_retest_skip_when_current_enabled`.
+  - **(D2/D3) Толерантность к инфра-таймауту:** предикат `classify_retest_failure(reason)` различает `timeout`/`red`/`lock-busy`/`other`. **Таймаут** re-test = инфра-транзиент → `_handle_merge_gate_infra_retry` (ограниченный повтор по образцу defer: задача **остаётся на `deploy-staging`**, staging-deployer перезапускается с задержкой `merge_retest_infra_retry_delay_s`, **БЕЗ** отката на `development` и **БЕЗ** расхода developer-retry), а НЕ прежний rollback. Исчерпание `merge_retest_infra_max_retries` → один **инфра-alert** (явно «НЕ дефект кода», кликабельный номер), задача НЕ уходит в `development`. Анти-над-толерантность (BR-6): **красный** re-test / конфликт по-прежнему откатывают. Scope-guard: «rebase timeout» (git завис) — НЕ инфра-таймаут re-test, остаётся на rollback-пути. Kill-switch `merge_retest_infra_tolerance_enabled` (off → таймаут=прежний rollback).
+  - **(D1) Tree-kill спавненных pytest:** re-test (и coverage `measure_coverage`) бегут через `proc_group.run_in_process_group` в **отдельной группе процессов** (`start_new_session`); при таймауте убивается **всё дерево** (`os.killpg`, каскад SIGTERM→grace→SIGKILL, грейс = `agent_kill_grace_seconds`) — осиротевшие внуки-pytest не переживают бюджет (корень CPU-голодания инцидента ORCH-109). Контракты возврата сохранены. Fallback never-break: `subprocess_tree_kill_enabled=False`/не-POSIX → прежний `subprocess.run`. Наблюдаемость — блок `merge_gate` в `GET /queue`; координация с ORCH-111 (`proc_blocking`) без дубля.
 - **Сериализация (merge-lock):** файловый **merge-lease** на репо (`<repos_dir>/.merge-lease-<repo>.json`), живёт от гейта до фактического merge. Acquire **неблокирующий** (anti-deadlock при `max_concurrency=1`): busy → **defer** (повторная постановка deployer'а на `deploy-staging` с задержкой через `available_at`), а не откат. Release — на PR-merged вебхуке / `deploy→done` / откате / по возрасту (crash-реклейм). Restart-safe; без изменения схемы БД. **ORCH-026 (A-1):** это окно = «merge → main-updated» (для self `done` ⇔ SHA-in-main, ORCH-073) — пока A не в `main`, B того же репо получает `merge-lock busy` → defer. Окно сериализации per-repo НЕ переписывается; кросс-репо параллелизм сохранён (лиз — per-repo файл).
 - **Условность (как ORCH-35):** реален для `orchestrator`; прочие репо — no-op. Флаги `merge_gate_enabled` / `merge_gate_repos` — поэтапный раскат. Контракт **never-raise**.
 
 Подробнее: [adr-0006](adr/adr-0006-merge-gate.md), детально — `docs/work-items/ORCH-043/06-adr/ADR-001-merge-gate.md`.
 Безусловный pre-merge rebase + связь с зависимостями задач — [adr-0015](adr/adr-0015-task-deps-and-merge-serialization.md) (ORCH-026).
 
+#### Merge-gate re-test: толерантность к инфра-таймауту + tree-kill + контракт re-test (ORCH-110 — design)
+Инцидент ORCH-109/PR#129: при зелёном tester `PASS` (1899 passed / 516.7s), зелёном CI и актуальной
+ветке локальный re-test merge-gate упал по **таймауту** (600s) из-за CPU-голодания от **осиротевших**
+pytest-процессов (жили > 2 суток). Таймаут классифицировался как код-фейл → ложный откат
+`deploy-staging → development` + 3 сожжённых developer-retry → manual-gate. ORCH-110 бьёт по двум
+корням, одному контракту и бюджету — **аддитивно, под kill-switch, never-raise, скоуп self-hosting**;
+исходная защита merge-gate от семантического конфликта сохранена (красный re-test по-прежнему
+откатывает). `STAGE_TRANSITIONS`/`QG_CHECKS`/`check_*`/machine-verdict/схема БД — **не тронуты**.
+- **Tree-kill (root, D1):** новый leaf `src/proc_group.py::run_in_process_group` спавнит
+  оркестратор-порождённые pytest-прогоны (`merge_gate.retest_branch` + `coverage_gate.measure_coverage`)
+  в отдельной группе процессов (`start_new_session`) и при таймауте/прерывании убивает **всё дерево**
+  (`os.killpg`, каскад SIGTERM→grace→SIGKILL, зеркало `launcher.stop_process`). Контракты возврата 1:1
+  (меняется лишь побочный эффект — нет сирот); fallback на прежний `subprocess.run` при kill-switch off
+  / не-POSIX. Kill-switch `subprocess_tree_kill_enabled`.
+- **Классификация + маршрутизация (D2/D3):** чистый `merge_gate.classify_retest_failure(reason) →
+  timeout|red|lock-busy|other`; инфра-таймаут → `_handle_merge_gate_infra_retry` (ограниченный
+  повтор/defer по образцу `_handle_merge_gate_defer`, **без** отката на `development`, **без** расхода
+  developer-retry; исчерпание → отдельный **инфра-alert**, не «developer must fix»); красный re-test →
+  прежний `_handle_merge_gate_rollback`. Kill-switch `merge_retest_infra_tolerance_enabled`, бюджеты
+  `merge_retest_infra_max_retries` (2) / `merge_retest_infra_retry_delay_s` (120s).
+- **Контракт re-test (D4):** локальный re-test исполняется ⇔ rebase реально сдвинул HEAD; доказанный
+  no-op rebase пропускает re-test (как уже делает путь `premerge_rebase_always=False` для не-behind
+  ветки), offline, без сетевого CI-запроса; fail-safe — на неопределённости re-test бежит. Kill-switch
+  `merge_retest_skip_when_current_enabled`.
+- **Бюджет (D5):** `merge_retest_timeout_s` 600 → 900 (запас 74% над 516.7s) + валидация (непозитив →
+  дефолт + WARNING); сквозной инвариант `reaper_max_running_s (5400) > Σ(deploy-staging gate-work
+  ≈4460)+grace` проверен — `reaper_max_running_s` **не меняется**.
+- **Наблюдаемость (D6):** счётчики + блок `merge_gate` в `GET /queue`; координация с ORCH-111
+  (`proc_blocking`, adr-0041) без дубля: ORCH-110 предотвращает/толерирует у источника, ORCH-111
+  наблюдает.
+
+Подробнее: [adr-0042](adr/adr-0042-merge-gate-retest-infra-tolerance-and-tree-kill.md), детально —
+`docs/work-items/ORCH-110/06-adr/ADR-001-merge-gate-retest-infra-tolerance-and-tree-kill.md`.
+
 ### Coverage-гейт: защита от деградации покрытия тестами (ORCH-027 — design)
 Существующие тестовые гейты (`check_ci_green`, `check_tests_passed`, merge-gate re-test) судят
 только по факту прохождения тестов, не по **полноте** — фича «300 строк, 0 тестов» проходит

docs/architecture/adr/adr-0042-merge-gate-retest-infra-tolerance-and-tree-kill.md

@@ -0,0 +1,84 @@
+---
+work_item: ORCH-110
+stage: architecture
+author_agent: architect
+status: proposed
+created_at: 2026-06-15
+model_used: claude-opus-4-8
+---
+
+# adr-0042: Merge-gate re-test — толерантность к инфра-таймауту + tree-kill спавненных процессов + контракт re-test
+
+- **Статус:** proposed
+- **Дата:** 2026-06-15
+- **Задача:** ORCH-110 (bug → escalate full-cycle)
+- **Детальный ADR:** `docs/work-items/ORCH-110/06-adr/ADR-001-merge-gate-retest-infra-tolerance-and-tree-kill.md`
+- **Парные/смежные ADR:** `adr-0006` (merge-gate ORCH-043), `adr-0040` (timeout-бюджеты ORCH-109),
+  `adr-0029` (coverage-gate ORCH-027), `adr-0011` (reaper/lease ORCH-065),
+  `adr-0041` (ORCH-111 `proc_blocking` — комплементарный наблюдатель)
+
+## Контекст
+
+Merge-gate (ORCH-043) на ребре `deploy-staging → deploy` локально пере-прогоняет тест-сюит
+(`retest_branch`) для защиты от семантического конфликта слияния. Инцидент ORCH-109/PR#129: при
+зелёном tester `PASS` (1899 passed / 516.7s), зелёном CI и актуальной ветке re-test упал по
+**таймауту** (600s) из-за CPU-голодания от **осиротевших** pytest-процессов, переживших > 2 суток.
+Таймаут классифицировался как код-фейл → откат `deploy-staging → development` + 3 сожжённых
+developer-retry → manual-gate. Корни: (1) `subprocess.run(timeout=)` убивает только прямого потомка —
+внуки pytest репарентируются на PID 1 и живут (в `merge_gate.retest_branch` и
+`coverage_gate.measure_coverage`); (2) нет толерантности к инфра-таймауту; (3) тонкий бюджет (≈16%);
+(4) избыточный re-test на уже актуальной ветке (`premerge_rebase_always=True` форсит rebase+retest
+даже на no-op rebase).
+
+Решение кросс-каттинговое: затрагивает merge-gate, coverage-gate и сквозной инвариант времени
+reaper/lease — поэтому регистрируется глобально.
+
+## Решение (сводка)
+
+Аддитивно, под kill-switch, never-raise, скоуп self-hosting; исходная защита merge-gate от
+семантического конфликта сохранена (красный re-test по-прежнему откатывает).
+
+- **D1 — tree-kill.** Новый leaf `src/proc_group.py::run_in_process_group` спавнит
+  оркестратор-порождённые pytest-прогоны в отдельной группе процессов (`start_new_session`) и при
+  таймауте убивает **всё дерево** (`os.killpg`, каскад SIGTERM→grace→SIGKILL, зеркало
+  `launcher.stop_process`). Используют `retest_branch` и `measure_coverage`; контракты возврата 1:1,
+  меняется лишь побочный эффект (нет сирот). Fallback на прежний `subprocess.run` при kill-switch off
+  / не-POSIX. Kill-switch `subprocess_tree_kill_enabled`.
+- **D2 — классификация.** Чистый `merge_gate.classify_retest_failure(reason) → timeout|red|lock-busy|
+  other`; `check_branch_mergeable` не меняет имя/семантику/PASS-FAIL (реестр `QG_CHECKS` цел).
+- **D3 — маршрутизация.** Инфра-таймаут → `_handle_merge_gate_infra_retry` (ограниченный повтор/defer
+  по образцу `_handle_merge_gate_defer`, **без** отката на `development`, **без** расхода
+  developer-retry); исчерпание → отдельный **инфра-alert** (не «developer must fix»). Красный re-test
+  → прежний `_handle_merge_gate_rollback`. Kill-switch `merge_retest_infra_tolerance_enabled`,
+  бюджеты `merge_retest_infra_max_retries`/`merge_retest_infra_retry_delay_s`.
+- **D4 — контракт re-test.** Локальный re-test исполняется ⇔ rebase реально сдвинул HEAD (`main`
+  уехал); доказанный no-op rebase пропускает re-test (как уже делает путь
+  `premerge_rebase_always=False` для не-behind ветки), offline, без сетевого CI-запроса. Fail-safe: на
+  любой неопределённости re-test бежит. Kill-switch `merge_retest_skip_when_current_enabled`.
+- **D5 — бюджет.** `merge_retest_timeout_s` 600 → 900 (запас 74%) + валидация (непозитив → дефолт +
+  WARNING). Сквозной инвариант `reaper_max_running_s (5400) > Σ(deploy-staging gate-work ≈4460)+grace`
+  проверен — `reaper_max_running_s` **не меняется**.
+- **D6 — наблюдаемость.** Счётчики `merge_gate` + блок `merge_gate` в `GET /queue`; координация с
+  ORCH-111 без дубля (ORCH-110 предотвращает/толерирует у источника, ORCH-111 наблюдает).
+
+## Инварианты (неприкосновенны)
+
+- `STAGE_TRANSITIONS` / реестр `QG_CHECKS` / семантика `check_*` / machine-verdict ключи / схема БД —
+  **байт-в-байт** (под-гейт — врезка в `advance_stage`, не новая стадия/QG; новых таблиц/колонок нет).
+- INV-4: никогда push/force-push `main`, merge только через Gitea PR API; прод-контейнер не
+  рестартится; detached-деплой не трогается.
+- never-raise во всех новых функциях/врезках; исключение не уходит в `advance_stage`/монитор.
+- Kill-switch + нулевая регрессия: каждый флаг off → байт-в-байт до-ORCH-110; enduro (non-self) — no-op.
+
+## Последствия
+
+- **+** Устранён ложный откат/manual-gate при инфра-таймауте; устранена утечка CPU от сирот;
+  re-test не избыточен на актуальной ветке.
+- **−** До ~34 мин на инфра-ретраи перед alert (вместо мгновенного ложного отката); +5 конфиг-ключей.
+- **Откат:** вернуть 4 kill-switch и `merge_retest_timeout_s=600`.
+
+## Ссылки
+- Детально: `docs/work-items/ORCH-110/06-adr/ADR-001-merge-gate-retest-infra-tolerance-and-tree-kill.md`
+- Код: `src/merge_gate.py`, `src/coverage_gate.py`, `src/qg/checks.py`, `src/stage_engine.py`,
+  `src/config.py`, `src/agents/launcher.py`, `src/job_reaper.py`, новый `src/proc_group.py`
+</content>

docs/overview/tech-pipeline.md

@@ -46,7 +46,10 @@ created → analysis → architecture → development → review → testing →
 4. `check_staging_image_fresh` — staging-образ собран из актуального кода.
 
 Это **врезки в переход, а не стадии**: они не появляются в карте `STAGE_TRANSITIONS`, а
-исполняются stage engine'ом внутри ребра. Провал любого из них — откат на доработку. На ребре
+исполняются stage engine'ом внутри ребра. Провал любого из них — откат на доработку. Исключение
+(ORCH-110): **инфра-таймаут** локального re-test merge-gate (а не детерминированный красный тест) —
+это транзиент, а не дефект кода → ограниченный повтор + отдельный инфра-alert, без отката на
+доработку и без расхода developer-retry (красный re-test/конфликт по-прежнему откатывают). На ребре
 `deploy → done` аналогичная врезка merge-verify подтверждает, что код задачи реально слит в
 `main` (слияние — только через PR-API Gitea, см. [интеграции](tech-integrations.md)).
 

docs/work-items/ORCH-110/00-business-request.md

@@ -0,0 +1,7 @@
+# Business Request: BUG: merge-gate local re-test timeout causes false rollback after green CI
+
+Work Item ID: ORCH-110
+
+## Description
+
+TBD

docs/work-items/ORCH-110/01-brd.md

@@ -0,0 +1,178 @@
+---
+work_item: ORCH-110
+stage: analysis
+author_agent: analyst
+status: ready-for-review
+created_at: 2026-06-15
+model_used: claude-opus-4-8
+escalate: full-cycle
+---
+
+# 01 — BRD (бизнес-требования): ORCH-110 — BUG: merge-gate local re-test timeout causes false rollback after green CI
+
+Work Item: **ORCH-110** · Repo: **orchestrator** · Стадия: analysis
+
+> **Багфикс-трек → эскалация в полный цикл (`escalate: full-cycle`).** Задача помечена `Bug`, но
+> сама баг-карточка требует «отдельный анализ вариантов и контрактов merge-gate» (см. «Ограничение»
+> ниже) — это решение с несколькими проектными альтернативами и нетривиальными инвариантами
+> self-hosting, которому нужен ADR. По правилу ORCH-019 (ADR-001 D5) выпускается **полный**
+> analysis-пакет, а трек эскалируется (`POST /bug-fast-track/escalate?work_item=ORCH-110`) → задача
+> проходит стадию `architecture`. Прецедент — родственная задача ORCH-111 («bug → escalate
+> full-cycle»).
+
+---
+
+## 1. Бизнес-контекст и проблема
+
+Оркестратор — self-hosting инструмент: его прод-контейнер обслуживает конвейер всех проектов и
+дорабатывает сам себя. На ребре `deploy-staging → deploy` исполняется детерминированный под-гейт
+**merge-gate** (`check_branch_mergeable`, ORCH-043): он догоняет ветку до текущего `origin/main`
+(`auto_rebase_onto_main`) и затем **локально пере-прогоняет весь тест-сюит** (`retest_branch` →
+`python -m pytest tests/ -q`) в worktree, чтобы поймать **семантический** конфликт слияния (ветка
+зелёная по своей базе, но ломает уехавший `main`).
+
+**Установленные факты инцидента (ORCH-109, PR #129):**
+- tester завершился `result: PASS`; полный регресс — **`1899 passed` за `516.70s`**;
+- CI Gitea по HEAD — зелёный (push + pull_request success); PR после rebase — open, `mergeable=true`;
+- merge-gate локальный re-test упал по **таймауту**: `re-test timeout after 600s`
+  (`merge_retest_timeout_s = 600`);
+- на хосте обнаружены **старые зависшие pytest-процессы** `tests/test_install_lite_script.py`,
+  жившие **> 2 суток** и грузившие CPU; прибиты вручную 2026-06-14.
+
+**Цепочка отказа.** Зависшие осиротевшие pytest-процессы (CPU-голодание) → тот же сюит, что у tester
+шёл 516.70s (запас до 600s ≈ 16%), под нагрузкой превысил 600s → `check_branch_mergeable` вернул
+`(False, "re-test timeout after 600s")` → `_handle_merge_gate_rollback`: откат `deploy-staging →
+development` + developer-retry. Каждый из 3 retry повторно падал по тому же CPU-голоданию → финальный
+alert **«Merge-gate still failing after 3 developer retries (re-test timeout after 600s)»** → задача
+застряла, потребовалось ручное вмешательство.
+
+**Корень (подтверждён по коду):**
+1. **Утечка осиротевших процессов.** `merge_gate.retest_branch` и `coverage_gate.measure_coverage`
+   запускают `subprocess.run([... pytest ...], timeout=...)` **без изоляции группы процессов**
+   (`start_new_session`/`preexec_fn`). При `TimeoutExpired` Python убивает только **прямого
+   потомка**; внуки pytest репарентируются на PID 1 (tini жнёт зомби, но не убивает живых сирот) и
+   живут сутками, грузя CPU. Это источник CPU-голодания (ровно симптом из фактов).
+2. **Нет толерантности к инфра-таймауту.** Re-test **таймаут** (ресурсная/инфра-причина)
+   классифицируется идентично **красному** re-test (реальный дефект кода): оба → откат на
+   `development` + расход developer-retry. Разработчик не может «починить» CPU-голодание → retry
+   сгорают вхолостую и упираются в alert «Manual intervention needed».
+3. **Тонкий бюджет.** Бюджет re-test `600s` практически равен фактическому времени сюита
+   (`516.70s`); запас не растёт вместе с сюитом (ср. ORCH-109, где по той же причине были подняты
+   бюджеты агентов developer/reviewer).
+4. **Контракт необходимости re-test.** На ветке, уже актуальной к `origin/main` (rebase — no-op), и
+   с зелёным CI по этому же HEAD локальный полный re-test пере-проверяет ровно тот коммит, что CI
+   уже подтвердил, — становясь избыточной единственной точкой ложного отказа.
+
+## 2. Объём (scope)
+
+### В объёме
+- Поведение merge-gate при **таймауте** локального re-test: классификация и путь восстановления
+  (толерантность к инфра-таймауту вместо ложного отката на `development`).
+- **Жизненный цикл подпроцессов**, которые оркестратор запускает САМ для проверок: re-test merge-gate
+  (`merge_gate.retest_branch`) и coverage-run (`coverage_gate.measure_coverage`) — гарантия отсутствия
+  осиротевших процессов после таймаута/kill.
+- **Согласованность бюджета** re-test с фактическим временем полного сюита (адекватный запас) с учётом
+  сквозных инвариантов reaper/lease.
+- **Контракт необходимости** локального re-test merge-gate (когда он реально нужен относительно
+  зелёного CI и состояния `branch vs origin/main`) — анализ вариантов под решение архитектора.
+- Наблюдаемость инфра-таймаута (отличить «инфра-таймаут, повтор/defer» от «дефект кода → developer»).
+
+### Вне объёма
+- **Алерт sidecar-watchdog на осиротевший тест-процесс** — это **ORCH-111** (`proc_blocking`,
+  наблюдатель только сигналит, никогда не убивает, C-1). ORCH-110 — комплементарная сторона
+  (предотвращение утечки + толерантность), дубля детекции не вводит.
+- Ручное умерщвление уже зависших хост-процессов — операционная мера (выполнена 2026-06-14), не код.
+- Любые правки `STAGE_TRANSITIONS` / реестра `QG_CHECKS` / `check_*`-семантики / machine-verdict
+  ключей / схемы БД (инвариант NFR-1).
+- Изменение конкретного теста `tests/test_install_lite_script.py` (его поведение — отдельный предмет;
+  здесь важен класс «оркестратор-спавненный pytest не должен переживать свой бюджет»).
+- Поведение не-self-hosting репозиториев (enduro-trails) — нулевая регрессия.
+- Изменение хука прод-деплоя/рестарт прод-контейнера (self-hosting безопасность).
+
+## 3. Заинтересованные стороны
+- **Owner / оператор self-hosting** — страдает от ручного разбора застрявших задач и зависших
+  процессов; заказчик исправления.
+- **Конвейер всех проектов** — общий прод-контейнер: утечка CPU деградирует обслуживание enduro.
+- **Пакетный автономный режим (эпик ORCH-088)** — ложные откаты и manual-gate'ы ломают цель
+  «10–20 задач за ночь без вмешательства».
+- **Принимает результат:** reviewer → tester → deployer штатного конвейера.
+
+## 4. Бизнес-требования (BR)
+
+- **BR-1 — Зелёный путь без ручного вмешательства.** При зелёном tester `PASS` и зелёном CI задача
+  **не должна** требовать ручного вмешательства из-за инфраструктурного/локального re-test таймаута
+  (прямое «Ожидаемое поведение» баг-карточки).
+- **BR-2 — Инфра-таймаут ≠ дефект кода.** Таймаут локального re-test merge-gate (ресурсная/инфра
+  причина) **не должен** трактоваться как код-фейл: путь восстановления **не** должен сжигать
+  developer-retry и приводить к «Manual intervention after N developer retries», если CI и tester
+  были зелёными. Реакция на таймаут — ограниченный повтор/defer и/или отдельный инфра-сигнал, не
+  безусловный откат на `development`.
+- **BR-3 — Нет осиротевших процессов.** Подпроцессы pytest, запущенные самим оркестратором для
+  re-test и coverage-run, **должны** полностью завершаться (всё дерево, включая внуков) при
+  таймауте/kill. Ни один оркестратор-спавненный pytest не должен переживать свой бюджет и продолжать
+  грузить CPU.
+- **BR-4 — Адекватный бюджет re-test.** Бюджет времени re-test **должен** иметь достаточный запас над
+  фактическим временем полного сюита, чтобы здоровый сюит при штатной нагрузке не падал по таймауту;
+  бюджет конфигурируем и со-эволюционирует с ростом сюита.
+- **BR-5 — Контракт необходимости re-test.** Merge-gate **должен** различать «ветка реально отстала
+  от уехавшего `origin/main` и была ребейзнута» (риск семантического конфликта → re-test оправдан) и
+  «ветка уже актуальна / rebase — no-op, CI по этому HEAD зелёный» (re-test избыточен). Локальный
+  re-test не должен быть избыточной единственной точкой ложного отказа на коммите, уже подтверждённом
+  CI. Конкретный контракт (skip/scope/trust-CI-SHA) выбирает архитектор и фиксирует в ADR.
+- **BR-6 — Сохранение защиты от семантического конфликта.** Толерантность к таймауту **не должна**
+  ослаблять исходную цель merge-gate (ORCH-043): **детерминированно красный** re-test (реальный сбой
+  теста, а не таймаут) по-прежнему обязан откатывать на `development`. Послабление применяется ТОЛЬКО
+  к таймауту/инфра, никогда к красному результату.
+- **BR-7 — Наблюдаемость.** Состояние «инфра-таймаут» должно быть видимым (лог + Telegram с
+  кликабельным номером + read-only в `GET /queue`) и отличимым от код-фейл-отката; согласовано с
+  сигналом ORCH-111 (без дубля).
+
+## 5. Нефункциональные требования (NFR)
+
+- **NFR-1 — Инварианты конвейера неприкосновенны.** `STAGE_TRANSITIONS` / реестр `QG_CHECKS` /
+  семантика `check_*` / machine-verdict ключи (`verdict:`/`result:`/`deploy_status:`/
+  `staging_status:`/`security_status:`/`coverage_status:`) / схема БД — **байт-в-байт** прежние.
+  Исправление — аддитивное (врезка/leaf-логика), не новая стадия и не новый зарегистрированный QG.
+- **NFR-2 — Kill-switch + нулевая регрессия.** Новое поведение под флагом; при выключенном флаге —
+  поведение **байт-в-байт** как до ORCH-110 (таймаут → прежний откат). Скоуп — self-hosting
+  (`orchestrator`); enduro не затронут.
+- **NFR-3 — Self-hosting безопасность.** Исправление **никогда** не пушит/force-push в `main` (INV-4;
+  merge только через Gitea PR-merge API), не рестартит прод-контейнер, не трогает detached-деплой.
+- **NFR-4 — never-raise.** Любая ошибка в новом пути → безопасный дефолт + WARNING; исключение
+  никогда не уходит в `advance_stage`/monitor-поток (контракт merge-gate сохранён).
+- **NFR-5 — Ограниченность (anti-loop).** Любой повтор/defer таймаута строго ограничен по числу
+  попыток и суммарному времени; исчерпание → **чёткий инфра-alert**, отличный от «developer must
+  fix», а не бесконечный bounce и не молчаливое зависание.
+- **NFR-6 — Сквозные инварианты времени.** Любое изменение бюджета re-test должно уважать
+  существующие соотношения: `merge_lock_timeout_s` (TTL merge-lease), `reaper_max_running_s`
+  (Tier-3 backstop reaper, ORCH-065/109), `coverage_run_timeout_s` — без рассинхрона.
+
+## 6. Допущения и ограничения
+- **Ограничение из баг-карточки (дословно):** «Решение намеренно не описано в этой баге; нужен
+  отдельный анализ вариантов и контрактов merge-gate». → Аналитик фиксирует требования и
+  тест-план; **варианты и контракт merge-gate** прорабатывает архитектор (06-adr) — основание
+  эскалации в полный цикл.
+- Допущение: tini (PID 1) жнёт зомби, но не убивает живых осиротевших процессов (подтверждено
+  поведением инцидента) — отсюда требование tree-kill (BR-3).
+- Допущение: таймаут merge-gate re-test в зелёном инциденте вызван внешним CPU-голоданием, а не
+  реальным зависанием теста ветки; но решение обязано остаться **fail-safe** к случаю реального
+  зависшего теста (см. Риск R-2 / BR-6).
+- Среда верификации — staging-контур (8501), обязательная страховка перед прод-деплоем self.
+
+## 7. Критерии успеха
+Резюме: зелёный tester `PASS` + зелёный CI + актуальная ветка → задача доходит до `deploy` без
+ложного отката на `development` и без manual-gate из-за инфра-таймаута; оркестратор-спавненные
+pytest-процессы не переживают свой бюджет; реальный красный re-test по-прежнему откатывает на
+`development`; инварианты конвейера и self-hosting не тронуты. Детальные PASS/FAIL —
+`03-acceptance-criteria.md`.
+
+## 8. Риски
+- **R-1** — Над-толерантность маскирует реальный зависший тест (бесконечный/долгий) как «инфра» →
+  смягчение: строгая ограниченность (NFR-5) + отдельный инфра-alert + сохранение красно-откат-пути
+  (BR-6).
+- **R-2** — Поднятие бюджета без правки tree-kill лишь отодвигает отказ (сюит растёт) → исправление
+  должно бить корень (BR-3), бюджет (BR-4) — вторично.
+- **R-3** — Рассинхрон сквозных таймаутов (reaper/lease) при изменении бюджета (NFR-6).
+- **R-4** — Дубль/конфликт с сигналом ORCH-111 (`proc_blocking`) → координация: ORCH-110
+  предотвращает/толерирует, ORCH-111 наблюдает; разные слои.
+- Детальная оценка и митигации — `10-tech-risks.md` (заполняет архитектор).

docs/work-items/ORCH-110/02-trz.md

@@ -0,0 +1,129 @@
+---
+work_item: ORCH-110
+stage: analysis
+author_agent: analyst
+status: ready-for-review
+created_at: 2026-06-15
+model_used: claude-opus-4-8
+escalate: full-cycle
+---
+
+# 02 — ТЗ (TRZ): ORCH-110 — merge-gate local re-test timeout: устранение ложного отката + утечки процессов
+
+Work Item: **ORCH-110** · Repo: **orchestrator** · Стадия: analysis
+
+> ТЗ описывает **конкретные требования к реализации**, выведенные из BRD и фактического кода.
+> Архитектурное обоснование, выбор вариантов и **контракт merge-gate** — задача архитектора (06-adr,
+> основание `escalate: full-cycle`). Здесь — поведение/контракты/инварианты и привязка к модулям,
+> НЕ выбор механизма.
+
+## 1. Сводка изменения
+Устранить ложный откат `deploy-staging → development`, возникающий когда локальный re-test merge-gate
+падает по **таймауту** (инфра/ресурс), при зелёном tester `PASS` и зелёном CI. Изменение бьёт по двум
+корням и одному контракту: (1) **утечка осиротевших pytest-процессов** из оркестратор-спавненных
+прогонов re-test/coverage (источник CPU-голодания) → гарантировать tree-kill дерева подпроцесса при
+таймауте/kill; (2) **классификация инфра-таймаута** как транзиента (повтор/defer/инфра-alert), а не
+код-фейла (откат + расход developer-retry); (3) **контракт необходимости** локального re-test
+относительно зелёного CI и состояния `branch vs origin/main`. Сопутствующе — согласование **бюджета**
+re-test с реальным временем сюита. Всё — аддитивно, под kill-switch, never-raise, скоуп self-hosting,
+с сохранением исходной защиты merge-gate от семантического конфликта (красный re-test по-прежнему
+откатывает).
+
+## 2. Задействованные модули / пути
+| Путь | Действие |
+|------|----------|
+| `src/merge_gate.py` | изменить — `retest_branch`: жизненный цикл подпроцесса (tree-kill при таймауте/kill); классификация исхода «timeout» как транзиента (контракт возврата) |
+| `src/coverage_gate.py` | изменить — `measure_coverage`: тот же tree-kill при таймауте (сиблинг-источник утечки, BR-3) |
+| `src/qg/checks.py` | изменить — `check_branch_mergeable`: различать «timeout/infra» от «red re-test» в возвращаемом контракте (без смены имени/семантики зарегистрированного `check_*`) |
+| `src/stage_engine.py` | изменить — `_handle_merge_gate` / маршрутизация исхода: инфра-таймаут → defer/повтор/инфра-alert (по образцу `_handle_merge_gate_defer`), НЕ `_handle_merge_gate_rollback`; красный re-test → прежний rollback |
+| `src/config.py` | изменить — флаг(и) толерантности к инфра-таймауту + (опц.) согласование `merge_retest_timeout_s`; уважить сквозные инварианты `merge_lock_timeout_s` / `reaper_max_running_s` / `coverage_run_timeout_s` |
+| `docs/architecture/README.md`, `CLAUDE.md`, `CHANGELOG.md` | обновить — описание поведения merge-gate re-test (golden source наравне с кодом) |
+| `tests/test_*` | создать — покрытие по `04-test-plan.yaml` |
+
+> Точный набор новых символов/флагов и механизм tree-kill (process-group `start_new_session`+killpg,
+> либо иной) — решение архитектора. ТЗ фиксирует **что** должно выполняться, не **как**.
+
+## 3. Функциональные требования
+
+### FR-1 — Толерантность к инфра-таймауту re-test (нет ложного отката) [BR-1, BR-2]
+Когда merge-gate локальный re-test завершается специфически по **таймауту** (а не детерминированно
+красным результатом), исход ДОЛЖЕН классифицироваться как транзиент/инфра, не код-фейл. Путь
+восстановления НЕ ДОЛЖЕН быть тем же `_handle_merge_gate_rollback` (откат на `development` + инкремент
+developer-retry), который при зелёных CI/tester ведёт к «Manual intervention needed». Допустимая
+реакция (выбор — архитектор): ограниченный повтор re-test и/или defer (по образцу существующего
+`_handle_merge_gate_defer` для `merge-lock busy`) и/или отдельный инфра-alert. Прецеденты толерантности
+к инфра: ORCH-061 (staging infra tolerance), ORCH-093 (transient vs terminal классификация merge-POST).
+
+### FR-2 — Tree-kill оркестратор-спавненных тест-процессов [BR-3]
+`merge_gate.retest_branch` и `coverage_gate.measure_coverage` ДОЛЖНЫ гарантировать, что при таймауте
+(а также при любом kill/прерывании прогона) завершается **всё дерево** подпроцесса pytest, включая
+внуков, а не только прямой потомок. После таймаута ни один оркестратор-спавненный pytest-процесс не
+должен оставаться живым и грузить CPU. Контракт возврата `retest_branch`
+(`(False, "re-test timeout after <T>s")`) сохраняется; меняется лишь побочный эффект — отсутствие
+утечки. Существующий каскад launcher `SIGTERM→grace→SIGKILL` (`stop_process`) — образец на уровне
+агентов; для этих subprocess-прогонов требуется эквивалентная гарантия на уровне группы процессов.
+
+### FR-3 — Согласованность бюджета re-test [BR-4, NFR-6]
+Бюджет `merge_retest_timeout_s` ДОЛЖЕН иметь достаточный запас над фактическим временем полного сюита
+(наблюдаемо: 600s бюджет vs 516.70s факт ≈ 16%). Бюджет остаётся конфигурируемым; при его изменении
+ДОЛЖНЫ соблюдаться сквозные инварианты: `reaper_max_running_s > max(agent_timeout, бюджеты) + grace`
+(ORCH-065/109) и согласование с `merge_lock_timeout_s` (TTL merge-lease держится на время re-test).
+Малформный/непозитивный конфиг → безопасный дефолт + WARNING (never-break).
+
+### FR-4 — Контракт необходимости локального re-test [BR-5, BR-6]
+Merge-gate ДОЛЖЕН различать риск-кейсы и применять re-валидацию пропорционально реальному риску
+слияния:
+- ветка **реально отстала** от уехавшего `origin/main` и ребейзнута → семантический риск → re-test
+  оправдан (текущая цель ORCH-043 сохраняется);
+- ветка **уже актуальна** / rebase — no-op, и CI по этому самому HEAD зелёный → локальный полный
+  re-test пере-проверяет ровно подтверждённый CI коммит и не должен быть единственной точкой ложного
+  отказа.
+Конкретный контракт (например: пропуск re-test при «не-behind + зелёный CI по HEAD», сокращённый
+scope, доверие SHA, подтверждённому CI, и т. п.) — **выбор архитектора в ADR** (ядро запрошенного
+баг-карточкой «анализа контрактов merge-gate»). Инвариант **BR-6**: детерминированно **красный**
+re-test (реальный сбой теста) обязан и далее откатывать на `development` — послабление применяется
+ТОЛЬКО к таймауту/инфра.
+
+### FR-5 — Сохранение инвариантов и kill-switch [NFR-1, NFR-2, NFR-3, NFR-4]
+Изменение аддитивно: `STAGE_TRANSITIONS` / реестр `QG_CHECKS` / семантика `check_*` / machine-verdict
+ключи / схема БД — без изменений; merge-gate остаётся под-гейтом-врезкой, не новой стадией/QG. Под
+kill-switch: выключенный флаг → байт-в-байт прежнее поведение (таймаут → откат). Скоуп self-hosting
+(`orchestrator`); enduro — no-op. never-raise; INV-4 (никогда push/force-push `main`; merge только
+через Gitea PR API) и запрет рестарта прод-контейнера — соблюдены.
+
+### FR-6 — Наблюдаемость и ограниченность [BR-7, NFR-5]
+Состояние «инфра-таймаут» ДОЛЖНО логироваться, уведомляться в Telegram (кликабельный номер задачи) и
+быть видимым read-only (например, расширение блока `merge`/`merge_verify` в `GET /queue`), отличимо от
+код-фейл-отката. Любой повтор/defer строго ограничен (число попыток + суммарное время); исчерпание →
+**инфра-alert** (не «developer must fix»). Координация с ORCH-111 (`proc_blocking`) — без дубля:
+ORCH-110 предотвращает/толерирует, ORCH-111 наблюдает.
+
+## 4. Изменения API
+Новых обязательных эндпоинтов **не требуется**. Допустимо (when-applicable, на усмотрение
+архитектора) **read-only** расширение существующего снимка `GET /queue` (блок merge-gate) полями
+наблюдаемости инфра-таймаута/повторов. Никаких новых управляющих эндпоинтов.
+
+## 5. Изменения схемы БД
+**Нет.** Счётчики повторов/defer — по образцу существующих (`_merge_defer_count` /
+`_developer_retry_count` поверх `jobs`/`agent_runs`) либо in-memory/sentinel; новые таблицы/колонки не
+вводятся (NFR-1).
+
+## 6. Требования к новым/изменённым QG checks
+**Нет нового зарегистрированного QG.** `check_branch_mergeable` остаётся в реестре `QG_CHECKS` с тем же
+именем и семантикой PASS/FAIL; меняется лишь **различение причины FAIL** (timeout/infra vs red) в
+возвращаемом reason и **маршрутизация исхода** во врезке `_handle_merge_gate` (`advance_stage`).
+`STAGE_TRANSITIONS` и состав `QG_CHECKS` — байт-в-байт.
+
+## 7. Совместимость / регресс
+- **Обратная совместимость:** kill-switch off → поведение байт-в-байт как до ORCH-110 (таймаут →
+  rollback на `development`), включая текст alert'ов.
+- **Область раската:** self-hosting `orchestrator` (как ORCH-035/043/058/071); прочие репо — no-op,
+  путь LLM-`deployer`/прежний merge не затронут.
+- **Обратимость:** чисто аддитивная логика под флагом; откат = выключить флаг.
+- **Self-hosting:** без рестарта прод-контейнера; merge только через Gitea PR API; никаких операций с
+  `main` (INV-4).
+- **Анти-регресс целей merge-gate:** красный re-test → прежний rollback (BR-6); защита от
+  семантического конфликта/фантомного merge (ORCH-043/071/073) — не ослаблена.
+- **Трассировка маркеров (ORCH-078):** правки в `merge_gate.py`/`coverage_gate.py`/`qg/checks.py`
+  затрагивают блоки с маркерами ORCH-043/071/073/093/027/065/109 — перед изменением сверить их
+  `06-adr` и не сломать зафиксированные инварианты (lease, never-raise, fail-open/closed, бюджеты).

docs/work-items/ORCH-110/03-acceptance-criteria.md

@@ -0,0 +1,123 @@
+---
+work_item: ORCH-110
+stage: analysis
+author_agent: analyst
+status: ready-for-review
+created_at: 2026-06-15
+model_used: claude-opus-4-8
+escalate: full-cycle
+---
+
+# 03 — Критерии приёмки (Acceptance Criteria): ORCH-110 — merge-gate re-test timeout
+
+Work Item: **ORCH-110** · Repo: **orchestrator** · Стадия: analysis
+
+Формат: каждый критерий имеет **PASS** (что должно быть истинно для приёмки) и **FAIL** (что считается
+провалом). Reviewer/тестировщик проверяет их буквально по файлам/тестам репозитория.
+
+---
+
+## AC-1 — Зелёный путь не требует ручного вмешательства из-за инфра-таймаута
+**Условие:** tester `PASS` + зелёный CI + ветка актуальна к `origin/main`, но локальный re-test
+merge-gate упирается в таймаут (смоделированное CPU-голодание/медленный прогон).
+- **PASS:** задача НЕ откатывается ложно как код-фейл и НЕ доходит до alert «Merge-gate still failing
+  after N developer retries»; она доходит до `deploy` (возможно после ограниченного defer/повтора)
+  или поднимает **отдельный инфра-alert**, отличимый от «developer must fix».
+- **FAIL:** таймаут → `_handle_merge_gate_rollback` на `development` с расходом developer-retry →
+  manual-gate (текущее ошибочное поведение).
+
+---
+
+## AC-2 — Инфра-таймаут классифицируется отдельно от красного re-test
+**Условие:** `check_branch_mergeable` вернул FAIL по причине таймаута vs по причине красного теста.
+- **PASS:** таймаут маршрутизируется в транзиент-путь (defer/повтор/инфра-alert), красный re-test —
+  в прежний rollback на `development`; пути различимы в коде и в логах/наблюдаемости.
+- **FAIL:** оба исхода идут одним путём отката на `development`.
+
+---
+
+## AC-3 — Реальный красный re-test по-прежнему откатывает (анти-над-толерантность)
+**Условие:** локальный re-test даёт детерминированно красный результат (реальный сбой теста, не
+таймаут).
+- **PASS:** задача откатывается на `development` + developer-retry (цель ORCH-043 сохранена), lease
+  освобождается.
+- **FAIL:** красный re-test «толерируется» и задача продвигается/деплоится со сломанным кодом.
+
+---
+
+## AC-4 — Нет осиротевших тест-процессов после таймаута
+**Условие:** `merge_gate.retest_branch` (и `coverage_gate.measure_coverage`) запущены против прогона,
+порождающего дочерние/внучатые процессы, и прогон превышает бюджет (таймаут).
+- **PASS:** по таймауту завершается всё дерево подпроцесса (включая внуков); живых
+  оркестратор-спавненных pytest-процессов не остаётся; контракт возврата
+  `(False, "re-test timeout after <T>s")` сохранён.
+- **FAIL:** прямой потомок убит, но внуки репарентируются и продолжают жить/грузить CPU.
+
+---
+
+## AC-5 — Бюджет re-test согласован и уважает сквозные инварианты
+**Условие:** конфигурация бюджета re-test и связанных таймаутов.
+- **PASS:** `merge_retest_timeout_s` имеет адекватный запас над фактическим временем сюита;
+  соблюдено `reaper_max_running_s > max(agent_timeout, бюджеты) + grace` и согласование с
+  `merge_lock_timeout_s`/`coverage_run_timeout_s`; малформный конфиг → дефолт + WARNING.
+- **FAIL:** бюджет оставлен впритык к времени сюита без обоснования, либо изменение бюджета ломает
+  инвариант reaper/lease.
+
+---
+
+## AC-6 — Контракт необходимости re-test зафиксирован и реализован
+**Условие:** ветка не-behind (rebase no-op) + зелёный CI по этому HEAD.
+- **PASS:** поведение локального re-test соответствует контракту, выбранному архитектором в ADR
+  (skip/scope/trust-CI-SHA и т. п.); re-test не является избыточной единственной точкой ложного
+  отказа на коммите, уже подтверждённом CI; решение и его обоснование задокументированы в `06-adr/`.
+- **FAIL:** контракт не определён/не реализован; полный re-test безусловно гоняется и при не-behind +
+  зелёном CI.
+
+---
+
+## AC-7 — Kill-switch и нулевая регрессия
+**Условие:** флаг толерантности выключен; и/или не-self-hosting репозиторий (enduro).
+- **PASS:** поведение байт-в-байт как до ORCH-110 (таймаут → прежний rollback; те же тексты
+  alert'ов); enduro-путь не затронут.
+- **FAIL:** при выключенном флаге/для enduro поведение изменилось.
+
+---
+
+## AC-8 — Инварианты конвейера и self-hosting не тронуты
+**Условие:** статический и поведенческий анализ изменений.
+- **PASS:** `STAGE_TRANSITIONS` / реестр `QG_CHECKS` / семантика `check_*` / machine-verdict ключи /
+  схема БД — без изменений; никаких push/force-push в `main` (INV-4), merge только через Gitea PR API,
+  прод-контейнер не рестартится; все публичные функции merge-gate/coverage остаются never-raise.
+- **FAIL:** изменён любой из перечисленных инвариантов, или исключение уходит в `advance_stage`.
+
+---
+
+## AC-9 — Ограниченность транзиент-пути (anti-loop) + наблюдаемость
+**Условие:** инфра-таймаут повторяется.
+- **PASS:** число повторов/defer ограничено и по попыткам, и по суммарному времени; исчерпание →
+  один чёткий инфра-alert; событие видно в логах/`GET /queue` и отличимо от код-фейла.
+- **FAIL:** бесконечный bounce/повтор, либо молчаливое зависание без терминального сигнала.
+
+---
+
+## AC-10 — Регресс-тест (красный до фикса, зелёный после)
+**Условие:** наличие автоматического теста, воспроизводящего инцидент.
+- **PASS:** в `tests/` есть тест, который на текущем коде **падал бы** (инфра-таймаут re-test →
+  ложный rollback / выживший процесс), а после фикса **зелёный**; включён в полный регресс `pytest`.
+- **FAIL:** регресс-теста нет, либо он не воспроизводит инцидент.
+
+---
+
+## Сводная матрица AC ↔ FR/BR
+| AC | Покрывает |
+|----|-----------|
+| AC-1 | BR-1 / FR-1 |
+| AC-2 | BR-2 / FR-1 |
+| AC-3 | BR-6 / FR-4 |
+| AC-4 | BR-3 / FR-2 |
+| AC-5 | BR-4 / FR-3 / NFR-6 |
+| AC-6 | BR-5 / FR-4 |
+| AC-7 | NFR-2 / FR-5 |
+| AC-8 | NFR-1 / NFR-3 / NFR-4 / FR-5 |
+| AC-9 | NFR-5 / BR-7 / FR-6 |
+| AC-10 | BR-1…BR-3 (регресс инцидента) |

docs/work-items/ORCH-110/04-test-plan.yaml

@@ -0,0 +1,94 @@
+work_item: ORCH-110
+stage: analysis
+author_agent: analyst
+status: ready-for-review
+created_at: 2026-06-15
+model_used: claude-opus-4-8
+escalate: full-cycle
+title: "merge-gate re-test timeout: tolerance + no orphan-process leak + re-test contract"
+framework: pytest
+scope: >
+  Покрывает: классификацию инфра-таймаута re-test merge-gate как транзиента (без ложного отката),
+  tree-kill оркестратор-спавненных pytest-прогонов (re-test + coverage), сохранение красно-откат-пути,
+  согласование бюджета re-test со сквозными инвариантами, контракт необходимости re-test, kill-switch
+  и наблюдаемость. Вне покрытия: алерт sidecar-watchdog (ORCH-111), правка конкретного
+  test_install_lite_script.py, поведение enduro (только проверяется no-op).
+notes: >
+  TC-10 — ОБЯЗАТЕЛЬНЫЙ регресс-тест инцидента ORCH-109/PR#129: красный на текущем коде (инфра-таймаут
+  re-test → ложный rollback / выживший процесс), зелёный после фикса. Подпроцессы в тестах мокаются
+  (управляемый "медленный/спавнящий детей pytest"), без обращения к сети/Plane/Gitea. Полный регресс
+  tests/ должен оставаться зелёным. Точные имена символов/флагов уточняет архитектор (06-adr);
+  модули-плейсхолдеры ниже выровнены под манифест PIPELINE_DOCS.
+
+tests:
+  - id: TC-01
+    type: unit
+    description: "retest_branch: таймаут возвращает (False, 're-test timeout after <T>s') И завершает всё дерево подпроцесса (внуки не переживают таймаут)."
+    module: tests/test_orch110_retest_lifecycle.py
+    expected: PASS
+
+  - id: TC-02
+    type: unit
+    description: "coverage_gate.measure_coverage: таймаут завершает всё дерево подпроцесса (сиблинг-источник утечки, BR-3); возврат None сохранён."
+    module: tests/test_orch110_retest_lifecycle.py
+    expected: PASS
+
+  - id: TC-03
+    type: unit
+    description: "check_branch_mergeable: исход 'timeout' различим от 'red re-test' в reason/классификации (без смены имени/семантики зарегистрированного check_*)."
+    module: tests/test_orch110_merge_gate_classify.py
+    expected: PASS
+
+  - id: TC-04
+    type: unit
+    description: "Маршрутизация исхода: инфра-таймаут → defer/повтор/инфра-alert путь (НЕ _handle_merge_gate_rollback на development, без инкремента developer-retry)."
+    module: tests/test_orch110_merge_gate_routing.py
+    expected: PASS
+
+  - id: TC-05
+    type: unit
+    description: "Анти-над-толерантность: детерминированно КРАСНЫЙ re-test по-прежнему → откат на development + developer-retry + release lease (BR-6 сохранён)."
+    module: tests/test_orch110_merge_gate_routing.py
+    expected: PASS
+
+  - id: TC-06
+    type: unit
+    description: "Ограниченность (anti-loop): повторы/defer инфра-таймаута лимитированы по попыткам и суммарному времени; исчерпание → один инфра-alert, не бесконечный bounce."
+    module: tests/test_orch110_merge_gate_routing.py
+    expected: PASS
+
+  - id: TC-07
+    type: unit
+    description: "Kill-switch off → байт-в-байт прежнее поведение (таймаут → rollback на development, прежний текст alert); not-self repo (enduro) → no-op."
+    module: tests/test_orch110_killswitch.py
+    expected: PASS
+
+  - id: TC-08
+    type: unit
+    description: "Бюджет/инварианты: malformed/непозитивный merge_retest_timeout_s → дефолт + WARNING; соблюдён reaper_max_running_s > max(agent_timeout, бюджеты)+grace и согласование с merge_lock_timeout_s."
+    module: tests/test_orch110_budget_invariants.py
+    expected: PASS
+
+  - id: TC-09
+    type: unit
+    description: "never-raise: любая ошибка в новом транзиент-пути → безопасный дефолт + WARNING; исключение не уходит в advance_stage."
+    module: tests/test_orch110_merge_gate_routing.py
+    expected: PASS
+
+  - id: TC-10
+    type: integration
+    description: "РЕГРЕСС инцидента: tester PASS + зелёный CI + ветка не-behind, но re-test таймаут — задача НЕ откатывается ложно и НЕ упирается в 'Merge-gate still failing after N developer retries'; доходит до deploy или поднимает инфра-alert. Красный до фикса, зелёный после."
+    module: tests/test_orch110_false_rollback_regression.py
+    expected: PASS
+
+  - id: TC-11
+    type: integration
+    description: "Контракт необходимости re-test (FR-4/AC-6): при не-behind + зелёном CI по HEAD локальный re-test ведёт себя по выбранному в ADR контракту (skip/scope/trust-CI) и не является избыточной единственной точкой ложного отказа. Финальная форма — после решения архитектора."
+    module: tests/test_orch110_retest_contract.py
+    expected: PASS
+
+  - id: TC-12
+    type: integration
+    description: "Наблюдаемость: инфра-таймаут отражён в логах/GET /queue (read-only) и Telegram-уведомлении с кликабельным номером; отличим от код-фейл-отката; без дубля с ORCH-111."
+    module: tests/test_orch110_observability.py
+    expected: PASS

docs/work-items/ORCH-110/06-adr/ADR-001-merge-gate-retest-infra-tolerance-and-tree-kill.md

@@ -0,0 +1,352 @@
+---
+work_item: ORCH-110
+stage: architecture
+author_agent: architect
+status: proposed
+created_at: 2026-06-15
+model_used: claude-opus-4-8
+---
+
+# ADR-001: Merge-gate re-test — толерантность к инфра-таймауту, tree-kill спавненных процессов и контракт необходимости re-test
+
+Work Item: **ORCH-110** — BUG: merge-gate local re-test timeout causes false rollback after green CI
+Стадия: **architecture**
+Сквозная регистрация: **`docs/architecture/adr/adr-0042-merge-gate-retest-infra-tolerance-and-tree-kill.md`**
+(решение кросс-каттинговое: затрагивает merge-gate ORCH-043, coverage-gate ORCH-027 и
+сквозной инвариант времени reaper ORCH-065/109).
+
+## Статус
+Proposed
+
+## Контекст
+
+На ребре `deploy-staging → deploy` детерминированный под-гейт **merge-gate** (`check_branch_mergeable`,
+ORCH-043) догоняет ветку до текущего `origin/main` (`auto_rebase_onto_main`) и **локально
+пере-прогоняет весь тест-сюит** (`retest_branch` → `python -m pytest tests/ -q`, бюджет
+`merge_retest_timeout_s=600`), чтобы поймать семантический конфликт слияния (зелёная по своей базе
+ветка ломает уехавший `main`).
+
+**Инцидент (ORCH-109 / PR #129, факты сверены по коду):** tester `PASS` (полный регресс
+`1899 passed` за `516.70s`), CI Gitea зелёный, PR `mergeable=true`, ветка не-behind — но merge-gate
+re-test **упал по таймауту** (`re-test timeout after 600s`). На хосте — осиротевшие pytest-процессы
+(`tests/test_install_lite_script.py`), жившие > 2 суток и грузившие CPU. Цепочка отказа: осиротевшие
+процессы → CPU-голодание → сюит (516.7s, запас до 600s ≈ 16%) превысил бюджет →
+`check_branch_mergeable` вернул `(False, "re-test timeout after 600s")` → `_handle_merge_gate`
+маршрутизировал в `_handle_merge_gate_rollback` (откат `deploy-staging → development` +
+developer-retry) → каждый из 3 retry падал по тому же CPU-голоданию → alert «Merge-gate still failing
+after 3 developer retries» → задача застряла, потребовалось ручное вмешательство.
+
+**Корни (подтверждены по коду):**
+1. **Утечка осиротевших процессов.** `merge_gate.retest_branch` (`src/merge_gate.py:202`) и
+   `coverage_gate.measure_coverage` (`src/coverage_gate.py:156`) запускают
+   `subprocess.run([... pytest ...], timeout=...)` **без изоляции группы процессов**. При
+   `TimeoutExpired` Python убивает только **прямого потомка** (`proc.kill()`); внуки pytest
+   репарентируются на PID 1 (tini жнёт зомби, но не убивает живых сирот) и живут сутками. Это
+   источник CPU-голодания.
+2. **Нет толерантности к инфра-таймауту.** `_handle_merge_gate` (`src/stage_engine.py:967`)
+   различает лишь `"merge-lock busy"` (→ defer) от всего остального (→ rollback). Re-test **таймаут**
+   (инфра/ресурс) классифицируется идентично **красному** re-test (дефект кода) → откат на
+   `development` + расход developer-retry, который разработчик не может «починить».
+3. **Тонкий бюджет.** `merge_retest_timeout_s=600` практически равен фактическому времени сюита
+   (516.7s); запас не растёт с сюитом.
+4. **Контракт необходимости re-test.** При `premerge_rebase_always=True` (дефолт, ORCH-026 A-2)
+   `check_branch_mergeable` (`src/qg/checks.py:705`) **всегда** ребейзит и пере-тестирует — даже на
+   ветке, уже актуальной к `origin/main` (rebase — no-op). На таком HEAD локальный re-test
+   пере-проверяет ровно тот коммит, что CI + tester + staging уже подтвердили, становясь избыточной
+   единственной точкой ложного отказа. (Заметим: на пути `premerge_rebase_always=False` не-behind
+   ветка re-test **уже пропускает** — `src/qg/checks.py:707-709`.)
+
+Баг-карточка явно отложила выбор механизма архитектору: «Решение намеренно не описано; нужен
+отдельный анализ вариантов и контрактов merge-gate» — основание эскалации `escalate: full-cycle`.
+
+## Решение
+
+### Сводка
+
+Бьём по двум корням, одному контракту и одному бюджету — **аддитивно, под kill-switch, never-raise,
+скоуп self-hosting**, сохраняя исходную защиту merge-gate от семантического конфликта:
+
+- **D1 (root)** — единый leaf `src/proc_group.py` спавнит оркестратор-порождённые pytest-прогоны в
+  **отдельной группе процессов** (`start_new_session`) и при таймауте/прерывании убивает **всё
+  дерево** (`os.killpg`, каскад SIGTERM→grace→SIGKILL). Используют его `retest_branch` и
+  `measure_coverage`. Контракты возврата сохранены — меняется лишь побочный эффект (нет сирот).
+- **D2 (классификация)** — чистый предикат `merge_gate.classify_retest_failure(reason)` различает
+  `timeout`/`red`/`lock-busy`/`other` без смены имени/семантики `check_branch_mergeable`.
+- **D3 (маршрутизация)** — инфра-таймаут → новый `_handle_merge_gate_infra_retry` (ограниченный
+  повтор/defer по образцу `_handle_merge_gate_defer`, **без** отката на `development` и **без**
+  расхода developer-retry); красный re-test → прежний `_handle_merge_gate_rollback`.
+- **D4 (контракт re-test)** — re-test исполняется **тогда и только тогда**, когда rebase реально
+  сдвинул HEAD (`main` уехал); no-op rebase (ветка уже актуальна) **пропускает** локальный re-test,
+  ровно как уже делает путь `premerge_rebase_always=False` для не-behind ветки.
+- **D5 (бюджет)** — `merge_retest_timeout_s` 600 → **900** (запас 74% над 516.7s) с валидацией и
+  проверкой сквозного инварианта reaper/lease — **без** изменения `reaper_max_running_s`.
+- **D6 (наблюдаемость)** — счётчики в `merge_gate`, блок `merge_gate` в `GET /queue`, отдельный
+  инфра-alert, отличимый от код-фейла; координация с ORCH-111 без дубля.
+
+### D1 — Process-group изоляция + tree-kill спавненных pytest [FR-2 / BR-3 / AC-4]
+
+Новый **leaf-модуль** `src/proc_group.py` (stdlib-only, never-raise, импортирует только `os`/`signal`/
+`subprocess`/`time`/`logging` — НЕ другие `src/*`, по образцу чистоты `serial_gate`/`staging_verdict`):
+
+```python
+def run_in_process_group(
+    cmd: list[str], *, cwd: str, timeout: float, env: dict | None = None,
+    grace_s: float = 5.0, tree_kill: bool = True,
+) -> ProcResult:   # ProcResult(returncode:int|None, stdout:str, stderr:str, timed_out:bool)
+```
+
+Механика (POSIX):
+1. `proc = subprocess.Popen(cmd, cwd=cwd, env=env, stdout=PIPE, stderr=PIPE, text=True,
+   start_new_session=True)` — `start_new_session=True` делает потомка лидером новой сессии/группы
+   (`setsid`), поэтому все его потомки (xdist-воркеры, подпроцессы тестов) разделяют один `pgid ==
+   proc.pid`.
+2. `proc.communicate(timeout=timeout)` — ждём в бюджете.
+3. На `subprocess.TimeoutExpired` — **tree-kill группы** каскадом, зеркало `launcher.stop_process`,
+   но по **группе**: `os.killpg(os.getpgid(pid), SIGTERM)` → poll `grace_s` → если жива
+   `os.killpg(..., SIGKILL)`; затем обязательный `proc.communicate()`/`proc.wait()` (reap), чтобы не
+   оставить зомби. `ProcessLookupError` толерируется на каждом шаге.
+4. Возвращает `timed_out=True` при таймауте; иначе `returncode`/stdout/stderr.
+
+**Fallback (never-break):** при `tree_kill=False` ИЛИ платформе без `os.killpg`/`start_new_session`
+(`not hasattr(os, "killpg")`) — деградирует на прежний `subprocess.run(cmd, ..., timeout=timeout)`
+(байт-в-байт прежнее поведение, прод-Linux на это не попадает).
+
+**Интеграция:**
+- `retest_branch` зовёт `run_in_process_group([... pytest target -q], cwd=wt, timeout=<resolved>,
+  tree_kill=settings.subprocess_tree_kill_enabled, grace_s=settings.agent_kill_grace_seconds)`;
+  маппинг исхода 1:1 прежнему: `timed_out → (False, "re-test timeout after <T>s")`,
+  `returncode==0 → (True, "re-test green")`, иначе `(False, "re-test failed: ...<tail>")`. **Контракт
+  возврата сохранён** (FR-2) — меняется лишь отсутствие утечки.
+- `measure_coverage` зовёт тот же helper для `pytest --cov`; исход маппится как сейчас (таймаут/ошибка
+  → `None`, иначе чтение `--cov-report=json`). Грантия tree-kill — сиблинг-источник утечки закрыт
+  (BR-3).
+
+Грейс берётся из существующего `agent_kill_grace_seconds` (новый ключ не вводим — минимизация
+конфига); для subprocess-pytest грейс короткий и без необходимости «флашить артефакты».
+
+Kill-switch `subprocess_tree_kill_enabled` (дефолт `True`). Это **глобальная** гигиена процессов (не
+гейт-решение), поэтому без `*_repos`-скоупа; на практике оба call-site исполняются лишь для
+merge_gate/coverage-репо (self-hosting).
+
+### D2 — Классификация исхода re-test [FR-1 / AC-2 / TC-03]
+
+Чистый предикат в `src/merge_gate.py` (never-raise), единая точка «магической строки» вместо россыпи
+`"timeout" in reason`:
+
+```python
+def classify_retest_failure(reason: str) -> str:
+    # "timeout"  — re-test упёрся в бюджет (инфра/ресурс)
+    # "red"      — детерминированно красный re-test (дефект кода)
+    # "lock-busy"— merge-lock busy (контеншн леза)
+    # "other"    — rebase conflict / setup error / прочее
+```
+
+`check_branch_mergeable` **не меняет** имя/семантику/PASS-FAIL контракт (NFR-1): он уже возвращает
+различимый reason (`"re-test timeout after <T>s"` vs `"re-test failed after rebase: ..."` vs
+`"merge-lock busy"` vs `"rebase conflict: ..."`). Меняется только **различение причины FAIL** на
+слое маршрутизации.
+
+**Скоуп классификации — строго re-test таймаут.** `auto_rebase_onto_main` имеет собственный
+`"rebase timeout"` (git завис) — это **другой** инфра-таймаут, но без успешного rebase ветку нельзя
+догнать до `main` → merge невозможен по существу. Он остаётся на прежнем rollback-пути (вне объёма
+ORCH-110; консервативно). Документируем границу явно.
+
+### D3 — Маршрутизация инфра-таймаута: ограниченный повтор + инфра-alert [FR-1 / FR-6 / NFR-5 / AC-1 / AC-9]
+
+В `_handle_merge_gate` (`src/stage_engine.py`) после ветки `reason == "merge-lock busy"`:
+
+```python
+if (settings.merge_retest_infra_tolerance_enabled
+        and merge_gate.classify_retest_failure(reason) == "timeout"):
+    _handle_merge_gate_infra_retry(task_id, current_stage, repo, work_item_id, branch, reason, result)
+    return True
+_handle_merge_gate_rollback(...)   # red re-test / conflict — БЕЗ изменений (BR-6/AC-3)
+```
+
+Новый `_handle_merge_gate_infra_retry` — зеркало `_handle_merge_gate_defer` (НЕ rollback):
+- Перекладывает staging-deployer обратно в очередь с задержкой `merge_retest_infra_retry_delay_s`
+  (`enqueue_job("deployer", ..., available_at_delay_s=...)`); задача **остаётся на `deploy-staging`**.
+  **Нет** `update_task_stage("development")`, **нет** инкремента developer-retry, **нет**
+  `notify_qg_failure`-код-фейл-семантики.
+- Счётчик повторов — restart-safe, по маркеру в `task_content` (`_merge_infra_retry_count`, зеркало
+  `_merge_defer_count`: `... LIKE '%merge-gate infra-timeout retry%'`). Бюджет
+  `merge_retest_infra_max_retries` (дефолт 2).
+- **Лиз уже освобождён** `check_branch_mergeable` при таймауте (`src/qg/checks.py:721`) — на повторе
+  гейт переacquire'ит штатно (как defer-путь). Согласовано с инвариантом леза.
+- **Исчерпание (anti-loop, NFR-5):** `set_issue_blocked` + **отдельный инфра-alert** (Telegram с
+  кликабельным `link_for` + Plane-коммент), формулировка **явно инфраструктурная**, отличная от
+  «developer must fix»: *«Merge-gate re-test infra-timeout сохраняется после N повторов — ресурсная
+  проблема (CPU/осиротевшие процессы), НЕ дефект кода. Нужно ручное вмешательство /
+  проверьте хост.»* Задача **не** уходит в `development`.
+
+**Ограниченность по времени (NFR-5/AC-9).** Каждый повтор — **отдельный** staging-deployer job со
+своим agent-timeout и reaper-backstop; ни один прогон не превышает `reaper_max_running_s` сам по себе.
+Суммарная стоимость худшего случая: `N × (delay + re-test ≤ timeout)` =
+`2 × (120 + 900) ≈ 34 мин` до инфра-alert — конечно и наблюдаемо. После первого таймаута D1 уже убил
+сирот, поэтому следующий re-test, как правило, проходит — повтор есть механизм восстановления, а не
+маскировки.
+
+**Скоуп.** Отдельный `*_repos` не нужен: путь достижим только когда merge-gate **реален**
+(`_merge_gate_applies` → self-hosting/`merge_gate_repos`); для прочих репо гейт N/A → PASS → ветка
+недостижима. Kill-switch off → таймаут идёт прежним rollback-путём (NFR-2, байт-в-байт).
+
+### D4 — Контракт необходимости локального re-test [FR-4 / BR-5 / BR-6 / AC-6]
+
+**Выбранный вариант — пропуск re-test при no-op rebase** (ветка уже содержит свежий `origin/main`).
+ORCH-043 защищает от семантического конфликта, который возникает **только** когда `main` уехал и
+ветка была реально ребейзнута на новые коммиты. Если rebase HEAD **не сдвинул** (ветка уже актуальна),
+«уехавшего main» нет → re-test не даёт сигнала сверх уже пройденных `check_ci_green` + tester
+`check_tests_passed` + staging на **этом же** HEAD → он избыточен.
+
+Реализация в `check_branch_mergeable` (детерминированно, **offline**, без сетевого CI-запроса):
+1. `pre = _head_sha(repo, branch)` (rev-parse HEAD в worktree, never-raise → `""`).
+2. `auto_rebase_onto_main(...)` (как сейчас; конфликт → release lease → FAIL без изменений).
+3. `post = _head_sha(repo, branch)`.
+4. Если `merge_retest_skip_when_current_enabled` И `pre` и `post` непусты И `pre == post` (rebase —
+   доказанный no-op) → **пропустить re-test**, вернуть
+   `(True, "branch up-to-date (re-test skipped: rebase no-op, HEAD CI-validated)")`; лиз HELD.
+5. Иначе (HEAD сдвинут / SHA не определить / флаг off) → `retest_branch` как сейчас.
+
+**Почему без отдельного сетевого CI-запроса (отличие от варианта C).** HEAD на момент merge-gate при
+no-op rebase — тот же коммит, что уже прошёл `check_ci_green` (ребро development→review), tester и
+staging в этом же конвейере. «CI green for this HEAD» гарантирован **транзитивно** пройденным
+конвейером; повторный сетевой запрос статуса — лишняя зависимость и хрупкость.
+
+**Fail-safe к контракту (BR-6/AC-3):** при невозможности доказать no-op (любой `pre`/`post` пуст,
+git-ошибка) — re-test **выполняется** (не пропускается на неопределённости). Когда re-test
+**исполняется** и красный → прежний rollback. Послабление применяется ТОЛЬКО к доказанному no-op, и
+только к *пропуску*, не к красному вердикту. Это симметрично уже существующему пропуску re-test на
+не-behind ветке при `premerge_rebase_always=False` — D4 лишь распространяет ту же оптимизацию на
+no-op-rebase случай `premerge_rebase_always=True`, приводя оба режима к согласованному правилу:
+«локальный re-test гоняется лишь когда ветка реально догоняла уехавший `main`».
+
+Kill-switch `merge_retest_skip_when_current_enabled` (дефолт `True`); off → re-test после rebase
+всегда (прежнее `premerge_rebase_always` поведение).
+
+### D5 — Согласование бюджета re-test [FR-3 / BR-4 / AC-5 / NFR-6]
+
+`merge_retest_timeout_s`: **600 → 900** (запас 74% над наблюдаемыми 516.7s; против прежних ≈16%).
+Бюджет — теперь **третья** линия защиты (D1 убирает корень CPU-голодания, D3 толерирует редкий
+остаточный таймаут, D4 резко сокращает частоту re-test), поэтому большой бамп не нужен; умеренные 900
+дают runway под рост сюита, оставаясь в сквозном инварианте reaper **без** правки
+`reaper_max_running_s`.
+
+**Валидация (never-break):** `retest_branch` резолвит бюджет через новый
+`_resolve_retest_timeout()` — `int(settings.merge_retest_timeout_s)` если `> 0`, иначе дефолт **900**
++ WARNING (зеркало `launcher._resolve_timeout`). Малформ/непозитив больше не уходит в `subprocess`.
+
+**Проверка сквозного инварианта (NFR-6, AC-5).** Re-test/coverage исполняются в монитор-потоке
+**staging-deployer**-джоба (агент deployer уже завершён; `advance_stage` post-agent), поэтому суммарная
+работа джоба считается против `reaper_max_running_s`. Worst-case для deploy-staging-джоба:
+
+| Слагаемое | Бюджет, s |
+|-----------|-----------|
+| deployer-агент (deploy-staging, `agent_timeout_seconds`) | 1800 |
+| security-scan (gitleaks+pip-audit) | ~120 |
+| rebase (`_REBASE_TIMEOUT`) | 120 |
+| **re-test (`merge_retest_timeout_s`, новый)** | **900** |
+| coverage (`coverage_run_timeout_s`) | 900 |
+| image-freshness rebuild | ~600 |
+| grace | 20 |
+| **Σ** | **≈ 4460** |
+
+`reaper_max_running_s = 5400 > 4460` ✓ (запас ~940s). Инвариант ORCH-065/109
+`reaper_max_running_s > max(agent_timeout)+grace` (5400 > 3600+20 для developer-джоба) сохранён.
+`merge_lock_timeout_s = 300` (TTL леза) **меньше** держания леза на время re-test+coverage — но это
+**существующее** свойство (ORCH-043: лиз держится от гейта до merge, дольше TTL; реклейм безопасен
+holder-aware и pid-aware, ORCH-065) и **не** ухудшается ORCH-110 (re-test 900 vs прежние 600 — +300s
+держания, всё ещё покрыто pid-liveness реклеймом, который не трогает живого держателя). Поэтому
+`reaper_max_running_s` **не меняем**; D5 — только бамп `merge_retest_timeout_s` + валидация.
+
+> Если оператор поднимет `merge_retest_timeout_s` env'ом выше — обязан соблюсти
+> `reaper_max_running_s > Σ(deploy-staging gate-work) + grace` (таблица выше); зафиксировано в
+> `07-infra-requirements.md`.
+
+### D6 — Наблюдаемость и координация с ORCH-111 [FR-6 / BR-7 / AC-9 / R-4]
+
+- **Счётчики** in-process в `merge_gate.py` (`_MERGE_GATE_COUNTERS`, образец `_MERGE_VERIFY_COUNTERS`):
+  `retest_timeout_total`, `retest_infra_retry_total`, `retest_infra_exhausted_total`,
+  `retest_skipped_current_total`, `last_infra_timeout_wi`. Снимок `merge_gate_status()` → read-only
+  блок `merge_gate` в `GET /queue` (флаги/счётчики). Только информация, никогда не источник решения.
+- **Логи** — раздельные строки для infra-retry vs code-fail rollback; INFO на пропуск re-test (D4).
+- **Telegram/Plane** — инфра-alert на исчерпании (D3), формулировка инфраструктурная (не «developer
+  must fix») с кликабельным номером.
+- **Координация с ORCH-111 (`proc_blocking`, adr-0041) — без дубля (R-4):** ORCH-110
+  **предотвращает/толерирует** (tree-kill у источника + транзиент-маршрут), ORCH-111 **наблюдает**
+  (sidecar алертит на пережившие осиротевшие тест-процессы). ORCH-110 не вводит детектор процессов;
+  он убирает сирот у источника. Разные слои — нулевое пересечение.
+
+### Затронутые маркеры / трассировка (ORCH-078)
+
+Правки касаются блоков с маркерами ORCH-043 (`retest_branch`, `check_branch_mergeable`, lease),
+ORCH-026 (`premerge_rebase_always`), ORCH-027 (`measure_coverage`), ORCH-065/109 (инвариант
+reaper/timeout). 3+ маркера в `merge_gate.py` → опираемся на **сводный сквозной**
+`adr-0042` (этот пакет) + `adr-0006`/`adr-0040`. Инварианты ORCH-043/071/073/093 (лиз holder-aware,
+INV-4 «никогда push/force-push main», never-raise, fail-open/closed классификации) **не нарушаются**:
+ORCH-110 не трогает merge-актор/верификатор пути `deploy → done`.
+
+**Директива developer'у (append-only regression-guard, ORCH-073):** дописать в
+`merge_gate.MAIN_REGRESSION_MARKERS` строку `("ORCH-110", "classify_retest_failure",
+"src/merge_gate.py")`, чтобы новый инвариант был защищён от фантомного отката.
+
+## Альтернативы
+
+- **Только поднять бюджет (без D1).** Отвергнуто (R-2): не бьёт корень — растущий сюит снова упрётся;
+  сироты продолжат грузить CPU. Бюджет — вторичная мера.
+- **Tree-kill через `subprocess.run` + ручной `Popen` в каждом модуле (без общего leaf).** Отвергнуто:
+  дублирование хрупкой `killpg`-логики в двух местах → дрейф. Один тестируемый leaf
+  (`proc_group.py`) — single source of truth.
+- **Вариант C: trust-CI-SHA (сетевой запрос статуса CI HEAD → skip re-test).** Отвергнуто как контракт
+  по умолчанию: вводит сетевую зависимость в детерминированный offline-гейт и ослабляет
+  семантик-конфликт-гард (CI бежал на базе ветки, не на результате слияния). D4 (no-op-rebase skip)
+  даёт ту же выгоду детерминированно и offline.
+- **Толерировать ЛЮБОЙ FAIL merge-gate (включая красный) как транзиент.** Отвергнуто (BR-6/AC-3,
+  R-1): сломает цель ORCH-043 — красный re-test обязан откатывать. Послабление строго к таймауту.
+- **Новый зарегистрированный QG / новая стадия для инфра-ретрая.** Отвергнуто (NFR-1): под-гейт —
+  врезка в `advance_stage`; `STAGE_TRANSITIONS`/`QG_CHECKS` неприкосновенны.
+- **Init-process / убийца сирот на хосте.** Отвергнуто: реинтродукция привилегий/хост-доступа;
+  предотвращение у источника (D1) проще и self-hosting-безопасно; наблюдение оставлено ORCH-111.
+
+## Последствия
+
+- **+** Зелёный путь (tester PASS + CI green + актуальная ветка) больше не ловит ложный откат/manual-gate
+  из-за инфра-таймаута (BR-1/AC-1). Сироты не переживают бюджет (BR-3/AC-4). Re-test не гоняется
+  избыточно на актуальной ветке (BR-5/AC-6), что само снижает шанс таймаута.
+- **+** Красный re-test по-прежнему откатывает (BR-6/AC-3); инварианты конвейера/леза/INV-4
+  неприкосновенны (NFR-1/NFR-3/AC-8).
+- **−** Инфра-таймаут добавляет до `N×(delay+timeout)` (~34 мин) к худшему случаю перед инфра-alert
+  (вместо мгновенного, но ложного, отката). Митигейшн: D1 устраняет первопричину → повтор обычно
+  проходит первым; бюджет повторов мал (2).
+- **−** +5 конфиг-ключей + бамп бюджета. Митигейшн: дефолты = желаемое прод-поведение (ORCH-101
+  канон), каждый под kill-switch.
+- **−** D4 пропускает re-test на no-op rebase: теоретический пропуск семантик-конфликта, не
+  поймать который CI/tester/staging уже не смогли бы. Митигейшн: пропуск **только** при доказанном
+  no-op (нет «уехавшего main» → нет нового класса конфликта); на любой неопределённости — re-test
+  бежит (fail-safe).
+- **Откат:** `subprocess_tree_kill_enabled=False` (→ прежний `subprocess.run`),
+  `merge_retest_infra_tolerance_enabled=False` (→ таймаут=rollback),
+  `merge_retest_skip_when_current_enabled=False` (→ всегда re-test после rebase),
+  `merge_retest_timeout_s=600` (→ прежний бюджет). Каждый флаг независим; полный откат = вернуть 4
+  значения → байт-в-байт до-ORCH-110.
+
+## Ссылки
+- BRD: `docs/work-items/ORCH-110/01-brd.md`
+- TRZ: `docs/work-items/ORCH-110/02-trz.md`
+- Acceptance: `docs/work-items/ORCH-110/03-acceptance-criteria.md`
+- Test-plan: `docs/work-items/ORCH-110/04-test-plan.yaml`
+- Инфра: `docs/work-items/ORCH-110/07-infra-requirements.md`
+- Риски: `docs/work-items/ORCH-110/10-tech-risks.md`
+- Сквозной ADR: `docs/architecture/adr/adr-0042-merge-gate-retest-infra-tolerance-and-tree-kill.md`
+- Сверено по коду: `src/merge_gate.py` (`retest_branch`, `auto_rebase_onto_main`,
+  `MAIN_REGRESSION_MARKERS`), `src/coverage_gate.py` (`measure_coverage`),
+  `src/qg/checks.py` (`check_branch_mergeable`, `_merge_gate_applies`),
+  `src/stage_engine.py` (`_handle_merge_gate`, `_handle_merge_gate_defer`,
+  `_handle_merge_gate_rollback`, `_merge_defer_count`),
+  `src/config.py` (`merge_retest_timeout_s`, `reaper_max_running_s`, `agent_kill_grace_seconds`),
+  `src/agents/launcher.py` (`stop_process` — образец каскада),
+  `src/job_reaper.py` (`reaper_max_running_s` backstop)
+- Смежные: `adr-0006` (merge-gate ORCH-043), `adr-0040` (timeout-бюджеты ORCH-109),
+  `adr-0029` (coverage-gate ORCH-027), `adr-0011` (reaper/lease ORCH-065),
+  `adr-0041` (ORCH-111 `proc_blocking` — комплементарный наблюдатель)
+</content>
+</invoke>

docs/work-items/ORCH-110/07-infra-requirements.md

@@ -0,0 +1,68 @@
+---
+work_item: ORCH-110
+stage: architecture
+author_agent: architect
+status: proposed
+created_at: 2026-06-15
+model_used: claude-opus-4-8
+---
+
+# 07 — Инфра-требования: ORCH-110 — merge-gate re-test infra-tolerance + tree-kill
+
+Work Item: **ORCH-110** · Repo: **orchestrator** · Стадия: architecture
+
+> When-applicable. Топология/контейнеры/порты/CI **не меняются**; файл фиксирует новые env-ключи,
+> сквозной инвариант времени и аудит self-hosting безопасности.
+
+## I-1. Топология / окружения
+**N/A.** Новых контейнеров/портов/томов/сетей нет. Изменения — только в коде приложения
+(`src/proc_group.py` новый leaf; правки `merge_gate`/`coverage_gate`/`qg.checks`/`stage_engine`/
+`config`) и в значениях конфигурации. Прод `orchestrator` (8500) / staging (8501) — без изменений
+топологии.
+
+**Требование среды:** оркестратор должен исполняться под POSIX (Linux-контейнер, как сейчас) — D1
+использует `os.setsid`/`os.killpg`/`os.getpgid`. На не-POSIX helper деградирует на прежний
+`subprocess.run` (never-break), но боевая среда — Linux.
+
+## I-2. Переменные окружения / секреты
+Секретов нет. Новые ключи (`src/config.py` + `.env.example`); **дефолт каждого = желаемому
+прод-поведению** (ORCH-101 канон: пустой `.env` воспроизводит целевое поведение):
+
+| Ключ (config) | Env | Дефолт | Назначение |
+|---------------|-----|--------|------------|
+| `subprocess_tree_kill_enabled` | `ORCH_SUBPROCESS_TREE_KILL_ENABLED` | `True` | D1 kill-switch; off → прежний `subprocess.run(timeout=)` |
+| `merge_retest_infra_tolerance_enabled` | `ORCH_MERGE_RETEST_INFRA_TOLERANCE_ENABLED` | `True` | D3 kill-switch; off → таймаут = прежний rollback |
+| `merge_retest_infra_max_retries` | `ORCH_MERGE_RETEST_INFRA_MAX_RETRIES` | `2` | D3 бюджет повторов инфра-таймаута |
+| `merge_retest_infra_retry_delay_s` | `ORCH_MERGE_RETEST_INFRA_RETRY_DELAY_S` | `120` | D3 задержка перед повтором staging-deployer |
+| `merge_retest_skip_when_current_enabled` | `ORCH_MERGE_RETEST_SKIP_WHEN_CURRENT_ENABLED` | `True` | D4 kill-switch; off → re-test после rebase всегда |
+| `merge_retest_timeout_s` (изменение значения) | `ORCH_MERGE_RETEST_TIMEOUT_S` | `600 → 900` | D5 бюджет re-test (запас 74% над 516.7s) |
+
+Реюз существующего `agent_kill_grace_seconds` (грейс tree-kill каскада) — новый ключ не вводится.
+
+## I-3. Деплой / рестарт
+- **Self-hosting инвариант соблюдён:** изменение НЕ рестартит прод-контейнер, НЕ пушит/force-push
+  `main` (INV-4), НЕ трогает detached-деплой. Выкат — штатным конвейером через **обязательный
+  staging-гейт (8501)**.
+- Дефолты вступают в силу при следующей сборке образа; ручных env-шагов на хосте не требуется
+  (дефолты = целевое поведение). Откат — выставить 4 kill-switch в `False` и
+  `ORCH_MERGE_RETEST_TIMEOUT_S=600`.
+
+## I-4. CI/CD
+**Без изменений** `.gitea/workflows/`. Новые pytest-тесты (`tests/test_orch110_*.py` по
+`04-test-plan.yaml`) исполняются существующим шагом `pytest tests/ -q`. Новых зависимостей нет
+(`proc_group` — stdlib-only; `pytest-cov` уже в образе по ORCH-027).
+
+## I-5. Сквозной инвариант времени (NFR-6 — операционно критично)
+Re-test/coverage исполняются в монитор-потоке staging-deployer-джоба, поэтому их суммарная работа
+считается против `reaper_max_running_s`. Проверенный worst-case deploy-staging-джоба:
+
+```
+deployer-агент 1800 + security ~120 + rebase 120 + re-test 900 + coverage 900 + image ~600 + grace 20
+≈ 4460 s  <  reaper_max_running_s = 5400   (запас ~940 s)  ✓
+```
+
+`reaper_max_running_s` **не меняется** (D5). При ручном повышении `ORCH_MERGE_RETEST_TIMEOUT_S` env'ом
+оператор ОБЯЗАН сохранить неравенство `reaper_max_running_s > Σ(gate-work) + grace`, иначе reaper
+(ORCH-065) может реапнуть легитимный мид-гейт джоб; при необходимости поднять
+`ORCH_REAPER_MAX_RUNNING_S` в локстеп (паттерн ORCH-109).
+</content>

docs/work-items/ORCH-110/10-tech-risks.md

@@ -0,0 +1,40 @@
+---
+work_item: ORCH-110
+stage: architecture
+author_agent: architect
+status: proposed
+created_at: 2026-06-15
+model_used: claude-opus-4-8
+---
+
+# 10 — Технические риски: ORCH-110 — merge-gate re-test infra-tolerance + tree-kill
+
+Work Item: **ORCH-110** · Repo: **orchestrator** · Стадия: architecture
+
+> Информационный (гейтом не парсится). Риски реализации и их митигейшн.
+
+## Реестр рисков
+
+| ID | Риск | Вер. | Влия. | Митигейшн |
+|----|------|------|-------|-----------|
+| TR-1 | **Над-толерантность маскирует реально зависший тест ветки** как «инфра» (R-1 BRD): бесконечный/долгий тест ветки → таймаут → толерируется → задача не падает на дефекте | Низ. | Выс. | Строгая ограниченность D3 (`merge_retest_infra_max_retries=2`, суммарное время ≤ ~34 мин) → исчерпание = **инфра-alert** (не молчание); красно-откат-путь сохранён (BR-6); D4 не пропускает re-test когда HEAD реально сдвинут. Остаточно: «зависший тест ветки» эскалируется как инфра, а не код — приемлемо (оператор увидит alert и разберёт; тест-зависание чинит developer вручную) |
+| TR-2 | **`os.killpg`/`start_new_session` платформенная зависимость** (не-POSIX / урезанный контейнер) | Низ. | Сред. | Гард `hasattr(os, "killpg")` + kill-switch `subprocess_tree_kill_enabled` → fallback на прежний `subprocess.run` (never-break); бой — Linux |
+| TR-3 | **Tree-kill убьёт не те процессы** (неверный pgid → SIGKILL чужой группе) | Низ. | Выс. | `pgid == proc.pid` гарантирован `start_new_session` для **нашего** потомка; killpg только по `os.getpgid(proc.pid)` нашего Popen; `ProcessLookupError` толерируется; никогда не киляем pgid 0/own |
+| TR-4 | **Рассинхрон сквозных таймаутов** при бампе бюджета (R-3 BRD): re-test 900 + coverage 900 + агент → > reaper_max_running_s | Низ. | Сред. | Проверенная таблица worst-case (≈4460 < 5400, 07-infra I-5); `reaper_max_running_s` не меняется; валидация непозитивного бюджета → дефолт+WARNING; операторская заметка про ручной бамп |
+| TR-5 | **Магическая строка классификации** (`"timeout" in reason`) хрупка к смене текста reason | Низ. | Сред. | Единый предикат `classify_retest_failure` (одна тестируемая точка, TC-03) вместо россыпи; reason — стабильный контракт ORCH-043 (как `"merge-lock busy"`) |
+| TR-6 | **D4 пропустит re-test и пропустит семантический конфликт** | Оч.низ. | Сред. | Пропуск ТОЛЬКО при доказанном no-op rebase (нет «уехавшего main» → нет нового класса конфликта); на неопределённости (`pre`/`post` пуст / git-ошибка) re-test бежит (fail-safe); HEAD уже прошёл CI+tester+staging транзитивно |
+| TR-7 | **Дубль/конфликт с ORCH-111** (`proc_blocking`) | Оч.низ. | Низ. | Чёткое разделение слоёв (D6): ORCH-110 предотвращает/толерирует у источника, ORCH-111 наблюдает; ORCH-110 не вводит детектор процессов |
+| TR-8 | **Регресс при выключенном флаге** (нарушен байт-в-байт fallback) | Низ. | Выс. | TC-07 проверяет kill-switch off = прежнее поведение и enduro no-op; каждый из 4 флагов независим и off → старый путь |
+| TR-9 | **Гонка leдза на инфра-ретрае** (повторный acquire, держание дольше TTL) | Низ. | Сред. | Существующее свойство ORCH-043 (лиз держится дольше TTL; реклейм holder-aware + pid-aware, ORCH-065 не трогает живого держателя); таймаут уже освободил лиз перед ретраем — переacquire штатный |
+
+## Сводный вывод
+Доминирующий класс — **над-толерантность vs анти-регресс защиты merge-gate** (TR-1/TR-6): закрыт
+строгой ограниченностью + сохранением красно-откат-пути + пропуском re-test только на доказанном
+no-op. Остальные риски — стандартного класса (платформенная зависимость, сквозные таймауты,
+kill-switch регресс), митигированы существующими паттернами кодовой базы (never-raise, fail-safe,
+дефолт=бой, валидация). Изменение **аддитивно** и **полностью обратимо** флагами; новой стадии/QG/
+схемы БД нет. **Эскалация `arch:major-change` не требуется**; возврат в анализ не требуется. Остаточный
+риск для прод-конвейера (self-hosting) — **низкий**: critical-path не трогает `main`/прод-рестарт/
+detached-деплой, а наихудший новый сценарий (инфра-alert после ретраев) строго лучше текущего (ложный
+manual-gate).
+</content>

docs/work-items/ORCH-110/12-review.md

@@ -0,0 +1,112 @@
+---
+verdict: APPROVED        # APPROVED | REQUEST_CHANGES — строго одно из двух, UPPERCASE
+work_item: ORCH-110
+stage: review
+author_agent: reviewer
+status: approved
+created_at: 2026-06-15
+model_used: claude-opus-4-8
+type: review
+work_item_id: ORCH-110
+version: 1
+---
+
+# Review ORCH-110
+
+> Машинный вердикт читается ТОЛЬКО из `verdict:` во frontmatter. `APPROVED` → дальше по конвейеру.
+
+## Summary
+Багфикс инцидента ORCH-109/PR#129 (bug → escalate full-cycle): локальный re-test merge-gate падал по
+**таймауту** при зелёных CI+tester+staging → ложно маршрутизировался как код-фейл (откат
+`deploy-staging → development` + расход developer-retry) → manual-gate. Реализация **полностью
+соответствует ТЗ (FR-1…FR-6, AC-1…AC-10) и ADR-001 (D1…D6)**, аддитивна, под 5 независимыми
+kill-switch, never-raise, скоуп self-hosting. Инварианты конвейера и self-hosting — байт-в-байт целы;
+документация (golden source) обновлена в том же PR; багфикс несёт регресс-тест-фиксатор (ORCH-019 BR-4 /
+AC-10). **Вердикт: APPROVED** — P0/P1/P2 findings нет.
+
+> Замечание по ревью-процессу (не finding): локальный ref `main` в worktree устарел (6a04d0a);
+> истинная цель мержа — `origin/main` (b6c9d27, уже содержит ORCH-111). Диф против `origin/main`
+> добавляет ровно 4 ORCH-110-коммита (fix + analysis + architect + business-request); посторонних
+> изменений нет. Ревью проведено против `origin/main`.
+
+## Оси проверки
+
+### 1. Соответствие ТЗ (02-trz / 03-acceptance-criteria) — PASS
+- **FR-1/AC-1/AC-2** (толерантность к инфра-таймауту, отдельная классификация): `merge_gate.classify_retest_failure`
+  (`timeout`/`red`/`lock-busy`/`other`) + `stage_engine._handle_merge_gate_infra_retry` (зеркало
+  `_handle_merge_gate_defer`: задача остаётся на `deploy-staging`, БЕЗ отката/developer-retry). ✓
+- **FR-2/AC-4** (tree-kill): новый stdlib-only leaf `src/proc_group.py::run_in_process_group`
+  (`start_new_session` → `os.killpg` SIGTERM→grace→SIGKILL), интегрирован в `retest_branch` и
+  `measure_coverage`; реальный grandchild-тест TC-01 доказывает «сирота не переживает таймаут». ✓
+- **FR-3/AC-5** (бюджет): `merge_retest_timeout_s` 600→900 + `_resolve_retest_timeout` (малформ/непозитив
+  → дефолт 900 + WARNING); сквозной инвариант `reaper_max_running_s (5400) > Σ≈4460 + grace` проверен
+  тестом TC-08 **без** правки `reaper_max_running_s`. ✓
+- **FR-4/AC-6/AC-3 (BR-6)** (контракт необходимости re-test): пропуск re-test при доказанном no-op rebase
+  (`head_sha` до==после, обе непусты) в `check_branch_mergeable`; fail-safe — на любой неопределённости
+  re-test выполняется; красный re-test/конфликт по-прежнему откатывают (тест
+  `test_tc10_real_catchup_red_retest_still_rolls_back`). ✓
+- **FR-5/AC-7/AC-8** (kill-switch + нулевая регрессия + инварианты): 5 независимых флагов (дефолт = боевое);
+  `STAGE_TRANSITIONS`/реестр `QG_CHECKS`/семантика и имя `check_branch_mergeable`/machine-verdict/схема БД —
+  статически подтверждено «не тронуты»; INV-4 (никогда push/force-push `main`) соблюдён. ✓
+- **FR-6/AC-9** (наблюдаемость + anti-loop): счётчики `_MERGE_GATE_COUNTERS` + read-only блок `merge_gate`
+  в `GET /queue`; ограниченность по попыткам (`merge_retest_infra_max_retries=2`, restart-safe счётчик по
+  маркеру в `task_content`) и времени; исчерпание → один инфра-alert (явно «НЕ дефект кода»). ✓
+- **AC-10** (регресс red-before/green-after): `tests/test_orch110_false_rollback_regression.py` гоняет
+  РЕАЛЬНЫЙ `check_branch_mergeable` через `advance_stage`; на до-ORCH-110-коде оба сценария упали бы
+  (Scenario A гоняла бы обречённый re-test, Scenario B откатилась бы на `development`). ✓
+
+### 2. Соответствие ADR + трассировка маркеров (ORCH-078) — PASS
+- D1…D6 реализованы как зафиксировано в `06-adr/ADR-001` + сквозном `adr-0042`. ✓
+- Директива developer'у выполнена: `("ORCH-110", "classify_retest_failure", "src/merge_gate.py")`
+  дописан в `MAIN_REGRESSION_MARKERS` (append-only, существующие маркеры целы). ✓
+- Затронутые маркеры ORCH-043/071/073/093/027/065/109 сверены, зафиксированные инварианты **не сломаны**:
+  лиз held-on-success / released-on-failure (контракт `check_branch_mergeable` сохранён, skip-путь
+  возвращает `(True, …)` с HELD lease), anti-phantom pre-merge rebase не тронут, coverage fail-open `None`
+  сохранён, reaper-инвариант проверен численно.
+
+### 3. Качество кода — PASS
+- never-raise по всему пути (leaf `proc_group`, классификатор, врезка `_handle_merge_gate_infra_retry`
+  обёрнута в `_handle_merge_gate_infra_retry`/`_merge_gate_infra_retry_impl` с проглатыванием исключения).
+- Docstrings на всех публичных функциях; чёткое разделение чистого предиката и I/O.
+- Тесты содержательные (реальный kill дерева процессов, реальная маршрутизация через `advance_stage`,
+  валидация бюджета, kill-switch-параметризация, наблюдаемость). Прогон зелёный:
+  141 (ORCH-110 + изменённые merge/coverage/config) + 575 (широкая зона stage_engine/qg/merge/deploy/reaper)
+  + 37 (docs-инварианты, ORCH-011 + host-hardcodes) — все PASS.
+- **Багфикс-трек (ORCH-019 BR-4):** исправление несёт тест-фиксатор дефекта (AC-10) — требование выполнено.
+
+### 4. Документация — PASS (приоритетная проверка)
+`src/` изменён → документация обновлена в **том же PR**:
+- `CLAUDE.md` — добавлена секция ORCH-110 (паспорт). ✓
+- `CHANGELOG.md` — запись `[Unreleased]` с разбивкой D1…D6 + 5 ключей. ✓
+- `.env.example` — 5 новых ключей + бамп `ORCH_MERGE_RETEST_TIMEOUT_S=900` с врезкой про сквозной
+  инвариант. ✓
+- `docs/architecture/README.md` — поведение merge-gate re-test (D1…D6) + ссылки на ADR. ✓
+- `docs/overview/tech-pipeline.md` — **витрина системы (ORCH-011)** обновлена: исключение «инфра-таймаут =
+  транзиент, не откат»; `tests/test_system_docs.py` зелёный. ✓
+- Глобальный сквозной ADR `docs/architecture/adr/adr-0042-…md` + work-item `06-adr/ADR-001-…md` заведены. ✓
+
+## Findings
+
+### P0 — Blocker
+- (нет)
+
+### P1 — Must fix
+- (нет)
+
+### P2 — Should fix
+- (нет)
+
+### P3 — Nice-to-have (не блокирует)
+- В `check_branch_mergeable` (`src/qg/checks.py:750`) причина FAIL раскладывается локальной подстрокой
+  `"timeout" in t_reason`, тогда как введён точный предикат `merge_gate.classify_retest_failure`. Поведение
+  безопасно (авторитетная маршрутизация в `stage_engine._handle_merge_gate` использует классификатор; редкий
+  `"re-test error: …"` со словом «timeout» в детали безопасно уйдёт в `other`→rollback), но единая точка
+  классификации читалась бы чище. Косметика, на усмотрение.
+
+## Документация
+**Обновлена полностью в том же PR** (golden source наравне с кодом): `CLAUDE.md`, `CHANGELOG.md`,
+`.env.example`, `docs/architecture/README.md`, витрина `docs/overview/tech-pipeline.md` (ORCH-011),
+глобальный ADR `adr-0042`, work-item ADR `06-adr/ADR-001`. Машинно-проверяемые факты витрины и
+запрет хост-хардкодов — зелёные (`tests/test_system_docs.py`, `tests/test_no_host_hardcodes.py`).
+Пунктов `README.md` «Известные ограничения», требующих снятия этим PR, не затронуто. Расхождений
+документации с кодом не выявлено.

docs/work-items/ORCH-110/13-test-report.md

@@ -0,0 +1,91 @@
+---
+result: PASS   # PASS | FAIL — машинный вердикт, UPPERCASE
+work_item: ORCH-110
+stage: testing
+author_agent: tester
+status: pass
+created_at: 2026-06-15
+model_used: claude-opus-4-8
+type: test-report
+work_item_id: ORCH-110
+---
+
+# Test Report — ORCH-110
+
+Багфикс инцидента ORCH-109/PR#129: локальный re-test merge-gate падал по **таймауту** (инфра/CPU-
+голодание от осиротевших pytest-процессов) при зелёных CI+tester+staging → ложно маршрутизировался
+как код-фейл (откат `deploy-staging → development` + расход developer-retry) → manual-gate. Прогон
+регресса подтверждает: инфра-таймаут толерируется (D1…D6), tree-kill устраняет утечку, красный re-test
+по-прежнему откатывает.
+
+## Окружение
+- Python: 3.12.13
+- pytest: 8.3.3 (plugins: cov-5.0.0, anyio-4.13.0, asyncio-0.23.8)
+- Worktree: `/repos/_wt/orchestrator/feature_ORCH-110-bug-merge-gate-local-re-test-t`
+- Branch: `feature/ORCH-110-bug-merge-gate-local-re-test-t` (HEAD `5391c8b`; fix-коммит `b80edf3`)
+- Дата: 2026-06-15
+
+## Smoke API (read-only)
+| Эндпоинт | Результат |
+|----------|-----------|
+| `GET /health` | `{"status":"ok","service":"orchestrator"}` — OK |
+| `GET /status` | OK; задача ORCH-110 (id=100) на стадии `testing`, `agent_running=null` |
+| `GET /queue` | OK; блок `serial_gate` присутствует ✓ (наряду с `auto_labels` ✓); полезная нагрузка не деградировала |
+
+> Прим.: блок `merge_gate` (новая наблюдаемость ORCH-110, FR-6) в проде (8500) ещё отсутствует — это
+> ожидаемо, фича не задеплоена (задача на стадии `testing`). В коде ветки блок присутствует и покрыт
+> тестом TC-12 (`test_tc12_queue_endpoint_includes_merge_gate_block`). Регресса смока нет.
+
+## Результаты (покрытие ТЗ: каждый TC из 04-test-plan.yaml ↔ 03-acceptance-criteria.md)
+
+| TC ID | Описание | AC | Модуль | Результат |
+|-------|----------|----|--------|-----------|
+| TC-01 | `retest_branch`: таймаут → `(False, 're-test timeout after <T>s')` + tree-kill всего дерева (внуки не переживают) | AC-4 (BR-3) | test_orch110_retest_lifecycle.py | PASS |
+| TC-02 | `coverage_gate.measure_coverage`: таймаут → tree-kill дерева; возврат `None` сохранён | AC-4 (BR-3) | test_orch110_retest_lifecycle.py | PASS |
+| TC-03 | `classify_retest_failure`: `timeout` различим от `red`/`lock-busy`/`other` (имя/семантика `check_*` целы) | AC-2 | test_orch110_merge_gate_classify.py | PASS |
+| TC-04 | Маршрутизация: инфра-таймаут → defer/повтор/инфра-alert (НЕ `_handle_merge_gate_rollback`, без developer-retry) | AC-1 | test_orch110_merge_gate_routing.py | PASS |
+| TC-05 | Анти-над-толерантность: красный/конфликт re-test → откат на `development` + developer-retry + release lease (BR-6) | AC-3 | test_orch110_merge_gate_routing.py | PASS |
+| TC-06 | Anti-loop: повторы лимитированы по попыткам/времени; исчерпание → один инфра-alert | AC-9 | test_orch110_merge_gate_routing.py | PASS |
+| TC-07 | Kill-switch off → байт-в-байт прежнее (таймаут → rollback); not-self repo (enduro) → no-op | AC-7 | test_orch110_killswitch.py | PASS |
+| TC-08 | Бюджет: malformed/непозитив → дефолт 900 + WARNING; `reaper_max_running_s (5400) > Σ+grace`; `reaper_max_running_s` не тронут | AC-5 | test_orch110_budget_invariants.py | PASS |
+| TC-09 | never-raise: ошибка транзиент-пути → безопасный дефолт + WARNING; исключение не уходит в `advance_stage` | AC-8 | test_orch110_merge_gate_routing.py | PASS |
+| TC-10 | РЕГРЕСС инцидента: no-op rebase → skip+advance; catch-up timeout → infra-retry (НЕ rollback); красный → rollback (red-before/green-after) | AC-10 | test_orch110_false_rollback_regression.py | PASS |
+| TC-11 | Контракт необходимости re-test: no-op rebase → skip (lease HELD); HEAD сдвинулся / неопределённость SHA → re-test (fail-safe) | AC-6 | test_orch110_retest_contract.py | PASS |
+| TC-12 | Наблюдаемость: счётчики + блок `merge_gate` в `GET /queue`; инфра-alert кликабелен и отличим от код-фейла; без дубля ORCH-111 | AC-9 (FR-6) | test_orch110_observability.py | PASS |
+
+Все 12 TC выполнены и сопоставлены с критериями приёмки AC-1…AC-10. FAIL/непокрытых TC нет.
+
+## Вывод pytest
+
+### ORCH-110-специфичные модули (verbose)
+```
+collected 55 items
+tests/test_orch110_retest_lifecycle.py ........  (TC-01, TC-02)
+tests/test_orch110_merge_gate_classify.py ........  (TC-03)
+tests/test_orch110_merge_gate_routing.py ........  (TC-04, TC-05, TC-06, TC-09)
+tests/test_orch110_killswitch.py ....  (TC-07)
+tests/test_orch110_budget_invariants.py .........  (TC-08)
+tests/test_orch110_false_rollback_regression.py ...  (TC-10)
+tests/test_orch110_retest_contract.py ......  (TC-11)
+tests/test_orch110_observability.py .....  (TC-12)
+======================== 55 passed, 1 warning in 15.17s ========================
+```
+
+### Полный регресс
+```
+$ cd /repos/_wt/orchestrator/feature_ORCH-110-bug-merge-gate-local-re-test-t && python3 -m pytest tests/ -q --tb=short
+........................................................................ [100%]
+1988 passed, 1 warning in 346.71s (0:05:46)
+```
+(Единственное warning — `PydanticDeprecatedSince20` в `src/config.py:8`, предсуществующее, не связано
+с ORCH-110.)
+
+## Итог
+PASS
+
+- Полный регресс `pytest tests/` — **1988 passed** (0 failed).
+- Все 12 TC из `04-test-plan.yaml` выполнены, сопоставлены с `03-acceptance-criteria.md` (AC-1…AC-10) — **PASS**.
+- Smoke API read-only (`/health`, `/status`, `/queue`) — OK; блоки `serial_gate` и `auto_labels` присутствуют.
+- Review-вердикт — `APPROVED`.
+
+**Вердикт: `result: PASS`** → задача переходит на `deploy-staging`.

docs/work-items/ORCH-110/14-deploy-log.md

@@ -0,0 +1,12 @@
+---
+deploy_status: SUCCESS
+work_item: ORCH-110
+hook_exit_code: 0
+deployed_by: deploy-finalizer
+---
+
+# Deploy log — ORCH-036 executable self-deploy
+
+Прод-деплой завершён хост-хуком с exit-code `0` -> `deploy_status: SUCCESS`.
+
+Вердикт зафиксирован детерминированным finalizer'ом (Фаза C), не LLM.

src/config.py

@@ -202,18 +202,50 @@ class Settings(BaseSettings):
     #                             only the self-hosting repo (orchestrator). Other
     #                             repos -> conditional no-op (mirrors ORCH-35 staging).
     #   merge_retest_timeout_s -> wall-clock budget for the post-rebase re-test.
+    #       ORCH-110 (D5): raised 600 -> 900 (74% headroom over the observed 516.7s
+    #       suite vs the prior ~16%). Cross-invariant (ORCH-065/109): keep
+    #       reaper_max_running_s (5400) > Σ(deploy-staging gate-work) + grace — see
+    #       docs/work-items/ORCH-110/07-infra-requirements.md.
     #   merge_retest_target    -> pytest target for the re-test (portability across repos).
     #   merge_lock_timeout_s   -> max lease age; an older lease is reclaimed (crash backstop).
     #   merge_defer_delay_s    -> delay before re-running the gate when the lock is busy.
     #   merge_defer_max_attempts -> defer retries before escalation (avoids livelock).
     merge_gate_enabled: bool = True
     merge_gate_repos: str = ""
-    merge_retest_timeout_s: int = 600
+    merge_retest_timeout_s: int = 900
     merge_retest_target: str = "tests/"
     merge_lock_timeout_s: int = 300
     merge_defer_delay_s: int = 60
     merge_defer_max_attempts: int = 5
 
+    # ORCH-110: merge-gate re-test infra-timeout tolerance + tree-kill of the
+    # orchestrator-spawned pytest subprocess (re-test + coverage). Each default =
+    # the desired prod behaviour (ORCH-101 canon); each flag is an INDEPENDENT
+    # kill-switch (off -> byte-for-byte pre-ORCH-110). Detailed ADR:
+    # docs/work-items/ORCH-110/06-adr/ADR-001-merge-gate-retest-infra-tolerance-and-tree-kill.md.
+    #   subprocess_tree_kill_enabled           -> D1: spawn the re-test / coverage
+    #       pytest in its own process group and tree-kill the WHOLE group on timeout
+    #       (no orphan grandchildren grinding the host CPU). off -> the prior
+    #       subprocess.run(timeout=) (ORCH_SUBPROCESS_TREE_KILL_ENABLED).
+    #   merge_retest_infra_tolerance_enabled   -> D3: a re-test TIMEOUT is a transient
+    #       (bounded infra-retry, NOT a code-fault rollback to development burning a
+    #       developer retry). off -> timeout = the prior rollback
+    #       (ORCH_MERGE_RETEST_INFRA_TOLERANCE_ENABLED).
+    #   merge_retest_infra_max_retries         -> D3: infra-retry budget before an
+    #       infra-alert (anti-loop). (ORCH_MERGE_RETEST_INFRA_MAX_RETRIES)
+    #   merge_retest_infra_retry_delay_s       -> D3: delay before the staging-deployer
+    #       re-run. (ORCH_MERGE_RETEST_INFRA_RETRY_DELAY_S)
+    #   merge_retest_skip_when_current_enabled -> D4: skip the local re-test when the
+    #       pre-merge rebase was a PROVEN no-op (branch already at origin/main; HEAD is
+    #       exactly the CI/tester/staging-validated commit). off -> always re-test
+    #       after rebase (ORCH_MERGE_RETEST_SKIP_WHEN_CURRENT_ENABLED).
+    # The tree-kill grace reuses the existing agent_kill_grace_seconds (no new key).
+    subprocess_tree_kill_enabled: bool = True
+    merge_retest_infra_tolerance_enabled: bool = True
+    merge_retest_infra_max_retries: int = 2
+    merge_retest_infra_retry_delay_s: int = 120
+    merge_retest_skip_when_current_enabled: bool = True
+
     # ORCH-036: executable self-deploy (deploy stage drives the host hook).
     # The `deploy` stage for the self-hosting repo is turned into a REAL prod
     # restart via a detached host process, gated by a manual approve. Three-phase

src/coverage_gate.py

@@ -44,7 +44,8 @@ Invariants (ADR-001 §7, never broken):
     artefact / decides. It never calls the deploy hook, never restarts the prod
     container, never pushes / force-pushes ``main``.
 
-This module is a **leaf**: it imports only ``config`` / ``git_worktree`` and lazily
+This module is a **leaf**: it imports only ``config`` / ``git_worktree`` /
+``proc_group`` (the ORCH-110 stdlib-only process-group runner) and lazily
 ``qg.checks.is_self_hosting_repo`` / ``db`` / ``notifications``; it never imports
 ``stage_engine``.
 """
@@ -52,11 +53,11 @@ This module is a **leaf**: it imports only ``config`` / ``git_worktree`` and laz
 import json
 import logging
 import os
-import subprocess
 import sys
 
 from .config import settings
 from .git_worktree import ensure_worktree, get_worktree_path
+from .proc_group import run_in_process_group  # ORCH-110 D1: tree-kill on timeout
 
 logger = logging.getLogger("orchestrator.coverage_gate")
 
@@ -152,22 +153,25 @@ def measure_coverage(repo: str, branch: str) -> float | None:
         "-q",
     ]
     timeout = settings.coverage_run_timeout_s
-    try:
-        subprocess.run(cmd, cwd=wt, capture_output=True, text=True, timeout=timeout)
-    except subprocess.TimeoutExpired:
+    # ORCH-110 (D1 / FR-2 / BR-3): run the coverage suite in its OWN process group so
+    # a timeout tree-kills the WHOLE subtree (the sibling orphan-leak source of the
+    # ORCH-109 incident), not just the direct child. The metric is read from the JSON
+    # file regardless of the exit code, so a non-timeout spawn/OS error (returncode
+    # None) just falls through to "no coverage json produced" -> None, byte-for-byte
+    # the prior fail-open contract.
+    res = run_in_process_group(
+        cmd,
+        cwd=wt,
+        timeout=timeout,
+        tree_kill=bool(getattr(settings, "subprocess_tree_kill_enabled", True)),
+        grace_s=settings.agent_kill_grace_seconds,
+    )
+    if res.timed_out:
         logger.warning(
             "measure_coverage: pytest --cov timed out after %ss for %s/%s",
             timeout, repo, branch,
         )
         return None
-    except FileNotFoundError:
-        logger.warning(
-            "measure_coverage: pytest / pytest-cov not available for %s/%s", repo, branch
-        )
-        return None
-    except (subprocess.SubprocessError, OSError) as e:
-        logger.warning("measure_coverage: pytest --cov error for %s/%s: %s", repo, branch, e)
-        return None
 
     data = None
     try:

src/main.py

@@ -225,6 +225,11 @@ async def queue():
         "reaper": reaper.status(),
         "post_deploy": post_deploy.status(),
         "merge_verify": merge_gate.merge_verify_status(),
+        # ORCH-110 (D6): merge-gate re-test infra-timeout observability (read-only) —
+        # tolerance/skip/tree-kill flags + timeout/infra-retry/skip counters, so an
+        # infra-timeout is distinguishable from a code-fault rollback. Additive block;
+        # never-raise.
+        "merge_gate": merge_gate.merge_gate_status(),
         # ORCH-026 (G-2): declarative task-dependency observability (read-only,
         # NOT a source of truth) — declared edges, blocked tasks, detected cycle.
         "task_deps": task_deps.snapshot(),

src/merge_gate.py

@@ -36,6 +36,7 @@ import time
 
 from .config import settings
 from .git_worktree import ensure_worktree, get_worktree_path
+from .proc_group import run_in_process_group  # ORCH-110 D1: tree-kill on timeout
 
 logger = logging.getLogger("orchestrator.merge_gate")
 
@@ -175,17 +176,103 @@ def auto_rebase_onto_main(repo: str, branch: str) -> tuple[bool, str]:
 # ---------------------------------------------------------------------------
 # re-test in the caught-up worktree
 # ---------------------------------------------------------------------------
+def _resolve_retest_timeout() -> int:
+    """Resolve the re-test wall-clock budget (ORCH-110 D5), never-break.
+
+    ``int(settings.merge_retest_timeout_s)`` when it is a positive int; otherwise
+    the safe default (900) + WARNING (mirrors ``launcher._resolve_timeout``). A
+    malformed / non-positive config never reaches ``subprocess`` (FR-3 / AC-5).
+    """
+    default = 900
+    try:
+        v = int(settings.merge_retest_timeout_s)
+        if v > 0:
+            return v
+        logger.warning(
+            "Non-positive merge_retest_timeout_s=%r; using default %ss",
+            settings.merge_retest_timeout_s, default,
+        )
+    except (TypeError, ValueError):
+        logger.warning(
+            "Invalid merge_retest_timeout_s=%r; using default %ss",
+            settings.merge_retest_timeout_s, default,
+        )
+    return default
+
+
+def head_sha(repo: str, branch: str) -> str:
+    """Return ``git rev-parse HEAD`` of the branch worktree, or ``""`` (ORCH-110 D4).
+
+    Used by ``check_branch_mergeable`` to detect a no-op rebase (HEAD unchanged ->
+    branch already contained the latest origin/main). Reads ONLY the existing
+    per-branch worktree (``get_worktree_path``; the worktree exists by the
+    deploy-staging->deploy edge) — it never CREATES one, so on an absent worktree it
+    safely returns ``""`` (the no-op-skip then never triggers; re-test runs —
+    fail-safe). Never-raise: any git/OS error -> ``""``.
+    """
+    try:
+        wt = get_worktree_path(repo, branch)
+        if not os.path.isdir(wt):
+            return ""
+        r = subprocess.run(
+            ["git", "-C", wt, "rev-parse", "HEAD"],
+            capture_output=True, text=True, timeout=_SHORT_TIMEOUT,
+        )
+        if r.returncode != 0:
+            return ""
+        return (r.stdout or "").strip()
+    except (subprocess.SubprocessError, OSError) as e:
+        logger.warning("head_sha error for %s/%s: %s", repo, branch, e)
+        return ""
+
+
+def classify_retest_failure(reason: str) -> str:
+    """Classify a merge-gate FAIL ``reason`` (ORCH-110 D2). Pure, never-raise.
+
+    The single point for the 'magic string' of the re-test outcome so the routing
+    in ``stage_engine._handle_merge_gate`` can distinguish an INFRA timeout from a
+    real RED re-test without scattering ``"timeout" in reason`` checks:
+
+      * ``"timeout"``   — the re-test hit its wall-clock budget (infra/resource);
+                          ``check_branch_mergeable`` returns ``"re-test timeout after <T>s"``.
+      * ``"red"``       — a deterministically red re-test (a real code defect):
+                          ``"re-test failed after rebase: ..."``.
+      * ``"lock-busy"`` — merge-lock contention (``"merge-lock busy"``).
+      * ``"other"``     — rebase conflict / setup error / anything else.
+
+    SCOPE (ADR D2): ONLY the re-test timeout is an infra-tolerated transient.
+    ``auto_rebase_onto_main``'s own ``"rebase timeout"`` is a DIFFERENT timeout (git
+    hung) and stays on the rollback path — without a successful rebase the branch
+    cannot be caught up to ``main``, so a merge is impossible by construction.
+    """
+    try:
+        r = (reason or "").strip().lower()
+        if r == "merge-lock busy":
+            return "lock-busy"
+        if "re-test timeout" in r:
+            return "timeout"
+        if r.startswith("re-test failed"):
+            return "red"
+        return "other"
+    except Exception:  # noqa: BLE001 - never-raise; unknown -> other (safe: rollback)
+        return "other"
+
+
 def retest_branch(repo: str, branch: str) -> tuple[bool, str]:
     """Run the project test-suite in the (already caught-up) branch worktree.
 
     Command: ``python -m pytest <merge_retest_target>`` (default ``tests/``),
-    matching the orchestrator CI / check_tests_local pattern. Bounded by
-    ``settings.merge_retest_timeout_s``.
+    matching the orchestrator CI / check_tests_local pattern. Bounded by the
+    validated ``_resolve_retest_timeout()`` budget (ORCH-110 D5).
 
-    Returns:
+    ORCH-110 (D1 / FR-2): the suite is spawned in its OWN process group via
+    ``run_in_process_group`` so a timeout tree-kills the WHOLE subtree (no orphan
+    grandchildren grinding the host CPU). The RETURN contract is byte-for-byte the
+    prior one — only the side effect (no leak) changes:
       * ``(True,  "re-test green")``                 — pytest rc == 0
-      * ``(False, "re-test timeout after <T>s")``    — exceeded the timeout (AC-6)
+      * ``(False, "re-test timeout after <T>s")``    — exceeded the timeout (AC-4/AC-6)
       * ``(False, "re-test failed: ...<tail>")``     — non-zero rc, with output tail
+      * ``(False, "re-test error: ...")``            — spawn / OS error (not a timeout)
     Never-raise (AC-9): any setup/OS error -> ``(False, "<reason>")``.
     """
     wt = get_worktree_path(repo, branch)
@@ -197,21 +284,25 @@ def retest_branch(repo: str, branch: str) -> tuple[bool, str]:
             return False, f"re-test setup error: {e}"
 
     target = settings.merge_retest_target or "tests/"
-    timeout = settings.merge_retest_timeout_s
-    try:
-        r = subprocess.run(
-            ["python", "-m", "pytest", target, "-q"],
-            cwd=wt, capture_output=True, text=True, timeout=timeout,
-        )
-    except subprocess.TimeoutExpired:
+    timeout = _resolve_retest_timeout()
+    res = run_in_process_group(
+        ["python", "-m", "pytest", target, "-q"],
+        cwd=wt,
+        timeout=timeout,
+        tree_kill=bool(getattr(settings, "subprocess_tree_kill_enabled", True)),
+        grace_s=settings.agent_kill_grace_seconds,
+    )
+    if res.timed_out:
         logger.warning("retest_branch: timeout (%ss) on %s/%s", timeout, repo, branch)
         return False, f"re-test timeout after {timeout}s"
-    except (subprocess.SubprocessError, OSError) as e:
-        return False, f"re-test error: {e}"
-
-    if r.returncode == 0:
+    if res.returncode is None:
+        # Spawn / OS error that was NOT a timeout -> preserve the prior error reason.
+        detail = (res.stderr or "").strip()[:200]
+        logger.warning("retest_branch: spawn error on %s/%s: %s", repo, branch, detail)
+        return False, f"re-test error: {detail}"
+    if res.returncode == 0:
         return True, "re-test green"
-    tail = ((r.stdout or "") + (r.stderr or ""))[-500:]
+    tail = ((res.stdout or "") + (res.stderr or ""))[-500:]
     logger.warning("retest_branch: red on %s/%s", repo, branch)
     return False, f"re-test failed: ...{tail}"
 
@@ -576,6 +667,82 @@ def merge_verify_status() -> dict:
         return {"enabled": False}
 
 
+# ---------------------------------------------------------------------------
+# ORCH-110 (D6): re-test infra-timeout observability counters (read-only).
+#
+# In-process counters (mirror _MERGE_VERIFY_COUNTERS): reset only on process start,
+# surfaced read-only via merge_gate_status() in GET /queue. NEVER the source of any
+# decision — purely informational, so an infra timeout is distinguishable from a
+# code-fault rollback in the snapshot. never-raise.
+# ---------------------------------------------------------------------------
+_MERGE_GATE_COUNTERS: dict = {
+    "retest_timeout_total": 0,          # re-test hit its wall-clock budget
+    "retest_infra_retry_total": 0,      # infra-timeout -> bounded re-queue (D3)
+    "retest_infra_exhausted_total": 0,  # infra-retry budget exhausted -> infra-alert
+    "retest_skipped_current_total": 0,  # re-test skipped on a no-op rebase (D4)
+    "last_infra_timeout_wi": None,
+}
+
+
+def note_retest_timeout(work_item_id: str | None = None) -> None:
+    """Bump the 're-test timeout' counter (observability only). Never raises."""
+    try:
+        _MERGE_GATE_COUNTERS["retest_timeout_total"] += 1
+        _MERGE_GATE_COUNTERS["last_infra_timeout_wi"] = work_item_id
+    except Exception:  # noqa: BLE001 - observability must never break a decision
+        pass
+
+
+def note_retest_infra_retry() -> None:
+    """Bump the 'infra-timeout re-queue' counter (observability only). Never raises."""
+    try:
+        _MERGE_GATE_COUNTERS["retest_infra_retry_total"] += 1
+    except Exception:  # noqa: BLE001 - observability must never break a decision
+        pass
+
+
+def note_retest_infra_exhausted() -> None:
+    """Bump the 'infra-retry exhausted' counter (observability only). Never raises."""
+    try:
+        _MERGE_GATE_COUNTERS["retest_infra_exhausted_total"] += 1
+    except Exception:  # noqa: BLE001 - observability must never break a decision
+        pass
+
+
+def note_retest_skipped_current() -> None:
+    """Bump the 're-test skipped (no-op rebase)' counter (D4). Never raises."""
+    try:
+        _MERGE_GATE_COUNTERS["retest_skipped_current_total"] += 1
+    except Exception:  # noqa: BLE001 - observability must never break a decision
+        pass
+
+
+def merge_gate_status() -> dict:
+    """Read-only snapshot of the ORCH-110 merge-gate re-test path for GET /queue.
+
+    Additive block; existing /queue keys are untouched. Surfaces the flags +
+    counters so an infra-timeout (retry/exhaustion) is distinguishable from a
+    code-fault rollback. Never the source of any decision. never-raise.
+    """
+    try:
+        return {
+            "infra_tolerance_enabled": bool(settings.merge_retest_infra_tolerance_enabled),
+            "infra_max_retries": settings.merge_retest_infra_max_retries,
+            "infra_retry_delay_s": settings.merge_retest_infra_retry_delay_s,
+            "skip_when_current_enabled": bool(settings.merge_retest_skip_when_current_enabled),
+            "tree_kill_enabled": bool(settings.subprocess_tree_kill_enabled),
+            "retest_timeout_s": settings.merge_retest_timeout_s,
+            "retest_timeout_total": _MERGE_GATE_COUNTERS["retest_timeout_total"],
+            "retest_infra_retry_total": _MERGE_GATE_COUNTERS["retest_infra_retry_total"],
+            "retest_infra_exhausted_total": _MERGE_GATE_COUNTERS["retest_infra_exhausted_total"],
+            "retest_skipped_current_total": _MERGE_GATE_COUNTERS["retest_skipped_current_total"],
+            "last_infra_timeout_wi": _MERGE_GATE_COUNTERS["last_infra_timeout_wi"],
+        }
+    except Exception as e:  # noqa: BLE001 - never-raise contract
+        logger.warning("merge_gate_status error: %s", e)
+        return {"infra_tolerance_enabled": False}
+
+
 def merge_verify_applies(repo: str) -> bool:
     """Whether the ORCH-071 merge-verify under-gate is REAL for this repo.
 
@@ -1037,6 +1204,7 @@ MAIN_REGRESSION_MARKERS: list[tuple[str, str, str]] = [
     ("ORCH-073", "check_main_regression", "src/merge_gate.py"),
     ("ORCH-082", "ensure_open_pr", "src/merge_gate.py"),
     ("ORCH-093", "_classify_merge_response", "src/merge_gate.py"),
+    ("ORCH-110", "classify_retest_failure", "src/merge_gate.py"),
 ]
 
 

src/proc_group.py

@@ -0,0 +1,179 @@
+"""Process-group runner with tree-kill on timeout (ORCH-110 D1).
+
+Background
+----------
+The orchestrator spawns its OWN pytest subprocesses OUTSIDE the LLM-agent path:
+``merge_gate.retest_branch`` (the merge-gate re-test) and
+``coverage_gate.measure_coverage`` (the coverage measurement). Both used a plain
+``subprocess.run(..., timeout=...)``. On ``TimeoutExpired`` CPython kills only the
+DIRECT child (``proc.kill()``); any grandchildren (pytest-xdist workers, tests that
+spawn their own processes) are re-parented to PID 1 and keep running — for days,
+starving the host CPU. That orphan leak is a ROOT cause of the ORCH-109 / PR #129
+incident (a 516s suite blew its 600s budget under CPU starvation -> a false
+merge-gate rollback after a green CI).
+
+This leaf gives those orchestrator-spawned runs the SAME SIGTERM->grace->SIGKILL
+cascade the LLM agents already get from ``launcher.stop_process`` — but at the
+process-GROUP level so the WHOLE subtree dies on a timeout:
+
+  * the child becomes the leader of a NEW session / process group
+    (``start_new_session=True`` -> ``setsid``), so every descendant shares
+    ``pgid == child.pid``;
+  * on timeout the whole group is killed with ``os.killpg`` (SIGTERM, grace poll,
+    then SIGKILL), then reaped (no zombies).
+
+Invariants:
+  * **stdlib-only leaf** — imports only ``os`` / ``signal`` / ``subprocess`` /
+    ``time`` / ``logging`` / ``dataclasses``; NEVER another ``src/*`` module
+    (mirrors the purity of ``serial_gate`` / ``staging_verdict``).
+  * **never-raise** — any OS error degrades to a safe ``ProcResult`` (the caller maps
+    it to its existing contract); an exception never escapes.
+  * **never-break fallback** — with ``tree_kill=False`` OR on a platform without
+    ``os.killpg`` / ``os.setsid`` (non-POSIX) it degrades to the prior
+    ``subprocess.run(cmd, ..., timeout=timeout)`` (byte-for-byte the old behaviour;
+    prod is Linux and never hits the fallback).
+"""
+
+import logging
+import os
+import signal
+import subprocess
+import time
+from dataclasses import dataclass
+
+logger = logging.getLogger("orchestrator.proc_group")
+
+
+@dataclass
+class ProcResult:
+    """Outcome of a process-group run (ORCH-110 D1).
+
+    ``returncode`` is the child's exit code, or ``None`` when the process could not
+    be reaped with a real code (timeout-kill / spawn error). ``timed_out`` is True
+    iff the command exceeded its wall-clock budget (and the whole group was killed).
+    """
+
+    returncode: int | None
+    stdout: str
+    stderr: str
+    timed_out: bool
+
+
+def _tree_kill_supported() -> bool:
+    """POSIX process-group ops available? (non-POSIX -> fall back to subprocess.run)."""
+    return hasattr(os, "killpg") and hasattr(os, "getpgid") and hasattr(os, "setsid")
+
+
+def _kill_group(pid: int, grace_s: float) -> None:
+    """SIGTERM -> grace -> SIGKILL the whole process GROUP led by ``pid``.
+
+    Mirrors ``launcher.stop_process`` but targets the process GROUP (``os.killpg``)
+    so grandchildren die too. ``ProcessLookupError`` is tolerated at every step (the
+    group may already be gone). Never raises.
+    """
+    try:
+        pgid = os.getpgid(pid)
+    except (ProcessLookupError, OSError):
+        return
+
+    # Phase 1: SIGTERM the whole group (graceful).
+    try:
+        os.killpg(pgid, signal.SIGTERM)
+    except ProcessLookupError:
+        return
+    except OSError as e:  # noqa: BLE001 - never-raise
+        logger.warning("proc_group: SIGTERM killpg(%s) error: %s", pgid, e)
+
+    # Phase 2: poll for graceful group exit within the grace window.
+    poll = 0.2
+    waited = 0.0
+    while waited < max(0.0, grace_s):
+        time.sleep(poll)
+        waited += poll
+        try:
+            os.killpg(pgid, 0)  # signal 0 = liveness probe of the group
+        except ProcessLookupError:
+            return  # whole group gone
+        except OSError:
+            break
+
+    # Phase 3: still alive -> hard SIGKILL the group.
+    try:
+        os.killpg(pgid, signal.SIGKILL)
+    except ProcessLookupError:
+        return
+    except OSError as e:  # noqa: BLE001 - never-raise
+        logger.warning("proc_group: SIGKILL killpg(%s) error: %s", pgid, e)
+
+
+def _run_plain(cmd, *, cwd, timeout, env=None) -> ProcResult:
+    """Fallback path: prior ``subprocess.run`` semantics (never-break)."""
+    try:
+        r = subprocess.run(
+            cmd, cwd=cwd, env=env, capture_output=True, text=True, timeout=timeout
+        )
+        return ProcResult(
+            returncode=r.returncode, stdout=r.stdout or "", stderr=r.stderr or "",
+            timed_out=False,
+        )
+    except subprocess.TimeoutExpired:
+        return ProcResult(returncode=None, stdout="", stderr="", timed_out=True)
+    except (subprocess.SubprocessError, OSError) as e:
+        logger.warning("proc_group(_run_plain): error for %s: %s", cmd, e)
+        return ProcResult(returncode=None, stdout="", stderr=str(e), timed_out=False)
+
+
+def run_in_process_group(
+    cmd, *, cwd, timeout, env=None, grace_s: float = 5.0, tree_kill: bool = True
+) -> ProcResult:
+    """Run ``cmd`` in its own process group; tree-kill the whole group on timeout.
+
+    See the module docstring. Returns a ``ProcResult``; ``timed_out=True`` iff the
+    command exceeded ``timeout`` (and the whole group was killed). Never raises.
+
+    Fallback (never-break): ``tree_kill=False`` or a non-POSIX platform -> a plain
+    ``subprocess.run(cmd, ..., timeout=timeout)`` (the prior behaviour).
+    """
+    if not tree_kill or not _tree_kill_supported():
+        return _run_plain(cmd, cwd=cwd, timeout=timeout, env=env)
+
+    try:
+        proc = subprocess.Popen(  # noqa: S603 - cmd is an internal, fixed argv
+            cmd,
+            cwd=cwd,
+            env=env,
+            stdout=subprocess.PIPE,
+            stderr=subprocess.PIPE,
+            text=True,
+            start_new_session=True,  # setsid -> child leads a new process group
+        )
+    except (OSError, ValueError) as e:
+        logger.warning("proc_group: spawn error for %s: %s", cmd, e)
+        return ProcResult(returncode=None, stdout="", stderr=str(e), timed_out=False)
+
+    try:
+        out, err = proc.communicate(timeout=timeout)
+        return ProcResult(
+            returncode=proc.returncode, stdout=out or "", stderr=err or "",
+            timed_out=False,
+        )
+    except subprocess.TimeoutExpired:
+        # Tree-kill the WHOLE group (children + grandchildren), then reap to avoid
+        # leaving a zombie behind.
+        _kill_group(proc.pid, grace_s)
+        out, err = "", ""
+        try:
+            out, err = proc.communicate(timeout=grace_s + 5.0)
+        except (subprocess.TimeoutExpired, OSError, ValueError):
+            try:
+                proc.wait(timeout=grace_s + 5.0)
+            except (subprocess.TimeoutExpired, OSError, ValueError):
+                pass
+        return ProcResult(
+            returncode=proc.returncode, stdout=out or "", stderr=err or "",
+            timed_out=True,
+        )
+    except (OSError, ValueError) as e:  # noqa: BLE001 - never-raise
+        logger.warning("proc_group: communicate error for %s: %s", cmd, e)
+        _kill_group(proc.pid, grace_s)
+        return ProcResult(returncode=proc.returncode, stdout="", stderr=str(e), timed_out=False)

src/qg/checks.py

@@ -708,10 +708,38 @@ def check_branch_mergeable(repo: str, work_item_id: str, branch: str) -> tuple[b
                 logger.info("check_branch_mergeable: %s up-to-date with main", branch)
                 return True, "branch up-to-date with main"
 
+            # ORCH-110 (D4): capture HEAD before/after the rebase to detect a no-op
+            # rebase (branch already contained the latest origin/main).
+            pre_sha = merge_gate.head_sha(repo, branch)
             ok, rb_reason = merge_gate.auto_rebase_onto_main(repo, branch)
             if not ok:
                 merge_gate.release_merge_lease(repo, branch)
                 return False, rb_reason  # "rebase conflict: ..."
+            post_sha = merge_gate.head_sha(repo, branch)
+
+            # ORCH-110 (D4 / FR-4 / AC-6): re-test contract. ORCH-043 catches a
+            # SEMANTIC merge conflict that can only arise when ``main`` actually moved
+            # and the branch was really rebased onto new commits. When the rebase was
+            # a PROVEN no-op (HEAD unchanged), there is no "moved main" -> the local
+            # re-test re-checks exactly the commit CI + tester + staging already
+            # validated on THIS HEAD -> it is a redundant single point of false
+            # failure (the ORCH-109 timeout incident). Skip it ONLY on a proven no-op
+            # (both SHAs non-empty AND equal); on ANY uncertainty (empty SHA / flag
+            # off) the re-test runs (fail-safe to BR-6/AC-3). This extends to the
+            # premerge_rebase_always=True path the same optimisation the
+            # premerge_rebase_always=False not-behind short-circuit already has.
+            if (
+                bool(getattr(settings, "merge_retest_skip_when_current_enabled", False))
+                and pre_sha and post_sha and pre_sha == post_sha
+            ):
+                logger.info(
+                    "check_branch_mergeable: %s rebase no-op (HEAD %s unchanged) -> "
+                    "re-test skipped (HEAD CI-validated)", branch, pre_sha[:8],
+                )
+                merge_gate.note_retest_skipped_current()
+                return True, (
+                    "branch up-to-date (re-test skipped: rebase no-op, HEAD CI-validated)"
+                )
 
             ok_t, t_reason = merge_gate.retest_branch(repo, branch)
             if ok_t:

src/stage_engine.py

@@ -995,6 +995,22 @@ def _handle_merge_gate(
         )
         return True
 
+    # ORCH-110 (D2/D3): classify the FAIL cause. An INFRA re-test TIMEOUT (the
+    # ORCH-109 incident: green CI + green tester, but the local re-test blew its
+    # wall-clock budget under CPU starvation) is a TRANSIENT, NOT a code fault — it
+    # must NOT take the _handle_merge_gate_rollback path (rollback to development +
+    # burn a developer retry that nobody can fix). Route it to a bounded infra-retry
+    # instead. A deterministically RED re-test / conflict still rolls back (BR-6 /
+    # AC-3). Kill-switch off -> byte-for-byte the prior behaviour (timeout ->
+    # rollback), NFR-2.
+    if merge_gate.classify_retest_failure(reason) == "timeout":
+        merge_gate.note_retest_timeout(work_item_id)
+        if settings.merge_retest_infra_tolerance_enabled:
+            _handle_merge_gate_infra_retry(
+                task_id, current_stage, repo, work_item_id, branch, reason, result
+            )
+            return True
+
     _handle_merge_gate_rollback(
         task_id, current_stage, repo, work_item_id, branch, reason, result
     )
@@ -1044,6 +1060,110 @@ def _handle_merge_gate_defer(
         )
 
 
+def _merge_infra_retry_count(task_id: int) -> int:
+    """How many times this task was re-queued by the merge-gate infra-timeout path.
+
+    Restart-safe (mirror of ``_merge_defer_count``): counted from the persisted jobs
+    queue by the infra-retry marker in task_content, so a service restart never
+    resets the infra-retry budget (ORCH-110 D3 / AC-9).
+    """
+    conn = get_db()
+    n = conn.execute(
+        "SELECT COUNT(*) FROM jobs WHERE task_id=? AND "
+        "task_content LIKE '%merge-gate infra-timeout retry%'",
+        (task_id,),
+    ).fetchone()[0]
+    conn.close()
+    return n
+
+
+def _handle_merge_gate_infra_retry(
+    task_id, current_stage, repo, work_item_id, branch, reason, result: AdvanceResult
+):
+    """ORCH-110 (D3): merge-gate re-test INFRA timeout -> bounded infra-retry.
+
+    Mirror of ``_handle_merge_gate_defer`` (NOT ``_handle_merge_gate_rollback``): the
+    task STAYS on deploy-staging, the staging-deployer is re-queued after a delay, and
+    there is NO ``update_task_stage("development")``, NO developer-retry increment and
+    NO code-fault QG-failure semantics — so a green-CI + green-tester task is never
+    falsely sent back to development for an infra hiccup (BR-1 / AC-1). The merge lease
+    was already released by ``check_branch_mergeable`` on the timeout, so the re-run
+    re-acquires it normally (defer-path parity).
+
+    Bounded (anti-loop, NFR-5 / AC-9): after ``merge_retest_infra_max_retries``
+    re-tries the task is blocked with an INFRA-specific alert (a resource problem,
+    explicitly NOT "developer must fix"), so it never bounces forever. The first
+    timeout already tree-killed the orphan processes (D1), so the next re-test usually
+    passes — the retry is recovery, not masking. The task does NOT move to development.
+
+    never-raise (TC-09): any unexpected error in this transient path is logged with a
+    WARNING and swallowed (the task simply stays on deploy-staging for the reconciler /
+    reaper to re-drive) so an exception never escapes into ``advance_stage``.
+    """
+    try:
+        _merge_gate_infra_retry_impl(
+            task_id, current_stage, repo, work_item_id, branch, reason, result
+        )
+    except Exception as e:  # noqa: BLE001 - never-raise; do not crash advance_stage
+        logger.warning(
+            f"Task {task_id}: merge-gate infra-retry path error: {e} "
+            f"(swallowed; task stays on deploy-staging)"
+        )
+        result.note = "merge-gate-infra-retry-error"
+
+
+def _merge_gate_infra_retry_impl(
+    task_id, current_stage, repo, work_item_id, branch, reason, result: AdvanceResult
+):
+    """Body of the merge-gate infra-retry (ORCH-110 D3); wrapped by the never-raise
+    ``_handle_merge_gate_infra_retry``."""
+    retries = _merge_infra_retry_count(task_id)
+    if retries < settings.merge_retest_infra_max_retries:
+        task_desc = (
+            f"Work item: {work_item_id}\nRepo: {repo}\nBranch: {branch}\n"
+            f"Stage: deploy-staging\nNote: merge-gate infra-timeout retry "
+            f"(attempt {retries + 1}/{settings.merge_retest_infra_max_retries}) — "
+            f"re-test hit the wall-clock budget (infra/resource, NOT a code defect); "
+            f"retrying after {settings.merge_retest_infra_retry_delay_s}s. Reason: {reason}."
+        )
+        new_job = enqueue_job(
+            "deployer", repo, task_desc, task_id=task_id,
+            available_at_delay_s=settings.merge_retest_infra_retry_delay_s,
+        )
+        merge_gate.note_retest_infra_retry()
+        result.enqueued_agent = "deployer"
+        result.enqueued_job_id = new_job
+        result.note = "merge-gate-infra-retry"
+        logger.warning(
+            f"Task {task_id}: merge-gate re-test infra-timeout, re-queued deployer "
+            f"(job_id={new_job}, attempt {retries + 1}/"
+            f"{settings.merge_retest_infra_max_retries}); NOT a code fault ({reason})"
+        )
+    else:
+        merge_gate.note_retest_infra_exhausted()
+        set_issue_blocked(work_item_id)
+        send_telegram(
+            f"⏳ {link_for(work_item_id)}: merge-gate re-test infra-timeout "
+            f"сохраняется после {settings.merge_retest_infra_max_retries} повторов — "
+            f"ресурсная проблема (CPU / осиротевшие процессы), НЕ дефект кода. "
+            f"Проверьте хост / нужно ручное вмешательство."
+        )
+        plane_add_comment(
+            work_item_id,
+            f"⏳ Merge-gate re-test infra-timeout сохраняется после "
+            f"{settings.merge_retest_infra_max_retries} повторов — инфраструктурная "
+            f"проблема (ресурсы / осиротевшие процессы), НЕ дефект кода. Задача "
+            f"остаётся на deploy-staging; нужно ручное вмешательство (НЕ доработка кода).",
+            author="deployer",
+        )
+        result.alerted = True
+        result.note = "merge-gate-infra-retry-exhausted"
+        logger.error(
+            f"Task {task_id}: merge-gate re-test infra-timeout exhausted "
+            f"({settings.merge_retest_infra_max_retries} retries) ({reason})"
+        )
+
+
 def _handle_merge_gate_rollback(
     task_id, current_stage, repo, work_item_id, branch, reason, result: AdvanceResult
 ):

tests/test_config.py

@@ -56,7 +56,7 @@ def test_merge_gate_settings_defaults(monkeypatch):
     s = Settings()
     assert s.merge_gate_enabled is True
     assert s.merge_gate_repos == ""
-    assert s.merge_retest_timeout_s == 600
+    assert s.merge_retest_timeout_s == 900  # ORCH-110 D5: raised 600 -> 900
     assert s.merge_retest_target == "tests/"
     assert s.merge_lock_timeout_s == 300
     assert s.merge_defer_delay_s == 60

tests/test_coverage_gate.py

@@ -425,12 +425,14 @@ def test_tc14_real_measurement(tmp_path, monkeypatch):
 
 
 def test_tc14_measure_timeout_returns_none(monkeypatch):
-    import subprocess
+    # ORCH-110: measure_coverage now runs via proc_group.run_in_process_group
+    # (tree-kill on timeout). A timed_out ProcResult -> None (prior contract).
+    from src.proc_group import ProcResult
     monkeypatch.setattr(cg, "ensure_worktree", lambda r, b: "/tmp")
-
-    def _timeout(*a, **k):
-        raise subprocess.TimeoutExpired(cmd="pytest", timeout=1)
-    monkeypatch.setattr(cg.subprocess, "run", _timeout)
+    monkeypatch.setattr(
+        cg, "run_in_process_group",
+        lambda *a, **k: ProcResult(returncode=None, stdout="", stderr="", timed_out=True),
+    )
     assert cg.measure_coverage(_REPO, _BRANCH) is None
 
 

tests/test_merge_gate.py

@@ -203,10 +203,16 @@ def fake_worktree(tmp_path, monkeypatch):
     return str(wt)
 
 
+# ORCH-110: retest_branch now runs the suite via proc_group.run_in_process_group
+# (tree-kill on timeout). The seam is mocked with a ProcResult; the RETURN contract
+# is byte-for-byte the prior one.
+from src.proc_group import ProcResult  # noqa: E402
+
+
 def test_tc07_retest_green(fake_worktree, monkeypatch):
     monkeypatch.setattr(
-        merge_gate.subprocess, "run",
-        lambda *a, **k: subprocess.CompletedProcess(a, 0, "1 passed", ""),
+        merge_gate, "run_in_process_group",
+        lambda *a, **k: ProcResult(returncode=0, stdout="1 passed", stderr="", timed_out=False),
     )
     ok, reason = merge_gate.retest_branch("orchestrator", "feature/x")
     assert ok is True
@@ -215,9 +221,11 @@ def test_tc07_retest_green(fake_worktree, monkeypatch):
 
 def test_tc08_retest_red_with_tail(fake_worktree, monkeypatch):
     monkeypatch.setattr(
-        merge_gate.subprocess, "run",
-        lambda *a, **k: subprocess.CompletedProcess(
-            a, 1, "FAILED tests/test_x.py::t - AssertionError\n1 failed", ""
+        merge_gate, "run_in_process_group",
+        lambda *a, **k: ProcResult(
+            returncode=1,
+            stdout="FAILED tests/test_x.py::t - AssertionError\n1 failed",
+            stderr="", timed_out=False,
         ),
     )
     ok, reason = merge_gate.retest_branch("orchestrator", "feature/x")
@@ -227,11 +235,11 @@ def test_tc08_retest_red_with_tail(fake_worktree, monkeypatch):
 
 
 def test_tc09_retest_timeout(fake_worktree, monkeypatch):
-    def _boom(*a, **k):
-        raise subprocess.TimeoutExpired(cmd="pytest", timeout=1)
-
     monkeypatch.setattr(merge_gate.settings, "merge_retest_timeout_s", 1)
-    monkeypatch.setattr(merge_gate.subprocess, "run", _boom)
+    monkeypatch.setattr(
+        merge_gate, "run_in_process_group",
+        lambda *a, **k: ProcResult(returncode=None, stdout="", stderr="", timed_out=True),
+    )
     ok, reason = merge_gate.retest_branch("orchestrator", "feature/x")
     assert ok is False
     assert "re-test timeout" in reason

tests/test_orch110_budget_invariants.py

@@ -0,0 +1,82 @@
+"""ORCH-110 TC-08: re-test budget validation + cross-invariants (D5).
+
+Covers FR-3 / AC-5 / NFR-6:
+  * ``_resolve_retest_timeout`` validates the config (malformed / non-positive ->
+    safe default 900 + WARNING; never reaches subprocess);
+  * the budget was bumped 600 -> 900;
+  * the cross-invariant ``reaper_max_running_s > Σ(deploy-staging gate-work) + grace``
+    (ORCH-065/109) still holds with the new 900s re-test budget — WITHOUT raising
+    ``reaper_max_running_s``.
+"""
+import os
+import tempfile
+
+os.environ.setdefault("ORCH_DB_PATH", os.path.join(tempfile.gettempdir(), "test_orch110_budget.db"))
+os.environ.setdefault("ORCH_GITEA_TOKEN", "test-token")
+os.environ.setdefault("ORCH_PLANE_API_TOKEN", "test-token")
+
+import pytest  # noqa: E402
+
+from src import merge_gate  # noqa: E402
+from src.config import Settings, settings  # noqa: E402
+
+
+# ---------------------------------------------------------------------------
+# _resolve_retest_timeout — validation (never-break).
+# ---------------------------------------------------------------------------
+def test_tc08_resolve_uses_positive_config(monkeypatch):
+    monkeypatch.setattr(merge_gate.settings, "merge_retest_timeout_s", 1234, raising=False)
+    assert merge_gate._resolve_retest_timeout() == 1234
+
+
+@pytest.mark.parametrize("bad", [0, -5, "abc", None, 3.0])
+def test_tc08_resolve_bad_config_falls_back_to_default(monkeypatch, bad):
+    monkeypatch.setattr(merge_gate.settings, "merge_retest_timeout_s", bad, raising=False)
+    # 3.0 is a valid positive int(3) -> stays 3; everything else -> 900 default.
+    out = merge_gate._resolve_retest_timeout()
+    if bad == 3.0:
+        assert out == 3
+    else:
+        assert out == 900
+
+
+def test_tc08_default_budget_bumped_to_900():
+    """D5: the shipped default budget is 900 (raised from 600)."""
+    assert Settings().merge_retest_timeout_s == 900
+
+
+# ---------------------------------------------------------------------------
+# Cross-invariant: reaper backstop covers the worst-case deploy-staging gate-work.
+# ---------------------------------------------------------------------------
+def test_tc08_reaper_covers_deploy_staging_worstcase():
+    """ORCH-065/109 invariant with the new 900s re-test budget (ADR D5 table)."""
+    s = Settings()
+    # Worst-case sum of work charged to a deploy-staging-deployer job (ADR D5).
+    security = 120
+    rebase = 120
+    image = 600
+    worst = (
+        s.agent_timeout_seconds          # deployer agent (1800)
+        + security
+        + rebase
+        + s.merge_retest_timeout_s       # re-test (900, new)
+        + s.coverage_run_timeout_s       # coverage (900)
+        + image
+        + s.agent_kill_grace_seconds     # grace (20)
+    )
+    assert worst <= 4460  # matches the ADR D5 table
+    assert s.reaper_max_running_s > worst, (
+        f"reaper_max_running_s={s.reaper_max_running_s} must exceed "
+        f"deploy-staging worst-case {worst}"
+    )
+
+
+def test_tc08_reaper_still_covers_max_agent_timeout():
+    """ORCH-065/109: reaper_max_running_s > max(agent timeout) + grace (unchanged)."""
+    s = Settings()
+    assert s.reaper_max_running_s > s.agent_timeout_developer_s + s.agent_kill_grace_seconds
+
+
+def test_tc08_reaper_max_running_s_unchanged():
+    """D5 must NOT change reaper_max_running_s (stays 5400 from ORCH-109)."""
+    assert settings.reaper_max_running_s == 5400

tests/test_orch110_false_rollback_regression.py

@@ -0,0 +1,213 @@
+"""ORCH-110 TC-10: regression of the ORCH-109 / PR #129 incident.
+
+Incident: tester PASS + green CI + the branch not-behind, but the merge-gate local
+re-test blew its wall-clock budget under CPU starvation -> ``check_branch_mergeable``
+returned ``(False, "re-test timeout ...")`` -> the engine routed it to
+``_handle_merge_gate_rollback`` (rollback deploy-staging -> development + a developer
+retry) -> every retry timed out the same way -> "Merge-gate still failing after 3
+developer retries" -> a stuck task needing manual intervention.
+
+This drives the REAL ``check_branch_mergeable`` through ``advance_stage`` (only the
+git/test primitives are mocked) and asserts the incident can no longer happen:
+
+  * Scenario A (D4) — a not-behind branch (no-op rebase) on a green-CI HEAD: the
+    local re-test is SKIPPED entirely -> the gate passes -> advance to deploy.
+  * Scenario B (D3) — a real catch-up whose re-test times out: a bounded infra-retry
+    (task stays on deploy-staging), NEVER a rollback to development and NEVER the
+    "Merge-gate still failing after N developer retries" alert.
+
+RED-before / GREEN-after: on pre-ORCH-110 code both scenarios would roll the task
+back to development (Scenario A would even run the doomed re-test), so the
+``rolled_back_to is None`` / ``stage == deploy-staging`` assertions below would FAIL.
+"""
+import os
+import tempfile
+
+import pytest
+
+_test_db = os.path.join(tempfile.gettempdir(), "test_orch110_regression.db")
+os.environ["ORCH_DB_PATH"] = _test_db
+os.environ["ORCH_REPOS_DIR"] = tempfile.gettempdir()
+os.environ.setdefault("ORCH_GITEA_TOKEN", "test-token")
+os.environ.setdefault("ORCH_PLANE_API_TOKEN", "test-token")
+
+from unittest.mock import MagicMock  # noqa: E402
+
+import src.db as _db  # noqa: E402
+from src.db import init_db, get_db  # noqa: E402
+from src import stage_engine  # noqa: E402
+from src import merge_gate  # noqa: E402
+from src.qg import checks as qg  # noqa: E402
+from src.stage_engine import advance_stage  # noqa: E402
+
+_REPO = "orchestrator"
+_WI = "ORCH-110"
+_BRANCH = "feature/ORCH-110-x"
+
+
+@pytest.fixture(autouse=True)
+def fresh_db(monkeypatch):
+    monkeypatch.setattr(_db.settings, "db_path", _test_db)
+    if os.path.exists(_test_db):
+        os.unlink(_test_db)
+    init_db()
+    yield
+
+
+@pytest.fixture(autouse=True)
+def silence(monkeypatch):
+    for name in (
+        "notify_stage_change", "notify_qg_failure", "send_telegram",
+        "plane_notify_stage", "plane_notify_qg", "plane_add_comment",
+        "set_issue_in_progress", "set_issue_blocked", "notify_approve_requested",
+        "set_issue_in_review", "set_issue_needs_input",
+    ):
+        monkeypatch.setattr(stage_engine, name, MagicMock())
+    # Keep the merge-gate the only intervening sub-gate on the edge; no Phase A.
+    monkeypatch.setattr(stage_engine.settings, "deploy_require_manual_approve", False)
+    # Real gate scope: orchestrator self-hosting.
+    monkeypatch.setattr(qg.settings, "merge_gate_enabled", True, raising=False)
+    monkeypatch.setattr(qg.settings, "merge_gate_repos", "", raising=False)
+    monkeypatch.setattr(qg.settings, "premerge_rebase_always", True, raising=False)
+    monkeypatch.setattr(qg.settings, "merge_retest_skip_when_current_enabled", True, raising=False)
+    monkeypatch.setattr(stage_engine.settings, "merge_retest_infra_tolerance_enabled", True)
+    monkeypatch.setattr(stage_engine.settings, "merge_retest_infra_max_retries", 2)
+    monkeypatch.setattr(stage_engine.settings, "merge_retest_infra_retry_delay_s", 120)
+
+
+def _pass(*a, **k):
+    return (True, "ok")
+
+
+def _patch_edge_gates_except_merge(monkeypatch):
+    """All edge gates pass EXCEPT check_branch_mergeable, which stays the REAL one."""
+    patched = {**stage_engine.QG_CHECKS}
+    patched["check_staging_status"] = _pass
+    patched["check_security_gate"] = _pass
+    patched["check_coverage_gate"] = _pass
+    patched["check_staging_image_fresh"] = _pass
+    monkeypatch.setattr(stage_engine, "QG_CHECKS", patched)
+
+
+def _mock_merge_primitives(monkeypatch, *, head_shas, retest_result, retest_calls):
+    """Mock the git/test primitives the real check_branch_mergeable composes."""
+    monkeypatch.setattr(merge_gate, "acquire_merge_lease", lambda *a, **k: (True, "lease acquired"))
+    monkeypatch.setattr(merge_gate, "release_merge_lease", lambda *a, **k: None)
+    monkeypatch.setattr(merge_gate, "branch_is_behind_main", lambda r, b: True)
+    monkeypatch.setattr(merge_gate, "auto_rebase_onto_main", lambda r, b: (True, "rebased onto origin/main"))
+
+    shas = list(head_shas)
+
+    def _head_sha(r, b):
+        return shas.pop(0) if shas else ""
+
+    monkeypatch.setattr(merge_gate, "head_sha", _head_sha)
+
+    def _retest(r, b):
+        retest_calls.append((r, b))
+        return retest_result
+
+    monkeypatch.setattr(merge_gate, "retest_branch", _retest)
+
+
+def _make_task():
+    conn = get_db()
+    cur = conn.execute(
+        "INSERT INTO tasks (plane_id, work_item_id, repo, branch, stage) VALUES (?,?,?,?,?)",
+        (f"plane-{_WI}", _WI, _REPO, _BRANCH, "deploy-staging"),
+    )
+    tid = cur.lastrowid
+    conn.commit()
+    conn.close()
+    return tid
+
+
+def _stage(task_id):
+    conn = get_db()
+    row = conn.execute("SELECT stage FROM tasks WHERE id=?", (task_id,)).fetchone()
+    conn.close()
+    return row[0]
+
+
+def _agents():
+    conn = get_db()
+    rows = conn.execute("SELECT agent FROM jobs ORDER BY id").fetchall()
+    conn.close()
+    return [r[0] for r in rows]
+
+
+def _advance(task_id):
+    return advance_stage(task_id, "deploy-staging", _REPO, _WI, _BRANCH, finished_agent="deployer")
+
+
+# ---------------------------------------------------------------------------
+# Scenario A (D4): the literal incident — not-behind branch, green CI HEAD.
+# The re-test is SKIPPED, so the timeout can never happen; advance to deploy.
+# ---------------------------------------------------------------------------
+def test_tc10_incident_noop_rebase_skips_retest_and_advances(monkeypatch):
+    _patch_edge_gates_except_merge(monkeypatch)
+    retest_calls = []
+    # Same SHA before/after rebase -> proven no-op. retest is rigged to TIME OUT if
+    # it were (wrongly) called — proving the skip is what avoids the false rollback.
+    _mock_merge_primitives(
+        monkeypatch,
+        head_shas=["abc123", "abc123"],
+        retest_result=(False, "re-test timeout after 900s"),
+        retest_calls=retest_calls,
+    )
+    task_id = _make_task()
+    res = _advance(task_id)
+
+    assert retest_calls == [], "re-test must be SKIPPED on a no-op rebase (D4)"
+    assert res.rolled_back_to is None              # the incident's false rollback is gone
+    assert res.advanced is True
+    assert res.to_stage == "deploy"
+    assert _stage(task_id) == "deploy"
+    assert "developer" not in _agents()           # no developer-retry burned
+    assert stage_engine.set_issue_blocked.called is False
+
+
+# ---------------------------------------------------------------------------
+# Scenario B (D3): a real catch-up whose re-test times out -> infra-retry, not
+# rollback, and never the "still failing after N retries" manual gate.
+# ---------------------------------------------------------------------------
+def test_tc10_real_catchup_retest_timeout_infra_retries_not_rollback(monkeypatch):
+    _patch_edge_gates_except_merge(monkeypatch)
+    retest_calls = []
+    # HEAD moved (real catch-up) -> re-test runs -> times out.
+    _mock_merge_primitives(
+        monkeypatch,
+        head_shas=["old111", "new222"],
+        retest_result=(False, "re-test timeout after 900s"),
+        retest_calls=retest_calls,
+    )
+    task_id = _make_task()
+    res = _advance(task_id)
+
+    assert retest_calls, "re-test SHOULD run on a real (HEAD-moving) catch-up"
+    assert res.rolled_back_to is None              # NOT the code-fault rollback
+    assert res.note == "merge-gate-infra-retry"
+    assert _stage(task_id) == "deploy-staging"     # stays put for a bounded retry
+    assert _agents() == ["deployer"]               # staging-deployer re-queued, NOT developer
+    assert stage_engine.set_issue_blocked.called is False
+    # The "Merge-gate still failing after N developer retries" manual gate never fires.
+    for call in stage_engine.send_telegram.call_args_list:
+        assert "developer retries" not in call[0][0]
+
+
+def test_tc10_real_catchup_red_retest_still_rolls_back(monkeypatch):
+    """Anti-over-tolerance guard inside the incident scenario: a genuinely RED
+    re-test on a real catch-up STILL rolls back (BR-6 / AC-3)."""
+    _patch_edge_gates_except_merge(monkeypatch)
+    retest_calls = []
+    _mock_merge_primitives(
+        monkeypatch,
+        head_shas=["old111", "new222"],
+        retest_result=(False, "re-test failed: ...1 failed"),
+        retest_calls=retest_calls,
+    )
+    task_id = _make_task()
+    res = _advance(task_id)
+    assert res.rolled_back_to == "development"
+    assert _stage(task_id) == "development"
+    assert _agents() == ["developer"]

tests/test_orch110_killswitch.py

@@ -0,0 +1,103 @@
+"""ORCH-110 TC-07: kill-switches + non-self repo => byte-for-byte pre-ORCH-110.
+
+Covers NFR-2 / FR-5 / AC-7. Each ORCH-110 behaviour is an INDEPENDENT kill-switch;
+with a flag off the affected path reverts to the prior behaviour. A non-self-hosting
+repo (enduro-trails) never reaches the infra-retry / tree-kill paths at all (the
+merge-gate is N/A for it).
+"""
+import os
+import tempfile
+
+os.environ.setdefault("ORCH_DB_PATH", os.path.join(tempfile.gettempdir(), "test_orch110_killswitch.db"))
+os.environ.setdefault("ORCH_REPOS_DIR", tempfile.gettempdir())
+os.environ.setdefault("ORCH_GITEA_TOKEN", "test-token")
+os.environ.setdefault("ORCH_PLANE_API_TOKEN", "test-token")
+
+import pytest  # noqa: E402
+
+from src import merge_gate  # noqa: E402
+from src.qg import checks as qg  # noqa: E402
+from src.proc_group import ProcResult  # noqa: E402
+
+_REPO = "orchestrator"
+_BRANCH = "feature/ORCH-110-x"
+_WI = "ORCH-110"
+
+
+# ---------------------------------------------------------------------------
+# D1 kill-switch: subprocess_tree_kill_enabled=False -> the fallback path.
+# ---------------------------------------------------------------------------
+def test_tc07_tree_kill_off_passes_tree_kill_false(tmp_path, monkeypatch):
+    wt = tmp_path / "wt"
+    wt.mkdir()
+    monkeypatch.setattr(merge_gate, "get_worktree_path", lambda r, b: str(wt))
+    monkeypatch.setattr(merge_gate.settings, "subprocess_tree_kill_enabled", False, raising=False)
+    captured = {}
+
+    def _fake(cmd, *, cwd, timeout, env=None, grace_s=5.0, tree_kill=True):
+        captured["tree_kill"] = tree_kill
+        return ProcResult(returncode=0, stdout="1 passed", stderr="", timed_out=False)
+
+    monkeypatch.setattr(merge_gate, "run_in_process_group", _fake)
+    ok, reason = merge_gate.retest_branch(_REPO, _BRANCH)
+    assert ok is True and reason == "re-test green"
+    assert captured["tree_kill"] is False  # -> run_in_process_group degrades to subprocess.run
+
+
+# ---------------------------------------------------------------------------
+# D4 kill-switch: merge_retest_skip_when_current_enabled=False -> always re-test
+# after a rebase (even a proven no-op).
+# ---------------------------------------------------------------------------
+@pytest.fixture
+def gate_primitives(monkeypatch):
+    calls = {"retest": 0}
+    monkeypatch.setattr(qg.settings, "merge_gate_enabled", True, raising=False)
+    monkeypatch.setattr(qg.settings, "merge_gate_repos", "", raising=False)
+    monkeypatch.setattr(qg.settings, "premerge_rebase_always", True, raising=False)
+    monkeypatch.setattr(merge_gate, "acquire_merge_lease", lambda *a, **k: (True, "lease acquired"), raising=False)
+    monkeypatch.setattr(merge_gate, "branch_is_behind_main", lambda r, b: True, raising=False)
+    monkeypatch.setattr(merge_gate, "auto_rebase_onto_main", lambda r, b: (True, "rebased"), raising=False)
+    monkeypatch.setattr(merge_gate, "release_merge_lease", lambda *a, **k: None, raising=False)
+    # A PROVEN no-op rebase: HEAD is identical before/after.
+    monkeypatch.setattr(merge_gate, "head_sha", lambda r, b: "deadbeefcafe", raising=False)
+
+    def _retest(r, b):
+        calls["retest"] += 1
+        return True, "re-test green"
+
+    monkeypatch.setattr(merge_gate, "retest_branch", _retest, raising=False)
+    return calls
+
+
+def test_tc07_skip_when_current_off_always_retests(gate_primitives, monkeypatch):
+    monkeypatch.setattr(qg.settings, "merge_retest_skip_when_current_enabled", False, raising=False)
+    ok, reason = qg.check_branch_mergeable(_REPO, _WI, _BRANCH)
+    assert ok is True
+    assert reason == "rebased onto main, re-test green"
+    assert gate_primitives["retest"] == 1  # re-test STILL runs (D4 off)
+
+
+def test_tc07_skip_when_current_on_skips_noop_retest(gate_primitives, monkeypatch):
+    """Mirror sanity: with the flag ON, the proven no-op rebase skips the re-test."""
+    monkeypatch.setattr(qg.settings, "merge_retest_skip_when_current_enabled", True, raising=False)
+    ok, reason = qg.check_branch_mergeable(_REPO, _WI, _BRANCH)
+    assert ok is True
+    assert "re-test skipped" in reason
+    assert gate_primitives["retest"] == 0  # re-test NOT run on the no-op
+
+
+# ---------------------------------------------------------------------------
+# Non-self repo (enduro-trails): the merge-gate is N/A -> never the new paths.
+# ---------------------------------------------------------------------------
+def test_tc07_non_self_repo_is_noop(monkeypatch):
+    monkeypatch.setattr(qg.settings, "merge_gate_enabled", True, raising=False)
+    monkeypatch.setattr(qg.settings, "merge_gate_repos", "", raising=False)
+    # Guard: if the gate wrongly engaged it would touch the lease -> fail loudly.
+    monkeypatch.setattr(
+        merge_gate, "acquire_merge_lease",
+        lambda *a, **k: pytest.fail("merge-gate must be N/A for enduro-trails"),
+        raising=False,
+    )
+    ok, reason = qg.check_branch_mergeable("enduro-trails", "ET-1", "feature/ET-1-x")
+    assert ok is True
+    assert "N/A" in reason

tests/test_orch110_merge_gate_classify.py

@@ -0,0 +1,64 @@
+"""ORCH-110 TC-03: classify_retest_failure distinguishes infra-timeout from red.
+
+Covers D2 (FR-1 / AC-2): the pure predicate that lets the engine route an INFRA
+re-test timeout differently from a deterministically RED re-test, WITHOUT changing
+the name / PASS-FAIL semantics of the registered ``check_branch_mergeable``.
+
+The critical scope guard: an ``auto_rebase_onto_main`` "rebase timeout" is a
+DIFFERENT timeout (git hung) and must NOT be classified as the infra-tolerated
+re-test timeout (it stays on the rollback path).
+"""
+import os
+import tempfile
+
+os.environ.setdefault("ORCH_DB_PATH", os.path.join(tempfile.gettempdir(), "test_orch110_classify.db"))
+os.environ.setdefault("ORCH_GITEA_TOKEN", "test-token")
+os.environ.setdefault("ORCH_PLANE_API_TOKEN", "test-token")
+
+import pytest  # noqa: E402
+
+from src import merge_gate  # noqa: E402
+
+classify = merge_gate.classify_retest_failure
+
+
+@pytest.mark.parametrize(
+    "reason,expected",
+    [
+        ("re-test timeout after 900s", "timeout"),
+        ("re-test timeout after 600s", "timeout"),
+        ("re-test failed after rebase: 1 failed, 5 passed", "red"),
+        ("re-test failed: ...AssertionError\n1 failed", "red"),
+        ("merge-lock busy", "lock-busy"),
+        ("rebase conflict: src/db.py", "other"),
+        # SCOPE GUARD: a git "rebase timeout" is NOT the infra-tolerated re-test
+        # timeout — it must stay on the rollback path (ADR D2).
+        ("rebase timeout", "other"),
+        ("push --force-with-lease failed: ...", "other"),
+        ("", "other"),
+    ],
+)
+def test_tc03_classify_reasons(reason, expected):
+    assert classify(reason) == expected
+
+
+def test_tc03_classify_never_raises_on_bad_input():
+    # None / non-str must degrade to the safe "other" (-> rollback), never raise.
+    assert classify(None) == "other"
+    assert classify(12345) == "other"
+
+
+def test_tc03_case_insensitive():
+    assert classify("RE-TEST TIMEOUT AFTER 900S") == "timeout"
+    assert classify("Merge-Lock Busy") == "lock-busy"
+
+
+def test_tc03_distinct_from_lock_busy_and_conflict():
+    """timeout is a distinct class from the existing defer (lock-busy) and rollback
+    (conflict) reasons — the three must never collide."""
+    classes = {
+        classify("re-test timeout after 900s"),
+        classify("merge-lock busy"),
+        classify("rebase conflict: x"),
+    }
+    assert classes == {"timeout", "lock-busy", "other"}

tests/test_orch110_merge_gate_routing.py

@@ -0,0 +1,261 @@
+"""ORCH-110 TC-04 / TC-05 / TC-06 / TC-09: merge-gate infra-timeout routing.
+
+Drives the engine (``stage_engine.advance_stage``) on the deploy-staging -> deploy
+edge with ``check_branch_mergeable`` monkeypatched, exactly like the existing
+``test_stage_engine.TestMergeGate`` suite, and asserts the NEW routing (D3):
+
+  * TC-04 — an INFRA re-test timeout -> bounded infra-retry (re-queue the
+    staging-deployer with a delay, task STAYS on deploy-staging) — NOT a rollback to
+    development and NOT a developer-retry.
+  * TC-05 — a deterministically RED re-test STILL rolls back to development +
+    developer retry (BR-6 / AC-3 anti-over-tolerance).
+  * TC-06 — the infra-retry is bounded (anti-loop): after the budget it blocks with
+    ONE infra-alert, no infinite bounce, no new job, task NOT in development.
+  * TC-09 — never-raise: an error in the transient path is swallowed (a WARNING) and
+    never escapes into advance_stage.
+
+Offline: isolated sqlite DB; Plane/Telegram/notifications mocked at stage_engine.
+"""
+import os
+import tempfile
+
+import pytest
+
+_test_db = os.path.join(tempfile.gettempdir(), "test_orch110_routing.db")
+os.environ["ORCH_DB_PATH"] = _test_db
+os.environ["ORCH_REPOS_DIR"] = tempfile.gettempdir()
+os.environ.setdefault("ORCH_GITEA_TOKEN", "test-token")
+os.environ.setdefault("ORCH_PLANE_API_TOKEN", "test-token")
+
+from unittest.mock import MagicMock  # noqa: E402
+
+import src.db as _db  # noqa: E402
+from src.db import init_db, get_db  # noqa: E402
+from src import stage_engine  # noqa: E402
+from src.stage_engine import advance_stage  # noqa: E402
+
+_REPO = "orchestrator"
+_WI = "ORCH-110"
+_BRANCH = "feature/ORCH-110-x"
+_TIMEOUT_REASON = "re-test timeout after 900s"
+
+
+@pytest.fixture(autouse=True)
+def fresh_db(monkeypatch):
+    monkeypatch.setattr(_db.settings, "db_path", _test_db)
+    if os.path.exists(_test_db):
+        os.unlink(_test_db)
+    init_db()
+    yield
+
+
+@pytest.fixture(autouse=True)
+def silence_side_effects(monkeypatch):
+    for name in (
+        "notify_stage_change", "notify_qg_failure", "send_telegram",
+        "plane_notify_stage", "plane_notify_qg", "plane_add_comment",
+        "set_issue_in_progress", "set_issue_blocked",
+    ):
+        monkeypatch.setattr(stage_engine, name, MagicMock())
+    # The merge-gate sub-gate runs only AFTER the stage QG + security + coverage pass;
+    # the self-deploy Phase A interception is irrelevant (merge-gate intervenes first).
+    monkeypatch.setattr(stage_engine.settings, "deploy_require_manual_approve", False)
+
+
+@pytest.fixture(autouse=True)
+def tolerance_on(monkeypatch):
+    monkeypatch.setattr(stage_engine.settings, "merge_retest_infra_tolerance_enabled", True)
+    monkeypatch.setattr(stage_engine.settings, "merge_retest_infra_max_retries", 2)
+    monkeypatch.setattr(stage_engine.settings, "merge_retest_infra_retry_delay_s", 120)
+
+
+def _pass(*a, **k):
+    return (True, "ok")
+
+
+def _fail(reason):
+    def _f(*a, **k):
+        return (False, reason)
+    return _f
+
+
+def _patch_gates(monkeypatch, merge_reason):
+    monkeypatch.setattr(
+        stage_engine, "QG_CHECKS",
+        {**stage_engine.QG_CHECKS,
+         "check_staging_status": _pass,
+         "check_security_gate": _pass,
+         "check_coverage_gate": _pass,
+         "check_branch_mergeable": _fail(merge_reason),
+         "check_staging_image_fresh": _pass},
+    )
+
+
+def _make_task(stage="deploy-staging"):
+    conn = get_db()
+    cur = conn.execute(
+        "INSERT INTO tasks (plane_id, work_item_id, repo, branch, stage) VALUES (?,?,?,?,?)",
+        (f"plane-{_WI}", _WI, _REPO, _BRANCH, stage),
+    )
+    tid = cur.lastrowid
+    conn.commit()
+    conn.close()
+    return tid
+
+
+def _stage(task_id):
+    conn = get_db()
+    row = conn.execute("SELECT stage FROM tasks WHERE id=?", (task_id,)).fetchone()
+    conn.close()
+    return row[0]
+
+
+def _jobs():
+    conn = get_db()
+    rows = conn.execute(
+        "SELECT agent, task_content, available_at FROM jobs ORDER BY id"
+    ).fetchall()
+    conn.close()
+    return [dict(r) for r in rows]
+
+
+def _seed_infra_retry_jobs(task_id, n):
+    conn = get_db()
+    for _ in range(n):
+        conn.execute(
+            "INSERT INTO jobs (agent, repo, task_id, task_content) "
+            "VALUES ('deployer','orchestrator',?, 'Note: merge-gate infra-timeout retry')",
+            (task_id,),
+        )
+    conn.commit()
+    conn.close()
+
+
+def _advance(task_id):
+    return advance_stage(
+        task_id, "deploy-staging", _REPO, _WI, _BRANCH, finished_agent="deployer"
+    )
+
+
+# ---------------------------------------------------------------------------
+# TC-04 — infra-timeout -> bounded infra-retry, NOT a rollback to development.
+# ---------------------------------------------------------------------------
+def test_tc04_infra_timeout_reschedules_not_rollback(monkeypatch):
+    _patch_gates(monkeypatch, _TIMEOUT_REASON)
+    task_id = _make_task()
+    res = _advance(task_id)
+
+    assert res.advanced is False
+    assert res.rolled_back_to is None             # NOT a code-fault rollback
+    assert res.note == "merge-gate-infra-retry"
+    assert _stage(task_id) == "deploy-staging"    # stays put
+    jobs = _jobs()
+    assert len(jobs) == 1
+    assert jobs[0]["agent"] == "deployer"          # re-queued staging-deployer, NOT developer
+    assert "merge-gate infra-timeout retry" in jobs[0]["task_content"]
+    assert jobs[0]["available_at"] is not None     # delayed re-pickup
+    assert stage_engine.set_issue_blocked.called is False
+    # No developer-retry semantics: the rollback comment / in-progress is never set.
+    assert stage_engine.set_issue_in_progress.called is False
+
+
+def test_tc04_killswitch_within_routing_is_observed(monkeypatch):
+    """The infra-timeout always bumps the timeout counter (observability), even when
+    routed to the retry path."""
+    _patch_gates(monkeypatch, _TIMEOUT_REASON)
+    before = stage_engine.merge_gate.merge_gate_status()["retest_timeout_total"]
+    task_id = _make_task()
+    _advance(task_id)
+    after = stage_engine.merge_gate.merge_gate_status()["retest_timeout_total"]
+    assert after == before + 1
+
+
+# ---------------------------------------------------------------------------
+# TC-05 — a deterministically RED re-test STILL rolls back (BR-6 / AC-3).
+# ---------------------------------------------------------------------------
+def test_tc05_red_retest_still_rolls_back(monkeypatch):
+    _patch_gates(monkeypatch, "re-test failed after rebase: 1 failed, 5 passed")
+    task_id = _make_task()
+    res = _advance(task_id)
+
+    assert res.advanced is False
+    assert res.rolled_back_to == "development"
+    assert _stage(task_id) == "development"
+    jobs = _jobs()
+    assert len(jobs) == 1
+    assert jobs[0]["agent"] == "developer"        # developer re-queued (retry)
+
+
+def test_tc05_conflict_still_rolls_back(monkeypatch):
+    _patch_gates(monkeypatch, "rebase conflict: src/db.py")
+    task_id = _make_task()
+    res = _advance(task_id)
+    assert res.rolled_back_to == "development"
+    assert _stage(task_id) == "development"
+    assert _jobs()[0]["agent"] == "developer"
+
+
+# ---------------------------------------------------------------------------
+# TC-06 — anti-loop: infra-retry is bounded; exhaustion -> ONE infra-alert.
+# ---------------------------------------------------------------------------
+def test_tc06_infra_retry_bounded_then_infra_alert(monkeypatch):
+    monkeypatch.setattr(stage_engine.settings, "merge_retest_infra_max_retries", 2)
+    _patch_gates(monkeypatch, _TIMEOUT_REASON)
+    task_id = _make_task()
+    _seed_infra_retry_jobs(task_id, 2)  # budget already spent
+
+    res = _advance(task_id)
+    assert res.advanced is False
+    assert res.rolled_back_to is None                  # NOT a rollback even at exhaustion
+    assert res.note == "merge-gate-infra-retry-exhausted"
+    assert res.alerted is True
+    assert _stage(task_id) == "deploy-staging"         # NOT moved to development
+    assert stage_engine.set_issue_blocked.called
+    assert stage_engine.send_telegram.called
+    # No NEW retry job past the cap (still only the 2 we seeded).
+    assert len(_jobs()) == 2
+    # The alert is INFRA-specific, not "developer must fix".
+    msg = stage_engine.send_telegram.call_args[0][0]
+    assert "infra" in msg.lower() or "ресурс" in msg.lower()
+    assert "НЕ дефект кода" in msg
+
+
+def test_tc06_below_budget_keeps_retrying(monkeypatch):
+    monkeypatch.setattr(stage_engine.settings, "merge_retest_infra_max_retries", 3)
+    _patch_gates(monkeypatch, _TIMEOUT_REASON)
+    task_id = _make_task()
+    _seed_infra_retry_jobs(task_id, 1)  # one retry already done, budget 3
+
+    res = _advance(task_id)
+    assert res.note == "merge-gate-infra-retry"
+    assert res.alerted is not True
+    # The seeded job + the new retry job.
+    assert len(_jobs()) == 2
+
+
+# ---------------------------------------------------------------------------
+# TC-09 — never-raise: an error in the transient path is swallowed.
+# ---------------------------------------------------------------------------
+def test_tc09_infra_retry_never_raises(monkeypatch):
+    _patch_gates(monkeypatch, _TIMEOUT_REASON)
+
+    def _boom(*a, **k):
+        raise RuntimeError("enqueue exploded")
+
+    monkeypatch.setattr(stage_engine, "enqueue_job", _boom)
+    task_id = _make_task()
+    # Must NOT raise into advance_stage.
+    res = _advance(task_id)
+    assert res.note == "merge-gate-infra-retry-error"
+    assert _stage(task_id) == "deploy-staging"  # left for the reconciler/reaper
+
+
+def test_tc09_killswitch_off_falls_back_to_rollback(monkeypatch):
+    """tolerance off -> a timeout takes the prior rollback path byte-for-byte (NFR-2)."""
+    monkeypatch.setattr(stage_engine.settings, "merge_retest_infra_tolerance_enabled", False)
+    _patch_gates(monkeypatch, _TIMEOUT_REASON)
+    task_id = _make_task()
+    res = _advance(task_id)
+    assert res.rolled_back_to == "development"
+    assert _stage(task_id) == "development"
+    assert _jobs()[0]["agent"] == "developer"

tests/test_orch110_observability.py

@@ -0,0 +1,135 @@
+"""ORCH-110 TC-12: observability of the infra-timeout path (D6 / FR-6 / AC-9).
+
+The infra-timeout state must be (a) reflected in read-only counters, (b) surfaced in
+the additive ``merge_gate`` block of ``GET /queue``, and (c) distinguishable from a
+code-fault rollback — with the exhaustion alert carrying the CLICKABLE issue number
+and an explicitly infrastructural (NOT "developer must fix") wording. No dedup/overlap
+with ORCH-111 (which only OBSERVES surviving processes; ORCH-110 prevents/tolerates).
+"""
+import asyncio
+import os
+import tempfile
+
+_test_db = os.path.join(tempfile.gettempdir(), "test_orch110_observability.db")
+os.environ["ORCH_DB_PATH"] = _test_db
+os.environ["ORCH_REPOS_DIR"] = tempfile.gettempdir()
+os.environ.setdefault("ORCH_GITEA_TOKEN", "test-token")
+os.environ.setdefault("ORCH_PLANE_API_TOKEN", "test-token")
+
+from unittest.mock import MagicMock  # noqa: E402
+
+import pytest  # noqa: E402
+
+import src.db as _db  # noqa: E402
+from src.db import init_db, get_db  # noqa: E402
+from src import merge_gate  # noqa: E402
+from src import stage_engine  # noqa: E402
+from src.stage_engine import AdvanceResult  # noqa: E402
+
+
+@pytest.fixture(autouse=True)
+def fresh_db(monkeypatch):
+    monkeypatch.setattr(_db.settings, "db_path", _test_db)
+    if os.path.exists(_test_db):
+        os.unlink(_test_db)
+    init_db()
+    # Reset the in-process counters so each test starts from a known baseline.
+    merge_gate._MERGE_GATE_COUNTERS.update(
+        retest_timeout_total=0, retest_infra_retry_total=0,
+        retest_infra_exhausted_total=0, retest_skipped_current_total=0,
+        last_infra_timeout_wi=None,
+    )
+    yield
+
+
+# ---------------------------------------------------------------------------
+# merge_gate_status() snapshot + counter increments.
+# ---------------------------------------------------------------------------
+def test_tc12_status_exposes_flags_and_counters():
+    snap = merge_gate.merge_gate_status()
+    for key in (
+        "infra_tolerance_enabled", "infra_max_retries", "infra_retry_delay_s",
+        "skip_when_current_enabled", "tree_kill_enabled", "retest_timeout_s",
+        "retest_timeout_total", "retest_infra_retry_total",
+        "retest_infra_exhausted_total", "retest_skipped_current_total",
+        "last_infra_timeout_wi",
+    ):
+        assert key in snap, f"missing /queue merge_gate key: {key}"
+
+
+def test_tc12_counters_track_infra_timeout_distinctly():
+    merge_gate.note_retest_timeout("ORCH-110")
+    merge_gate.note_retest_infra_retry()
+    merge_gate.note_retest_infra_exhausted()
+    merge_gate.note_retest_skipped_current()
+    snap = merge_gate.merge_gate_status()
+    assert snap["retest_timeout_total"] == 1
+    assert snap["retest_infra_retry_total"] == 1
+    assert snap["retest_infra_exhausted_total"] == 1
+    assert snap["retest_skipped_current_total"] == 1
+    # Distinguishable from a code-fault: the last infra-timeout WI is tracked here,
+    # NOT in the merge-verify (code/merge) counters.
+    assert snap["last_infra_timeout_wi"] == "ORCH-110"
+
+
+def test_tc12_status_never_raises(monkeypatch):
+    # A broken settings attribute -> the snapshot degrades, never raises.
+    monkeypatch.delattr(merge_gate.settings, "merge_retest_infra_tolerance_enabled", raising=False)
+    snap = merge_gate.merge_gate_status()
+    assert isinstance(snap, dict)
+
+
+# ---------------------------------------------------------------------------
+# GET /queue carries the additive merge_gate block (and the legacy keys stay).
+# ---------------------------------------------------------------------------
+def test_tc12_queue_endpoint_includes_merge_gate_block():
+    from src.main import queue
+    out = asyncio.run(queue())
+    assert "merge_gate" in out
+    assert "infra_tolerance_enabled" in out["merge_gate"]
+    # The pre-existing observability keys are untouched (additive only).
+    assert "merge_verify" in out and "coverage" in out
+
+
+# ---------------------------------------------------------------------------
+# The exhaustion alert is INFRA-specific + carries the clickable issue number,
+# distinct from the code-fault "Merge-gate still failing after N developer retries".
+# ---------------------------------------------------------------------------
+def test_tc12_exhaustion_alert_is_infra_specific_and_clickable(monkeypatch):
+    sent = {}
+
+    def _tg(msg):
+        sent["msg"] = msg
+
+    monkeypatch.setattr(stage_engine, "send_telegram", _tg)
+    monkeypatch.setattr(stage_engine, "set_issue_blocked", MagicMock())
+    monkeypatch.setattr(stage_engine, "plane_add_comment", MagicMock())
+    # link_for builds the clickable number; use a recognisable sentinel.
+    monkeypatch.setattr(stage_engine, "link_for", lambda wi, **k: f"<a href='x'>{wi}</a>")
+    monkeypatch.setattr(stage_engine.settings, "merge_retest_infra_max_retries", 2)
+
+    # Seed an exhausted budget for the task.
+    conn = get_db()
+    cur = conn.execute(
+        "INSERT INTO tasks (plane_id, work_item_id, repo, branch, stage) VALUES (?,?,?,?,?)",
+        ("plane-ORCH-110", "ORCH-110", "orchestrator", "feature/ORCH-110-x", "deploy-staging"),
+    )
+    task_id = cur.lastrowid
+    for _ in range(2):
+        conn.execute(
+            "INSERT INTO jobs (agent, repo, task_id, task_content) "
+            "VALUES ('deployer','orchestrator',?, 'Note: merge-gate infra-timeout retry')",
+            (task_id,),
+        )
+    conn.commit()
+    conn.close()
+
+    res = AdvanceResult()
+    stage_engine._handle_merge_gate_infra_retry(
+        task_id, "deploy-staging", "orchestrator", "ORCH-110",
+        "feature/ORCH-110-x", "re-test timeout after 900s", res,
+    )
+    assert res.note == "merge-gate-infra-retry-exhausted"
+    assert "ORCH-110" in sent["msg"]                  # clickable issue number present
+    assert "developer retries" not in sent["msg"]     # NOT the code-fault wording
+    assert "НЕ дефект кода" in sent["msg"]             # explicitly infrastructural

tests/test_orch110_retest_contract.py

@@ -0,0 +1,95 @@
+"""ORCH-110 TC-11: the local re-test necessity contract (D4 / FR-4 / AC-6).
+
+The chosen contract: run the local re-test IFF the pre-merge rebase actually moved
+HEAD (``main`` had moved -> a real semantic-conflict risk). When the rebase is a
+PROVEN no-op (HEAD unchanged -> branch already at origin/main, the CI/tester/staging-
+validated commit) the re-test is SKIPPED — it would be a redundant single point of
+false failure. On ANY uncertainty (an empty SHA) the re-test runs (fail-safe -> the
+red-rollback contract BR-6/AC-3 is never weakened).
+"""
+import os
+import tempfile
+
+os.environ.setdefault("ORCH_DB_PATH", os.path.join(tempfile.gettempdir(), "test_orch110_contract.db"))
+os.environ.setdefault("ORCH_REPOS_DIR", tempfile.gettempdir())
+os.environ.setdefault("ORCH_GITEA_TOKEN", "test-token")
+os.environ.setdefault("ORCH_PLANE_API_TOKEN", "test-token")
+
+import pytest  # noqa: E402
+
+from src import merge_gate  # noqa: E402
+from src.qg import checks as qg  # noqa: E402
+
+_REPO = "orchestrator"
+_BRANCH = "feature/ORCH-110-x"
+_WI = "ORCH-110"
+
+
+@pytest.fixture
+def gate(monkeypatch):
+    """Real check_branch_mergeable, mocked primitives; record control flow."""
+    state = {"retest": 0, "released": 0, "rebased": 0}
+    monkeypatch.setattr(qg.settings, "merge_gate_enabled", True, raising=False)
+    monkeypatch.setattr(qg.settings, "merge_gate_repos", "", raising=False)
+    monkeypatch.setattr(qg.settings, "premerge_rebase_always", True, raising=False)
+    monkeypatch.setattr(qg.settings, "merge_retest_skip_when_current_enabled", True, raising=False)
+    monkeypatch.setattr(merge_gate, "acquire_merge_lease", lambda *a, **k: (True, "lease acquired"))
+    monkeypatch.setattr(merge_gate, "branch_is_behind_main", lambda r, b: True)
+
+    def _rebase(r, b):
+        state["rebased"] += 1
+        return True, "rebased onto origin/main"
+
+    def _release(r, b=None):
+        state["released"] += 1
+
+    def _retest(r, b):
+        state["retest"] += 1
+        return True, "re-test green"
+
+    monkeypatch.setattr(merge_gate, "auto_rebase_onto_main", _rebase)
+    monkeypatch.setattr(merge_gate, "release_merge_lease", _release)
+    monkeypatch.setattr(merge_gate, "retest_branch", _retest)
+    return state
+
+
+def _set_head_shas(monkeypatch, shas):
+    seq = list(shas)
+    monkeypatch.setattr(merge_gate, "head_sha", lambda r, b: seq.pop(0) if seq else "")
+
+
+def test_tc11_noop_rebase_skips_retest_lease_held(gate, monkeypatch):
+    """Proven no-op rebase (HEAD unchanged) -> skip re-test, PASS, lease HELD."""
+    _set_head_shas(monkeypatch, ["sha_same", "sha_same"])
+    ok, reason = qg.check_branch_mergeable(_REPO, _WI, _BRANCH)
+    assert ok is True
+    assert "re-test skipped" in reason
+    assert gate["retest"] == 0          # re-test NOT run
+    assert gate["released"] == 0        # lease HELD until the merge
+
+
+def test_tc11_head_moved_runs_retest(gate, monkeypatch):
+    """A real catch-up (HEAD moved) -> re-test RUNS (the ORCH-043 risk is real)."""
+    _set_head_shas(monkeypatch, ["sha_old", "sha_new"])
+    ok, reason = qg.check_branch_mergeable(_REPO, _WI, _BRANCH)
+    assert ok is True
+    assert reason == "rebased onto main, re-test green"
+    assert gate["retest"] == 1
+
+
+@pytest.mark.parametrize("shas", [["", "sha_new"], ["sha_old", ""], ["", ""]])
+def test_tc11_uncertain_sha_runs_retest_failsafe(gate, monkeypatch, shas):
+    """Cannot prove a no-op (empty SHA) -> re-test RUNS (fail-safe, never skips on
+    uncertainty)."""
+    _set_head_shas(monkeypatch, shas)
+    ok, reason = qg.check_branch_mergeable(_REPO, _WI, _BRANCH)
+    assert ok is True
+    assert gate["retest"] == 1          # re-test still runs on uncertainty
+
+
+def test_tc11_skip_bumps_observability_counter(gate, monkeypatch):
+    """The skip increments the read-only observability counter (D6)."""
+    merge_gate._MERGE_GATE_COUNTERS["retest_skipped_current_total"] = 0
+    _set_head_shas(monkeypatch, ["sha_same", "sha_same"])
+    qg.check_branch_mergeable(_REPO, _WI, _BRANCH)
+    assert merge_gate._MERGE_GATE_COUNTERS["retest_skipped_current_total"] == 1

tests/test_orch110_retest_lifecycle.py

@@ -0,0 +1,185 @@
+"""ORCH-110 TC-01 / TC-02: process-group tree-kill of orchestrator-spawned pytest.
+
+Covers D1 (FR-2 / BR-3 / AC-4): a timeout in ``merge_gate.retest_branch`` /
+``coverage_gate.measure_coverage`` must tree-kill the WHOLE subprocess subtree
+(children + grandchildren) — the orphan-leak root cause of the ORCH-109 incident —
+not just the direct child.
+
+Fully deterministic and offline:
+  * TC-01 runs a REAL throwaway process that spawns a long-sleeping grandchild via
+    ``sys.executable`` (always present), then asserts the grandchild is dead after a
+    ``run_in_process_group`` timeout — the concrete "no orphan survives" proof.
+  * TC-01b / TC-02 assert the two call sites delegate to ``run_in_process_group``
+    with the right tree-kill kwargs and map a timed-out ProcResult to their existing
+    contract (``(False, "re-test timeout after <T>s")`` / ``None``).
+No network, no Plane/Gitea, no Claude CLI.
+"""
+import os
+import tempfile
+import time
+
+os.environ.setdefault("ORCH_DB_PATH", os.path.join(tempfile.gettempdir(), "test_orch110_lifecycle.db"))
+os.environ.setdefault("ORCH_REPOS_DIR", tempfile.gettempdir())
+os.environ.setdefault("ORCH_GITEA_TOKEN", "test-token")
+os.environ.setdefault("ORCH_PLANE_API_TOKEN", "test-token")
+
+import sys  # noqa: E402
+
+import pytest  # noqa: E402
+
+from src import coverage_gate as cg  # noqa: E402
+from src import merge_gate  # noqa: E402
+from src import proc_group  # noqa: E402
+from src.proc_group import ProcResult, run_in_process_group  # noqa: E402
+
+_POSIX = hasattr(os, "killpg") and hasattr(os, "setsid")
+
+
+def _alive(pid: int) -> bool:
+    """True iff ``pid`` is a live (non-reaped) process."""
+    try:
+        os.kill(pid, 0)
+        return True
+    except ProcessLookupError:
+        return False
+    except PermissionError:
+        return True
+
+
+# ---------------------------------------------------------------------------
+# TC-01: real grandchild is tree-killed on timeout (the FR-2 / AC-4 proof).
+# ---------------------------------------------------------------------------
+@pytest.mark.skipif(not _POSIX, reason="process-group tree-kill is POSIX-only")
+def test_tc01_grandchild_orphan_is_tree_killed_on_timeout(tmp_path):
+    pidfile = tmp_path / "grandchild.pid"
+    script = tmp_path / "spawner.py"
+    # The leader spawns a long-sleeping grandchild, records its pid, then sleeps far
+    # past the timeout. A naive subprocess.run(timeout=) would kill ONLY the leader
+    # and leak the grandchild (the ORCH-109 bug). The process-group tree-kill must
+    # reap the grandchild too.
+    script.write_text(
+        "import subprocess, sys, time\n"
+        "gc = subprocess.Popen([sys.executable, '-c', 'import time; time.sleep(120)'])\n"
+        "open(sys.argv[1], 'w').write(str(gc.pid))\n"
+        "time.sleep(120)\n",
+        encoding="utf-8",
+    )
+
+    res = run_in_process_group(
+        [sys.executable, str(script), str(pidfile)],
+        cwd=str(tmp_path), timeout=2, grace_s=1, tree_kill=True,
+    )
+    assert res.timed_out is True
+
+    # Wait for the leader to actually have written the grandchild pid.
+    deadline = time.time() + 5
+    while time.time() < deadline and not pidfile.exists():
+        time.sleep(0.05)
+    assert pidfile.exists(), "spawner never recorded the grandchild pid"
+    gc_pid = int(pidfile.read_text().strip())
+
+    # The grandchild must die (be reaped) within a short window after the tree-kill.
+    deadline = time.time() + 8
+    while time.time() < deadline and _alive(gc_pid):
+        time.sleep(0.1)
+    assert not _alive(gc_pid), "grandchild orphan survived the timeout tree-kill (FR-2/AC-4)"
+
+
+@pytest.mark.skipif(not _POSIX, reason="process-group runner is POSIX-only")
+def test_tc01_green_and_red_returncodes_passthrough(tmp_path):
+    """The runner returns the real exit code on a normal (non-timeout) completion."""
+    ok = run_in_process_group(
+        [sys.executable, "-c", "import sys; sys.exit(0)"],
+        cwd=str(tmp_path), timeout=30, tree_kill=True,
+    )
+    assert ok.timed_out is False and ok.returncode == 0
+    red = run_in_process_group(
+        [sys.executable, "-c", "import sys; sys.exit(3)"],
+        cwd=str(tmp_path), timeout=30, tree_kill=True,
+    )
+    assert red.timed_out is False and red.returncode == 3
+
+
+def test_tc01_fallback_when_tree_kill_disabled(tmp_path, monkeypatch):
+    """tree_kill=False -> degrades to subprocess.run (never-break); still times out."""
+    res = run_in_process_group(
+        [sys.executable, "-c", "import time; time.sleep(30)"],
+        cwd=str(tmp_path), timeout=1, tree_kill=False,
+    )
+    assert res.timed_out is True
+
+
+def test_tc01_fallback_on_non_posix(tmp_path, monkeypatch):
+    """No os.killpg/setsid (non-POSIX) -> the plain subprocess.run fallback runs."""
+    monkeypatch.setattr(proc_group, "_tree_kill_supported", lambda: False)
+    res = run_in_process_group(
+        [sys.executable, "-c", "import sys; sys.exit(0)"],
+        cwd=str(tmp_path), timeout=30,
+    )
+    assert res.timed_out is False and res.returncode == 0
+
+
+# ---------------------------------------------------------------------------
+# TC-01b: retest_branch delegates to the process-group runner with the right
+# kwargs and maps a timeout to its existing contract.
+# ---------------------------------------------------------------------------
+def test_tc01b_retest_branch_uses_process_group_and_maps_timeout(tmp_path, monkeypatch):
+    wt = tmp_path / "wt"
+    wt.mkdir()
+    monkeypatch.setattr(merge_gate, "get_worktree_path", lambda repo, branch: str(wt))
+    monkeypatch.setattr(merge_gate.settings, "merge_retest_timeout_s", 900, raising=False)
+    monkeypatch.setattr(merge_gate.settings, "subprocess_tree_kill_enabled", True, raising=False)
+    monkeypatch.setattr(merge_gate.settings, "agent_kill_grace_seconds", 7, raising=False)
+
+    captured = {}
+
+    def _fake(cmd, *, cwd, timeout, env=None, grace_s=5.0, tree_kill=True):
+        captured.update(cmd=cmd, cwd=cwd, timeout=timeout, grace_s=grace_s, tree_kill=tree_kill)
+        return ProcResult(returncode=None, stdout="", stderr="", timed_out=True)
+
+    monkeypatch.setattr(merge_gate, "run_in_process_group", _fake)
+    ok, reason = merge_gate.retest_branch("orchestrator", "feature/x")
+    assert ok is False
+    assert reason == "re-test timeout after 900s"
+    # FR-2: spawned via the process-group runner with tree-kill + the agent grace.
+    assert captured["tree_kill"] is True
+    assert captured["grace_s"] == 7
+    assert captured["cmd"][:3] == ["python", "-m", "pytest"]
+
+
+# ---------------------------------------------------------------------------
+# TC-02: coverage_gate.measure_coverage — sibling orphan source (BR-3). Timeout
+# tree-kills + returns None; uses the same runner with tree-kill from settings.
+# ---------------------------------------------------------------------------
+def test_tc02_measure_coverage_timeout_tree_kill_returns_none(tmp_path, monkeypatch):
+    monkeypatch.setattr(cg, "ensure_worktree", lambda r, b: str(tmp_path))
+    monkeypatch.setattr(cg.settings, "subprocess_tree_kill_enabled", True, raising=False)
+    monkeypatch.setattr(cg.settings, "agent_kill_grace_seconds", 5, raising=False)
+    monkeypatch.setattr(cg.settings, "coverage_run_timeout_s", 900, raising=False)
+
+    captured = {}
+
+    def _fake(cmd, *, cwd, timeout, env=None, grace_s=5.0, tree_kill=True):
+        captured.update(tree_kill=tree_kill, grace_s=grace_s, timeout=timeout)
+        return ProcResult(returncode=None, stdout="", stderr="", timed_out=True)
+
+    monkeypatch.setattr(cg, "run_in_process_group", _fake)
+    assert cg.measure_coverage("orchestrator", "feature/x") is None
+    assert captured["tree_kill"] is True
+    assert captured["grace_s"] == 5
+    assert captured["timeout"] == 900
+
+
+def test_tc02_measure_coverage_respects_tree_kill_killswitch(tmp_path, monkeypatch):
+    """With the tree-kill kill-switch off, the runner is asked for the fallback path."""
+    monkeypatch.setattr(cg, "ensure_worktree", lambda r, b: str(tmp_path))
+    monkeypatch.setattr(cg.settings, "subprocess_tree_kill_enabled", False, raising=False)
+    captured = {}
+
+    def _fake(cmd, *, cwd, timeout, env=None, grace_s=5.0, tree_kill=True):
+        captured.update(tree_kill=tree_kill)
+        return ProcResult(returncode=None, stdout="", stderr="", timed_out=True)
+
+    monkeypatch.setattr(cg, "run_in_process_group", _fake)
+    assert cg.measure_coverage("orchestrator", "feature/x") is None
+    assert captured["tree_kill"] is False