modify chongming-worker

modify: inline 插件配置按模式对齐（网关侧兜底，兼容未升级的 worker 包）
现象：cache 模式下应用重启后插件仍按 toml 跑，而前端（读缓存）显示的是缓存值。根因：跑起来的产物里 chongming-worker 是索引里的发布版（uv run build / uv sync 会把 uv pip install -e utils/worker 的可编辑安装替换回锁文件版本），旧版 Plugin.create_workers 在 on_init 时只拿到 config/workers/<type>/config.toml 展平出来的配置。改动（两层对齐，规则与 SDK 一致且幂等）： - WorkerManager.align_inline_config：创建 inline 副本之前按 [cache].launch_worker_count 对齐 [workers.config]——cache 模式取缓存值（缺失才用 toml 引导并写回），toml 模式以文件为准并把该段覆盖写入缓存；未配置缓存后端时原样返回。网关侧这层让网关与 worker 包版本解耦：worker 包仍是旧版时 cache 模式同样生效。 - _discover_plugins 透出 [workers.config] 展平前的原始段；load_workers 在注册 starter/ 创建副本之前完成对齐（插件实例 on_init 用的就是这份配置）。 - test/test_inline_config_align.py：两模式 + 无缓存/无段的边界用例，并校验缓存键与 SDK 一致。 - README：补打包陷阱（可编辑安装会被 uv sync 替换回发布版）与对齐时机说明。
2026-09-18 15:36:43 +08:00 · 2026-09-18 15:23:13 +08:00
5 changed files with 250 additions and 14 deletions
@@ -113,11 +113,22 @@ uv sync     # utils/* 由 uv 按 pyproject 的 git 源自动安装，无需手

 **修改 `utils/<name>`（工具包）**：

-1. 在 `utils/<name>` 内提交并 push 到对应远程
+1. 在 `utils/<name>` 内提交并 push 到对应远程（并发布新版本，见下）
 2. 回主仓库执行 `uv lock --upgrade-package <包名>` 刷新版本 pin
 3. `uv sync` 后运行相关测试
 4. 主仓库提交 `uv.lock`

+> ⚠️ **打包陷阱（"改了 utils/* 但产物行为没变"几乎都是它）**：`uv run build` 会先按
+> 锁文件同步环境，**`uv pip install -e utils/<name>` 的可编辑安装会被替换回锁文件里的
+> 发布版**。因此本地改了工具包后，必须走上面 1-4 步（push + 发版 → 刷新 pin → sync），
+> 否则 `build/` 产物里仍是旧版代码。仅本地联调时可临时用可编辑安装，但打包前要确认
+> venv 指向的是准备发布的版本：
+>
+> ```bash
+> uv pip install -e utils/worker --no-deps     # 仅联调：让 venv 用本地源码
+> python -c "import chongming_worker, inspect; print(inspect.getsourcefile(chongming_worker))"
+> ```
+
 **修改 `src/plugins/` / `config/` / `src/chongming-web/`**：

 1. 在对应子仓库内提交并 push
@@ -127,6 +138,8 @@ uv sync     # utils/* 由 uv 按 pyproject 的 git 源自动安装，无需手

 - [ ] 所有子仓库 `git status` 干净且已 push
 - [ ] `uv.lock` 与各 git 源最新提交一致
+- [ ] 打包前确认 venv 里 `chongming-worker` 等工具包为目标版本（改了 `utils/*` 却仍是旧版时，
+      产物行为不会变，见上一节打包陷阱）
 - [ ] 配置中无硬编码凭据——密钥一律走环境变量：
      `VOLC_ACCESSKEY`（豆包 Ark Key）、`AIBOX_MQTT_URI`（AI Box 外部 Broker URI）
 - [ ] `uv run python test_mqtt_e2e.py` 等测试通过
@@ -297,6 +310,8 @@ worker/<type>/<worker_id>/__admin__

  两种模式都不回写 `config.toml`：管理接口的改动只进缓存。`cache` 模式下启动日志会打印 toml 与缓存的差异键（以缓存为准）；如需让 toml 的改动生效，先删除 `worker:cm:configs:<type>`（运行时配置）或 `worker:cm:counts:<type>`（副本数）缓存键再重启，或改用 `"toml"` 模式。`GET /admin/workers/<type>/config` 的响应带 `source`（cache/toml）与 `mode`，前端据此标注展示值的来路。

+- **对齐时机（两层，规则一致且幂等）**：inline 插件由**网关**在创建副本之前对齐——`WorkerManager.align_inline_config()` 在收到展平配置与 `[workers.config]` 原始段后按模式取缓存/写缓存，再交给插件的 `create_workers`；worker SDK 的 `Plugin.create_workers` 在 `_bootstrap()`/`on_init()` 之前用 `resolve_startup_config()` 再解析一次。网关侧这层是为了让网关与 worker 包版本解耦：worker 包仍是旧版时 cache 模式同样生效（否则旧版 `on_init` 只拿到 toml 展平配置，表现为"前端显示缓存值、实际跑 toml"）。**external 插件**没有网关这层兜底，由插件进程内的 SDK 解析，需要 worker 包为含该改动的版本。
+
 - **进程插件（external）实例粒度参与分摊**：网关只对 **inline** 插件用 cache 解析启动副本数（见「启动流程」第 5 步 `load_workers`），external 插件的启动副本数由外部编排按自身配置决定；但**运行时的缩放**上，external 并不退化为“每进程全额”，而是同样在**共享 cache 上登记实例参与方**来分摊，避免多实例把副本翻倍：
  - **实例登记 + 心跳租约**：每个 external 进程启动时向 `worker:cm:instances:<type>` 登记自身参与方（`[instance_id, ts]`），并每 15s 心跳续约；超过租约（60s）未心跳的死实例会被清理。`divmod` 按存活参与方 N 均分全局 count（余量补靠前实例），`N==1` 时退化为全额（单部署零影响）。
  - **实例标识默认唯一**：`--instance` / 环境变量 `CHONGMING_WORKER_INSTANCE` 显式指定（跨重启稳定、逐实例精细扩缩可持续命中）；缺省回退 `{hostname}:{pid}`——**同一机器并行多个未指定 `--instance` 的进程也能靠 pid 区分**，不会因为 id 相同被并成一个参与方导致副本翻倍或前端只显示一个实例。注意缺省 id 随进程重启变化。
@@ -399,6 +399,9 @@ def _discover_plugins() -> list[dict]:
            "load_mode": load_mode,
            "mqtt_topics": mqtt_topics,
            "config": runtime_config,
+            # [workers.config] 展平前的原始段：供 load_workers 按「配置优先来源模式」
+            # 引导/覆盖共享缓存，使 inline 插件初始化即拿到缓存值（cache 模式）
+            "config_section": dict(workers_section.get("config") or {}),
        })

    # 2. 兼容旧写法: config/workers/config.toml（仅加载尚未发现的插件）
@@ -475,7 +478,12 @@ async def load_workers(app: FastAPI, session: zenoh.Session, manager: WorkerMana
        # 否则用配置值引导并写回 cache（多网关共享同一 cache 时自动对齐）。
        count = wc["count"]
        worker_type = wc["type"]
-        worker_config = wc["config"]
+        # [workers.config] 单一事实来源：按配置优先来源模式对齐（cache 模式取缓存值、
+        # toml 模式以文件为准并覆盖缓存），必须在注册 starter/创建副本之前完成——
+        # 插件实例（on_init 重建客户端等）用的就是这份配置。
+        worker_config = manager.align_inline_config(
+            worker_type, wc["config"], wc.get("config_section")
+        )

        if not module_name or not factory_name:
            logger.warning(f"Worker 配置不完整: {wc}")
@@ -14,6 +14,11 @@ from .logger import get_logger

 logger = get_logger("worker_manager")

+# ── 插件运行时配置（chongming-cache 单一事实来源）──
+# 键与 worker SDK（chongming_worker.runtime._configs_cache_key）一致，全局唯一一份
+# [workers.config]；读写规则见 WorkerManager.align_inline_config。
+_CONFIGS_KEY = "worker:cm:configs:{type}"
+
 # ── 全局副本数（chongming-cache 单一事实来源）──
 # 多网关共用同一 cache（单实例=本地 diskcache，多实例=共享卷/redis），
 # 「count」语义 = 该类 worker 的**全局目标总量**，各网关按在线数量分摊。
@@ -134,6 +139,51 @@ class WorkerManager:
        """
        return "cache" if str(self._launch_worker_count).lower() == "cache" else "toml"

+    def align_inline_config(
+        self,
+        worker_type: str,
+        worker_config: Dict[str, Any],
+        config_section: Optional[Dict[str, Any]] = None,
+    ) -> Dict[str, Any]:
+        """inline 插件初始化前，按配置优先来源模式对齐其 [workers.config]（网关侧兜底）。
+
+        worker SDK 的 Plugin.create_workers 会做同样的事（权威实现，见
+        chongming_worker.runtime.resolve_startup_config）；网关侧再兜一层，是为了让
+        网关（随本仓库发布）与 worker 包版本解耦：worker 包仍是旧版时，旧版 on_init
+        只拿到 config/workers/<type>/config.toml 展平出来的配置，会出现“前端显示缓存值、
+        实际跑 toml”。规则与 SDK 一致：
+
+          - "cache"：缓存里有该段就用它覆盖传入配置（toml 仅作缓存缺失时的引导并写回，
+            之后以缓存为准、跨重启保持）；
+          - "toml" ：以 config.toml 为准，把该段覆盖写入缓存（前端读缓存 → 随之显示文件值）；
+          - 未配置缓存后端（cache 为 None）时保持传入配置不动。
+
+        Args:
+            worker_type: 插件类型（如 aibox_sophon_adapter）
+            worker_config: _discover_plugins 展平出来的运行时配置
+            config_section: 该插件 config.toml 的 [workers.config] 原始段（引导/覆盖缓存用）
+        """
+        if self.cache is None:
+            return worker_config
+        key = _CONFIGS_KEY.format(type=worker_type)
+        section = config_section if isinstance(config_section, dict) else None
+        if self.config_mode == "cache":
+            cached = self.cache.get(key)
+            if isinstance(cached, dict):
+                logger.info(
+                    "%s [workers.config] 取自缓存（cache 模式，%d 键）",
+                    worker_type, len(cached),
+                )
+                return {**worker_config, **cached}
+            if section:
+                self.cache[key] = dict(section)   # 缓存缺失：用 toml 引导并写回
+                logger.info("%s [workers.config] 缓存缺失，已用 config.toml 引导", worker_type)
+            return worker_config
+        if section is not None:
+            self.cache[key] = dict(section)       # 以文件为准：覆盖缓存，前端随之显示文件值
+            logger.info("%s [workers.config] 以 config.toml 为准并覆盖缓存（toml 模式）", worker_type)
+        return worker_config
+
    # ── 全局副本数协调（chongming-cache 单一事实来源）────────────
    # count/quota 的读写与分摊已收归 worker 层（chongming_worker.runtime）：
    # 网关不再直写这些缓存键，仅维护「在线网关列表」（register/heartbeat/unregister）。
@@ -0,0 +1,163 @@
+"""
+inline 插件 [workers.config] 对齐（网关侧兜底）单测 —— WorkerManager.align_inline_config。
+
+网关侧在创建 inline 副本之前，按「配置优先来源模式」（根 config.toml 的
+[cache].launch_worker_count）对齐插件配置：cache 模式取共享缓存里的段，
+toml 模式以 config/workers/<type>/config.toml 为准并覆盖缓存。目的是让网关与
+worker 包版本解耦——worker 包仍是旧版时，旧版 on_init 只拿到 toml 展平配置，
+会出现“前端显示缓存值、实际跑 toml”。
+
+用 dict 作缓存桩，验证两种模式下插件拿到的配置与缓存/文件两侧的取值一致。
+"""
+import os
+import sys
+
+REPO = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
+sys.path.insert(0, os.path.join(REPO, "src"))
+os.chdir(REPO)  # 网关模块导入期读根 config.toml / 日志配置
+
+from chongming.app.core.worker_manager import _CONFIGS_KEY, WorkerManager  # noqa: E402
+
+PASS = 0
+FAIL = 0
+WT = "aibox_sophon_adapter"
+
+# _discover_plugins 展平出来的形态（toml 值）
+FLAT = {"type": WT, "count": 1, "data_dir": "./data", "mediamtx_addr": "rtsp://toml:8554"}
+# 该插件 config.toml 的 [workers.config] 原始段
+SECTION = {"data_dir": "./data", "mediamtx_addr": "rtsp://toml:8554", "heartbeat": {"timeout": 15}}
+# 前端下发后缓存里的段（改过 mediamtx_addr 与 heartbeat）
+CACHED = {"data_dir": "./data", "mediamtx_addr": "rtsp://cache:9999", "heartbeat": {"timeout": 30}}
+
+
+def report(name, cond, detail=""):
+    global PASS, FAIL
+    if cond:
+        PASS += 1
+        print(f"✅ {name}" + (f" — {detail}" if detail else ""))
+    else:
+        FAIL += 1
+        print(f"❌ {name}" + (f" — {detail}" if detail else ""))
+
+
+def manager(cache, mode):
+    m = WorkerManager.__new__(WorkerManager)   # 免会话构造：仅用到 cache + config_mode
+    m.cache = cache
+    m._launch_worker_count = mode
+    return m
+
+
+def run() -> int:
+    key = _CONFIGS_KEY.format(type=WT)
+
+    # ── 1. cache 模式：缓存有段 → 插件拿到缓存值（本次修复目标）──────────
+    cache = {key: dict(CACHED)}
+    got = manager(cache, "cache").align_inline_config(WT, dict(FLAT), dict(SECTION))
+    report(
+        "cache 模式：插件配置取缓存值（覆盖 toml 同名键）",
+        got.get("mediamtx_addr") == "rtsp://cache:9999"
+        and got.get("heartbeat") == {"timeout": 30},
+        f"mediamtx_addr={got.get('mediamtx_addr')}",
+    )
+    report("cache 模式：不覆盖已存在的缓存段", cache[key] == CACHED, f"cache={cache[key]}")
+
+    # ── 2. cache 模式：缓存缺失 → 用 toml 段引导并写回 ──────────────────
+    cache2 = {}
+    got2 = manager(cache2, "cache").align_inline_config(WT, dict(FLAT), dict(SECTION))
+    report(
+        "cache 模式：缓存缺失用 config.toml 引导并写回",
+        cache2.get(key) == SECTION and got2.get("mediamtx_addr") == "rtsp://toml:8554",
+        f"cache={cache2.get(key)}",
+    )
+
+    # ── 3. toml 模式：以文件为准并覆盖缓存（前端随之显示文件值）─────────
+    cache3 = {key: dict(CACHED)}
+    got3 = manager(cache3, "toml").align_inline_config(WT, dict(FLAT), dict(SECTION))
+    report(
+        "toml 模式：插件配置为 toml 值",
+        got3.get("mediamtx_addr") == "rtsp://toml:8554",
+        f"mediamtx_addr={got3.get('mediamtx_addr')}",
+    )
+    report(
+        "toml 模式：启动时用 toml 覆盖缓存（前端与运行值一致）",
+        cache3.get(key) == SECTION,
+        f"cache={cache3.get(key)}",
+    )
+
+    # ── 4. 边界：无缓存后端 / 无段（旧 config/workers/config.toml 兼容路径）──
+    cache4 = {key: dict(CACHED)}
+    m4 = manager(cache4, "cache")
+    m4.cache = None
+    report(
+        "无缓存后端：原样返回（经典 toml 行为）",
+        m4.align_inline_config(WT, dict(FLAT), dict(SECTION)) == FLAT
+        and cache4[key] == CACHED,
+    )
+    cache5 = {}
+    got5 = manager(cache5, "toml").align_inline_config(WT, dict(FLAT), None)
+    report("无 [workers.config] 段（旧写法）：不写缓存、原样返回", got5 == FLAT and not cache5)
+
+    # ── 5. 与 SDK 侧一致：缓存键必须相同；SDK 为本地版本时才比对解析结果 ──
+    # 注意：venv 里的 chongming-worker 可能是索引里的发布版（uv sync 会把可编辑安装
+    # 换回锁文件版本），新版才有 resolve_startup_config / 正确的 toml 分支语义。
+    sys.path.insert(0, os.path.join(REPO, "utils", "worker", "src"))
+    import chongming_worker.runtime as r  # noqa: E402
+
+    report(
+        "缓存键与 SDK 一致（两端必须读写同一键）",
+        r._configs_cache_key(WT) == _CONFIGS_KEY.format(type=WT),
+        f"sdk={r._configs_cache_key(WT)}",
+    )
+    local_src = os.path.join(REPO, "utils", "worker", "src") in os.path.abspath(r.__file__)
+    if not local_src:
+        print(f"⚠️  跳过解析结果比对：当前 SDK 为 {r.__file__}（非本地源码，缺本次改动）")
+    else:
+        c = {r._configs_cache_key(WT): dict(CACHED)}
+        sdk = r.resolve_runtime_config(WT, dict(FLAT), c, "cache")
+        report(
+            "cache 模式：网关侧兜底与 SDK 解析结果一致",
+            sdk.get("mediamtx_addr") == CACHED["mediamtx_addr"],
+            f"sdk={sdk.get('mediamtx_addr')}",
+        )
+
+    # ── 6. 端到端：网关对齐 + 插件初始化（部署组合：网关新、worker 包为发布版）──
+    # 该断言即线上现象的复现与验证：插件 on_init 拿到的必须是网关对齐后的缓存值，
+    # 与 venv 里 chongming-worker 是否为含本次改动的版本无关。
+    import asyncio
+
+    from chongming_worker.plugin import Plugin  # noqa: E402
+
+    seen = {}
+
+    class DemoPlugin(Plugin):
+        type = WT
+        auto_bind = False
+
+        async def _bootstrap(self):      # 隔离数据库/对象存储引导，只看配置来源
+            return None
+
+        async def on_init(self):
+            seen["on_init"] = self.config.get("mediamtx_addr")
+
+        def _create_workers_impl(self, session, config, count=1, worker_manager=None):
+            seen["impl"] = (config or {}).get("mediamtx_addr")
+            return []
+
+    aligned = manager({key: dict(CACHED)}, "cache").align_inline_config(
+        WT, dict(FLAT), dict(SECTION)
+    )
+    asyncio.run(DemoPlugin().create_workers(None, aligned, 1))
+    report(
+        "端到端：网关对齐后插件 on_init 读到缓存值（不依赖 worker 包版本）",
+        seen.get("on_init") == CACHED["mediamtx_addr"] == seen.get("impl"),
+        f"on_init={seen.get('on_init')}, impl={seen.get('impl')}, "
+        f"sdk={os.path.abspath(__import__('chongming_worker').__file__)}",
+    )
+
+    print("\n" + "=" * 56)
+    print(f"测试结果: ✅ {PASS} 通过  ❌ {FAIL} 失败")
+    return 0 if FAIL == 0 else 1
+
+
+if __name__ == "__main__":
+    sys.exit(run())
@@ -560,7 +560,7 @@ wheels = [

 [[package]]
 name = "chongming-worker"
-version = "0.4.4"
+version = "0.4.5"
 source = { registry = "http://124.71.68.6:3000/api/packages/chongming/pypi/simple/" }
 dependencies = [
    { name = "chongming-cache" },
@@ -571,9 +571,9 @@ dependencies = [
    { name = "pydantic" },
    { name = "tomli" },
 ]
-sdist = { url = "http://124.71.68.6:3000/api/packages/chongming/pypi/files/chongming-worker/0.4.4/chongming_worker-0.4.4.tar.gz", hash = "sha256:0a129bd4034f6031911839792e3c83cfc78bbb706dccadde8f41feb754fe83c8" }
+sdist = { url = "http://124.71.68.6:3000/api/packages/chongming/pypi/files/chongming-worker/0.4.5/chongming_worker-0.4.5.tar.gz", hash = "sha256:fec2b7ed7634838f67368da56805abf6918232535e85535ddfd72cd099b15fab" }
 wheels = [
-    { url = "http://124.71.68.6:3000/api/packages/chongming/pypi/files/chongming-worker/0.4.4/chongming_worker-0.4.4-py3-none-any.whl", hash = "sha256:170c0e59b4fc3565d437db3c805eda343de5b324a0b574fdfdda65e3348145b4" },
+    { url = "http://124.71.68.6:3000/api/packages/chongming/pypi/files/chongming-worker/0.4.5/chongming_worker-0.4.5-py3-none-any.whl", hash = "sha256:88a343387bf354db1ef051384c06b268dfd996a3fb25366537fa32547e58fc93" },
 ]

 [[package]]
@@ -940,11 +940,11 @@ wheels = [

 [[package]]
 name = "idna"
-version = "3.19"
+version = "3.20"
 source = { registry = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple" }
-sdist = { url = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/packages/5f/f7/abb373e5757eaec4b922b92f97ec8d6d7e057cf06778247604fbc4e7c3f3/idna-3.19.tar.gz", hash = "sha256:5e0811a4383b21dc5838069f801c4fb62113b7447663d2530d2bd6e77b49bf15", size = 215237, upload-time = "2026-08-18T05:14:24.27Z" }
+sdist = { url = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/packages/f5/08/8eea9d4b8302028f3abb2c0813953f7aec26d33b7a8960ed760e65ff29fa/idna-3.20.tar.gz", hash = "sha256:a7db850025b95ded1eae8a46181a1a6c56c92c96f0e2b005d9ff8dc0210cab44", size = 216463, upload-time = "2026-09-17T14:11:04.752Z" }
 wheels = [
-    { url = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/packages/57/b0/0e52c878c53f245edd3a11020f20979b3f490f245af532c7cae3027754b5/idna-3.19-py3-none-any.whl", hash = "sha256:815e7be7a7806d54abb586dc943addc79e8b2ee16915059658cbeff4b1b43bf4", size = 68550, upload-time = "2026-08-18T05:14:22.343Z" },
+    { url = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/packages/58/a2/bb081bab032533a855d44de1d56f8e8426114ff1ba5d1f07a438a0a654f8/idna-3.20-py3-none-any.whl", hash = "sha256:ab7ae7122974553370f0bdb919e1a960b2cd1bc1ef0276416d896db81c14582c", size = 69583, upload-time = "2026-09-17T14:11:03.168Z" },
 ]

 [[package]]
@@ -1137,7 +1137,7 @@ sdist = { url = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/packages/c7/ce/38

 [[package]]
 name = "openai"
-version = "3.14.1"
+version = "3.15.0"
 source = { registry = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple" }
 dependencies = [
    { name = "anyio" },
@@ -1147,9 +1147,9 @@ dependencies = [
    { name = "sniffio" },
    { name = "typing-extensions" },
 ]
-sdist = { url = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/packages/a2/a5/bc3681f645a0d026332047cc19a703315979740a11a5763f46c163abd614/openai-3.14.1.tar.gz", hash = "sha256:2f3423a71af767d9071b059cf6df1e97a721c3a8d19417375ad7993d4df0d346", size = 1634770, upload-time = "2026-09-15T23:13:35.708Z" }
+sdist = { url = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/packages/82/6b/f086332d9fdefcc3853f2457209fcf221985d01d32b5021ab8096be7d506/openai-3.15.0.tar.gz", hash = "sha256:47bc15f8b9db62ba9ff7fa32164c72f4fd6333b22d890251292aac1c6bfe998f", size = 1664554, upload-time = "2026-09-18T00:53:05.192Z" }
 wheels = [
-    { url = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/packages/f7/13/d1caa2b2385ed22a1e10e1fd7fc09a92e282cffadad49c569827315f468a/openai-3.14.1-py3-none-any.whl", hash = "sha256:a6758739282f3b1cafe8df1204f7a2f7b1e9edbbcfa41c0efba687448fbc51cf", size = 2003545, upload-time = "2026-09-15T23:13:33.164Z" },
+    { url = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/packages/fb/92/fc65194e6e92cf0202a2e5fff75e2fef62e7dbb7a6cf2b48c1239dfedb50/openai-3.15.0-py3-none-any.whl", hash = "sha256:95d6b2caf3823c7e0fc08911317b7f31b9f9ccf93b414e7a5c8d5b226af115f6", size = 2018693, upload-time = "2026-09-18T00:53:02.507Z" },
 ]

 [[package]]
@@ -1931,7 +1931,7 @@ wheels = [

 [[package]]
 name = "volcengine-python-sdk"
-version = "5.0.49"
+version = "5.0.50"
 source = { registry = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple" }
 dependencies = [
    { name = "certifi" },
@@ -1939,9 +1939,9 @@ dependencies = [
    { name = "six" },
    { name = "urllib3" },
 ]
-sdist = { url = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/packages/24/b9/813003899553d3e68fa09841a83c9753eed82298758c7f56abf7595c7d36/volcengine_python_sdk-5.0.49.tar.gz", hash = "sha256:4eb95c77bd4af3f2bfa8b569eb3280ed9b02b40dea371ba4d7f40269fed19cd6", size = 10805148, upload-time = "2026-09-10T12:02:25.301Z" }
+sdist = { url = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/packages/aa/76/4fe32f3c467a1e79263abf4516a8181810567ef0d019d6a7783a2733f4a5/volcengine_python_sdk-5.0.50.tar.gz", hash = "sha256:a9e5da2c63b5982b46c233b261a39b5f8fb456cd8d7b321b303d3ad40577d6bf", size = 10779492, upload-time = "2026-09-17T11:24:27.378Z" }
 wheels = [
-    { url = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/packages/14/da/ca7b207d19a9e07b11afa2f6af9c5ee624345fea6da4f81c6b8adf295b8a/volcengine_python_sdk-5.0.49-py2.py3-none-any.whl", hash = "sha256:cd4322b48fcca048eaf6417efc58a1eeef36486c7f32fee6975291aa09167cca", size = 43378306, upload-time = "2026-09-10T12:02:19.274Z" },
+    { url = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/packages/ab/85/75009d3c824f2c122e987b46491c6e033b3e88b264aa4c650d6f334a0e83/volcengine_python_sdk-5.0.50-py2.py3-none-any.whl", hash = "sha256:89858a7cbb7fd0d9e74fdcdd0f6584bbfc4e8f92fdc4ed4bee5af7e24a36eda7", size = 43243933, upload-time = "2026-09-17T11:24:17.135Z" },
 ]

 [package.optional-dependencies]