静默故障检测器
捕获基于错误的监控无法看到的故障：一个进程只是 静默了。没有异常，没有崩溃——它只是停止了发送信号，而你几天后才发现。
何时使用
- 你有一个发射时间戳流（日志记录器、心跳、定时任务、智能体循环、数据源）和一个预期的节奏，你想知道它是否已停止。
- 你想要一个可验证、确定性的检查，可以将其接入日常完整性扫描。
工作原理（一个旋钮）
当最近信号的时间戳早于 expected_interval_sec * multiplier（默认 multiplier = 3.0 ≈ 约三次漏拍）时，状态为静默。空流为静默。multiplier 在 检测延迟（值越小，捕捉真实死亡越快）和 突发节奏上的误报（值越大，容忍度越高）之间进行权衡。将 expected_interval_sec 设置为流的典型间隔；如果节奏是突发性的，则将其设置为接近 p95 的间隔并在文档中说明。
运行它
echo '{"now": 1750000000, "expected_interval_sec": 60,
"timestamps": [1749999940, 1749999990]}' > input.json
python3 detector.py input.json # 退出码 0 = 健康，退出码 1 = 静默（可告警）
或者导入它：from detector import detect; detect(now, timestamps, expected_interval_sec, multiplier=3.0)。
输出
{ "status": "silent", "reason": "last signal 19880s old vs threshold 180s",
"last_age_sec": 19880, "threshold_sec": 180.0 }
已知限制（经过测量，而非声称——参见 BENCHMARK.md）
在一个包含105个案例的标注测试集上，其得分为 83.8% 准确率（TPR 81.8% / TNR 86.0%）。所有错误都位于阈值附近的 2-4 倍“灰色区域”；明确的情况则 100% 正确。 两种诚实的失效模式：（1）对仍存活但当前迟缓的流由于偶然跨越了 3 倍阈值而产生误报；（2）对一个刚刚死亡的流产生一个窗口的检测延迟。根据您的延迟/误报偏好调整 multiplier。评估是可复现的——重新运行并自行检查数字。