长任务恢复助手
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_b4da0893/durable-job-recovery-cn。
技能介绍
要解决什么问题
分钟、小时甚至跨天的任务一旦依赖进程内存、单次 HTTP 或「超时即失败」的直觉,就会在宕机、网络抖动、外部调用响应丢失或版本升级后出现重复扣款、双写或永远卡在中间态。更棘手的是:你无法区分「请求没发出去」和「已经执行但回包丢了」——直接重放往往比卡住更危险。
技能如何帮你落地
这个技能把任务当成持久状态机来设计,而不是用退出码代替业务完成。它会引导你:
- 先写清完成事实与不可逆动作,再按可独立确认、可补偿的边界切分步骤
- 设计
PENDING、RUNNING、WAITING、RETRY_READY、UNKNOWN_EFFECT等显式状态,并用条件更新保留审计 - 为副作用定义业务幂等键、发送记录或查询确认路径,而不是用随机重试 ID
- 用有限租约、心跳与代次认领执行权,避免永久锁和网络分区下的双执行
- 对「已执行但响应丢失」走查询、对账或人工确认;无法证明时标记
UNKNOWN_EFFECT,不自动重放资金、订单类动作 - 输出状态转换表、重试预算、补偿与人工接管方案,以及故障注入与告警要点
按需可对齐 state-machine-design.md(从零建模)与 recovery-playbook.md(线上卡住、重复、租约过期)。
边界与注意点
它不替你做无上限重试、不绕过人工审批,也不把补偿等同于数据库回滚。消息队列至少一次投递时更需要消费者侧幂等;任务卡住时不能默认把状态改回 PENDING,须先查租约、代次与外部副作用。
使用场景
- 订单履约流程在支付回调丢失后,需要区分未扣款与已扣款再决定续跑或复用结果
- 批量导入任务进程重启后要从断点继续,并处理行级错误与文件校验未完成步骤
- 视频转码分片任务外部 API 超时,需用幂等键查询产物是否已生成再重试
- 审批流卡在等待节点,要设计租约过期扫描与 WAITING_REVIEW 的人工决策入口
适合人员
- 负责订单与支付链路的工程师,需要在超时后避免重复扣款并输出可追溯恢复决策
- 维护批量导入或 ETL 长作业的后端开发,要把意图与步骤进度持久化并在重启后认领续跑
- 处理分阶段转码、训练检查点等多小时流水线的平台同学,要设计租约、代次与 UNKNOWN_EFFECT 分支
- 线上 on-call 排查任务重复执行或永久卡住,需要按 recovery-playbook 核对副作用与状态转换