笙亿网络策划

KerWork 跑完一轮桌面操作——结果回写前要不要留原文件？

约 9 分钟读完 10 阅
文章导读
KerWork 跑完一轮桌面操作、结果要覆盖原文件时，建议在回写前留一份副本，但副本不应该和原文件一直混在同一个目录里接受扫描。判断要看三件事：回写是不是不可逆（覆盖后原内容是否还能从别处拿回）、这批文件会不会被下一轮任务再次扫到、出问题后你靠什么证据确认哪一份是“对的”。其中任意一条不满足，都应该先备份，并把备份和比对写进流程里，而不是凭记忆临时拷一份。
📋 目录
  1. 一 写回前给目标文件做一份同目录副本
  2. 二 把副本放到独立目录而不是混在原目录
  3. 三 用校验值或逐行比对确认回写结果
  4. 四 确定备份保留多久、什么时候清理
  5. 五 把备份与比对写进固定流程
A A

KerWork 跑完一轮桌面操作、结果要覆盖原文件时，建议在回写前留一份副本，但副本不应该和原文件一直混在同一个目录里接受扫描。判断要看三件事：回写是不是不可逆（覆盖后原内容是否还能从别处拿回）、这批文件会不会被下一轮任务再次扫到、出问题后你靠什么证据确认哪一份是“对的”。其中任意一条不满足，都应该先备份，并把备份和比对写进流程里，而不是凭记忆临时拷一份。

留副本这一步不能省，但位置和时长要分开处理：单次回写可以先用同目录后缀副本，最低成本拿到一个可回退版本；批量跑批则应把副本落到独立备份目录，避免被下一轮任务当成输入再处理一遍。留多久按批次算，不清空只归档，清理前先用不带删除的 find 或 -WhatIf 列清单核对。回写结果不要只看文件大小，用 sha256 或 diff 与副本比对，并把比对结果落成一条记录，不一致时先停后续批次再排查。

写回前给目标文件做一份同目录副本

同目录副本的意义是“出问题时原路径上立刻有一个可改回来的版本”，不需要额外挂载点和权限。用 cp 时加保留时间戳的参数，副本的可追溯性才完整：

cp -p `--preserve`=timestamps 合同汇总.xlsx "合同汇总.xlsx.bak.$(date +%Y%m%d-%H%M%S)"

复制完用 ls -l `--time-style`=full-iso 看一下副本的修改时间是否与原文件一致，一致说明时间戳被保留了；如果 KerWork 的回写逻辑依赖文件时间判断新旧，副本时间与原文件不一致可能引出额外问题。

命名规则建议“保留原名 + 固定形状后缀 + 时间戳”，不要改原名。程序或任务配置通常按原文件名写入，改了名等于让回写找不到目标；后缀统一成 .bak.YYYYmmdd-HHMMSS 这种可被通配符稳定匹配的形式，后面写排除规则和清理规则都靠这个形状。

一轮跑批涉及多个文件时，用目录遍历一次性复制，避免手写路径漏文件：

ts=$(date +%Y%m%d-%H%M%S)
find /data/inbox -maxdepth 1 -type f -name '*.xlsx' -print0 \
  | xargs -0 -I{} cp -p `--preserve`=timestamps '{}' '{}.bak.'"$ts"
ls /data/inbox/*.bak."$ts" | wc -l

复制后拿副本数量与源文件数量对一下，数量不符说明中途有文件被跳过，先补复制再回写。

把副本放到独立目录而不是混在原目录

同目录副本只适合单文件、单次操作。批量任务里副本留在原目录，下一轮扫描很容易把 *.bak.* 当成待处理文件再跑一遍，结果是副本被再次改写，回退点失效。更稳的做法是每次跑批建一个批次目录：

ts=$(date +%Y%m%d-%H%M%S)
bak="/var/backups/kerwork/invoice-sync/$ts"
mkdir -p "$bak"
cp -p /data/inbox/*.xlsx "$bak"/
ls "$bak" | wc -l

备份根目录建议放在与业务目录不同的一层，比如 /var/backups/kerwork/<任务名>/<批次号>/，Windows 侧同理用独立的盘符目录。不同任务分不同子目录，不要把多个任务混进同一个批次目录，否则清理时无法按任务判断。

路径写法上，任务配置里的“输入目录”和“备份目录”必须是两个字段，回写校验时从备份目录读副本、从业务目录读回写结果，源路径只作为记录字段保留。同时要在任务的文件筛选规则里显式排除备份相关内容，常见做法是排除后缀 *.bak.*、排除目录名 _backup 或 backups，再只保留扩展名白名单（如仅处理 *.xlsx），两层限制叠加比单靠一层更保险。

用校验值或逐行比对确认回写结果

核对的核心不是“文件变了没有”，而是“变的是不是预期的那几处”。二进制类文件（xlsx、docx、pdf）用哈希比对，适合判断两份文件是否同一内容，以及备份在回写过程中有没有被误覆盖：

sha256sum "$bak"/合同汇总.xlsx /data/inbox/合同汇总.xlsx

要注意哈希值在回写前后本来就应当不同，所以更实用的用法是两步：回写前记录副本哈希到清单，回写后重新算一次副本哈希，确认副本未被改动；同时把回写后的文件哈希一并记入日志，作为这一批次的产出指纹。

文本类文件（csv、txt、json、日志）直接逐行比对，能看出改动落在哪几行：

diff -u "$bak"/a.txt /data/inbox/a.txt > "$bak"/diff-a.patch
diff -q "$bak"/b.csv /data/inbox/b.csv

只想知道有没有差异用 diff -q；需要留证据用 diff -u 把 patch 存进批次目录。表格类文件不能直接 diff 时，可以先导出为 csv 再比对，或者退回哈希加人工抽检。

结果不一致时，按固定字段记一条，方便后续汇总和检索：

batch: $ts
task: invoice-sync
file: /data/inbox/a.xlsx
status: mismatch
detail: sha256 backup=... written=...

状态非 ok 的文件不要继续让下一批覆盖，先把这条记录连同 patch 留在批次目录里。

确定备份保留多久、什么时候清理

保留规则按批次数比按天数更可执行：每个批次一个带时间戳的目录，保留最近一到两个批次，其余在确认后清理。天数规则的问题在于跑批频率不固定，两天可能只有一批，也可能有二十批。

清理前至少做三个确认动作：回写后的文件已经过校验收到的状态是 ok；业务侧没有反馈这一批结果需要回退；该批次没有被下游任务或对账流程引用。有合规或审计要求保留原件的场景，不适用“保留最近一批”的简化规则，需要单独定。

清理命令先跑不带删除的版本，把清单打印出来看一遍：

find /var/backups/kerwork/invoice-sync -mindepth 1 -maxdepth 1 -type d \
  ! -name "$keep" -print

确认清单符合预期后，再把 -print 换成 -exec rm -rf {} +。这里有两个风险边界要明确：rm -rf 执行后不可恢复，删掉的就是唯一的原文件版本；路径变量为空或拼接错误时，命令的删除范围会扩大到意料之外的位置，所以执行前先 echo "$bak" 把变量值打出来核对。Windows 侧用 Remove-Item -Recurse -Force -WhatIf 先空跑一遍，确认对象无误再去掉 -WhatIf。

把备份与比对写进固定流程

把这套动作固化成每次跑批都走的步骤，并从日志里判断是否真的执行了：

  1. 生成批次号，建批次目录。
  2. 复制待处理文件到批次目录，同时写出清单文件（文件名、大小、sha256）。
  3. 核对清单行数与被处理文件数是否一致，不一致就停止。
  4. 执行 KerWork 回写。
  5. 按文件类型做 diff 或 sha256 比对，结果写入 verify 文件。
  6. 统计状态：全部 ok 才允许进入下一批；出现 mismatch 则保留批次目录并暂停。
  7. 按保留规则清理旧批次，清理前再列一次清单。

每一步都要有可判定的判据，不能只写“检查一下”：清单行数等于源文件数；副本 sha256 与复制时记录一致；diff 输出只包含预期改动；verify 文件里没有 mismatch 行。把这些判据写进任务描述，下一次跑批时按同一套走：

任务名：invoice-sync
输入：/data/inbox，仅处理 *.xlsx，排除 *.bak.* 与 _backup 目录
回写前：复制到 /var/backups/kerwork/invoice-sync/<批次号>/ 并生成 manifest
回写后：逐文件 sha256 + diff 校验，结果写入 <批次号>/verify
失败处理：状态非 ok 时不覆盖后续文件，保留批次目录并在日志中标 mismatch
保留：最近两个批次，其余经人工确认后清理

任务描述里写清“失败时保留什么、不做什么”，比写清“成功时怎么做”更能减少返工。批次的执行记录现在不少工具都能在页面上看到，但页面记录通常只说明任务跑完了，不代表回写内容正确，所以比对结果还是要落成文件，页面状态只能当作辅助判断。