重复运行 WorkBuddy 整理附件，怎样只处理新文件

重复运行 WorkBuddy 整理附件时，只处理新文件需要一份持久的已处理台账。不能只告诉工具“别重复”，也不能靠文件名判断内容是否相同。本文交付输入清单、处理台账与第二次零重复的验收方案，不讲定时任务如何设置。

先决定何谓同一个输入

如果业务按文件内容去重，可以用 SHA-256 摘要作为内容身份；若同内容在不同目录代表不同业务件，则去重键还要包含业务编号。文件名和修改时间都不够可靠：同名可不同内容，复制会改变时间，内容修改也可能保留旧名称。

处理台账至少保存输入身份、原路径、内容摘要、规则版本、输出位置、结果摘要和状态。状态区分处理中、成功、失败，不应在开始处理时就写成功。规则升级后是否重处理旧输入，也要由规则版本决定，而不是永远跳过已有摘要。

输入	第一次	第二次相同输入	规则变化后
文件甲，摘要H1	处理并验收	跳过，记录命中台账	按新规则决定
文件乙，摘要H2	处理失败	允许受控重试	保留失败历史
新文件丙，摘要H3	不存在	处理	记录新产物
甲改内容，摘要H4	不存在	当新版本处理	保留H1关联

用三轮合成运行验证

第一轮只放甲、乙两个合成附件，输出到新目录并核对结果；第二轮不改变输入，期望成功项新增处理数为零；第三轮增加丙并修改甲内容，期望只处理新增身份。失败项另计，不能把重试失败项叫作重复处理成功项。

每轮报告扫描数、跳过数、待处理数、成功数、失败数，并检查输入去向闭合。台账写入失败时停止后续承诺，不能输出文件成功就假设台账已经保存。否则下一轮会再次处理同一个文件。

产物和台账要一同验收

台账记成功前，确认目标文件可打开、摘要存在且内容满足规则。先写临时产物，验证后再更新正式记录，可降低半成品被误标成功的概率。对会移动或删除源文件的流程，先用副本试跑，避免失败后源和结果都找不到。

并发执行时还需要协调同一输入的占用，单纯检查“台账里没有”并不防止两个进程同时开始。可以由单一调度器分配任务或使用具有唯一约束的存储；本文的清单流程不声称自动提供并发事务保证。

给 WorkBuddy 的具体要求

“读取 inputs 清单，只处理未在 ledger 中成功且规则版本匹配的输入；输出先到独立目录，核验后更新台账；每轮生成跳过原因与失败清单；不覆盖源文件。”这些是可检查的任务条件，当前客户端是否完整执行，必须用三轮演练确认。

官方说明支持文件处理，不等于已经保证增量去重或幂等。本文未运行 WorkBuddy，不把演练设计写成产品内置能力。正式交付时附上三轮清单和台账差异，接手者能看到第二轮究竟有没有重复生成。

常见问题

按文件名去重最快，为什么不用？ 重名和改内容都会误判，除非业务明确保证名字唯一且不可复用。

第二轮没有新增文件是否就通过？ 还应确认工具确实扫描了输入，并报告跳过证据，而不是根本没执行。

摘要相同就永远跳过吗？ 规则版本或业务归属变化时可能需要重处理，需明确策略。

继续处理相关问题

相关入口：WorkBuddy 卡住后的处理。

官方依据与核对日期

核对日：2026-10-23。WorkBuddy 文件能力：官方提供文件查看与编辑入口；本文增量台账属于外部工程验收方案；Python 文件摘要：可计算内容摘要辅助识别字节是否变化。文中的流程、阈值和合成数据属于工程示例，不能代替当前账号、文件或运行环境的验收。