凌晨三点的告警把运维叫醒:定时任务重跑了一遍,订单表数据翻了一倍,财务对不上账。做 RPA 自动化的人都踩过这个坑——流程默认任务只跑一次,而现实是它会跑很多次。围绕幂等设计,把重复执行、脏数据、回滚这三个高频事故讲清楚,并给出能直接落地的方案。
一、重复执行:为什么"再跑一遍"是灾难
RPA 场景里,重复执行不是意外,而是常态:网络超时触发重试、调度器宕机后补跑、机器人客户端崩溃后从头再来、消息队列重复投递……同一段流程跑第二遍,没有幂等保护的写入操作,后果很直接:订单重复插入、库存多扣一次、客户收到三条一样的通知。
工程上的解法,按可靠性从高到低排:
- 唯一约束兜底。 数据库给业务单号加唯一索引,这是最后一道防线。记得把冲突异常捕获后转成"已处理"的正常返回,而不是让流程报错中断。
- 幂等键(Idempotency Key)。 执行前生成唯一键——"业务单号+任务类型+日期"——先查后写,键已存在就直接返回上次结果。并发场景用 Redis 加锁:
key = f"{biz_no}:{task_type}:{date}"
if redis.get(key) == "done": # 已成功处理过,直接返回
return "已处理,跳过"
redis.set(key, "processing", ex=600) # 只锁10分钟,防并发
try:
do_work()
redis.set(key, "done", ex=86400) # 成功后才落最终状态
except Exception:
redis.delete(key) # 失败释放,允许下次补跑
raise
注意一个细节:键要在成功之后才落最终状态。先写死再干活的话,进程中途崩溃,这条数据在过期前不会再被重试,补跑机制就废了。 - 状态机 + 原子迁移。 给数据定义"待处理 → 处理中 → 已完成/已失败",迁移用条件更新:UPDATE ... WHERE status='待处理',受影响行数为 0 就说明已被处理,直接退出。把"先查再改"的时间窗口压缩到一条原子 SQL 里。
- 天然幂等优先。 能覆盖写就不追加写,能量纲赋值就不增量累加。设计写入方式时先问一句:这段流程跑两遍,数据会变成什么样?
顺带说执行层。现在不少 RPA 工具支持 API 触发和定时执行分开设置,重试、补跑、手动触发这些入口多了,幂等判断更得收敛——把"查幂等键 → 判断状态 → 执行或跳过"封装成子流程统一调用,所有任务复用同一段逻辑,而不是每个流程各写一份。变量支持批量创建和修改、JSON 自动提取字段的话,幂等键的生成传递也不会散落各处变成硬编码。
二、脏数据:比重复更隐蔽的敌人
重复执行留下"多出来的数据",脏数据留下的却是"看起来对、其实错"的数据。页面字段错位、接口返回格式变了、解析规则过时——这些都不会让流程报错,只会让数据安静地烂掉。
防范脏数据三个动作:
入口校验。 必填字段非空、数值在合理区间、单号符合编码规则。校验不过的数据进隔离区等人工,而不是"先入库再说"。
处理留痕。 每步记录输入、输出、哪条数据在哪一步被修改。日志不能只记"成功/失败",出问题时要能定位到具体数据行。
定时对账。 自动化产出与上游来源定期比对,数量、金额对不上就告警。这是发现脏数据成本最低的手段。
RPA 场景还有个特有的脏数据来源:页面元素变了。按钮挪了、字段名改了,流程还按旧路径采集,取回错位数据却毫无察觉。所以选型时我会重点看执行层兜不兜得住——做得好的工具,Web 元素失效时 AI 自动修复定位,实现元素自愈,流程不中断;元素路径支持本地智能生成,还能用自然语言描述直接生成 XPath,不用啃语法。元素定位稳了,采集错位这类脏数据从源头砍掉一大半。调试期报错看不懂也不用慌,AI 错误诊断能一键分析原因、给出修复建议,甚至自动调试到功能正常——异常暴露在上线前,而不是带着脏数据进生产。
三、回滚:承认失败,才有补救的资格
执行前备份。 批量更新、删除类操作,先快照再动手,或者直接记录反向 SQL。成本极低,关键时刻救场。
补偿优于事务。 RPA 流程往往跨系统——改完自己的库还要调外部接口,数据库事务包不住。这时用补偿:每步记录一个撤销操作,失败按逆序执行。补偿本身也要幂等,跑两次结果应和一次一样。
断点续跑。 批量任务别把进度藏在内存里,每处理一条持久化游标,崩溃后从断点继续。从头再跑一遍,正是重复执行事故的最大来源。
人工介入通道。 不是所有失败都能自动回滚。挂起、通知、给全现场信息(哪条数据、卡在哪步、已做过什么),等人决策。现在一些 RPA 工具的 Agent 能力已经能做到:智能指令直达钉钉、飞书、企微或个人微信,流程一卡住就推送消息,人回一条指令就能继续,处理完回调通知执行结果,不用守着控制台。
还有一个容易忽略的层面:回滚的不只是数据,还有流程本身。支持打包导出 EXE、加密分享加授权管理的工具,分发给客户或部门的每个应用版本都可追溯;配合在线推送更新,打开应用自动检测新版本,出问题撤回旧版即可,不用逐个机器手动重装。支持自定义界面的,还能把"失败待办、待人工处理"直接做成软件界面上的按钮和数据视图,业务方不用翻日志。回滚做到这个粒度,才算闭环。
四、把幂等设计落到 RPA 执行层
理念要落地,最终看执行环境给不给你留"钩子"。部署形态是先要过的一关:全离线内网部署、流程应用数据全部保存在本地设备、不同步服务端的工具,处理记录、备份快照、补偿日志完全自己掌控,审计没有黑盒——离线更安全,在金融、政务内网是硬性要求。连接外部系统的场景也一样,能对接紫鸟、比特、hubstudio、AdsPower 这类指纹浏览器做自动化操作的,账号环境隔离和本地数据留存都能兼顾。
然后是分工。AI 适合思考,生成脚本、分析报错;RPA 负责稳定落地,长期可靠地执行。AI 生成的代码直接上生产往往不稳——元素漂移、异常分支覆盖不全,每次出问题都要重新改,修复成本高。更务实的组合是 AI 写代码、RPA 跑代码。做得完整的工具已经支持 AI 自动化搭建流程,浏览器自动化、Windows 软件自动化、视觉颜色操作都能覆盖——像企业微信、微信、QQ、千牛这类没有稳定元素节点的客户端,不依赖节点、靠视觉颜色加图片识图和 OCR 也能点击和取内容,"定位不到元素"这个脏数据源头又堵一层。AI 生成脚本一键转流程,还能用图文方式描述需求,少写大段逻辑说明;需要的话通过 MCP 服务接到 Workbuddy、Claude、Trae 这些 AI 编程工具上,让别的工具直接控制流程搭建,自由度更高。
成本也该算明白。接文心一言、豆包、DeepSeek、Kimi 这些大模型、AI 功能走用户自配 API 的方式,费用可控、成本透明;免费版没有使用时长限制,无运行时长、无流程数量限制,打包 EXE 发给别人不用装客户端,多设备使用也无需多开会员——个人开发者、工作室和中小企业先跑起来再谈投入,压力小很多。长期使用下来,执行层的性价比优势会更明显。
五、上线前检查清单
核心写入有没有唯一约束或幂等键兜底?
并发执行同一任务时,会不会同时通过"先查"这一关?
每步操作有没有留痕,能否定位到具体数据?
批量任务崩了,从头跑还是断点续跑?
失败任务是自动回滚、补偿,还是挂起通知人工?
采集类流程,元素变化后是报错、自愈,还是静默取错数据?
自动化做得越久,越能体会一句话:RPA 流程的价值不在于跑通,而在于跑了一千次之后数据还是干净的。重复执行防得住、脏数据看得见、失败之后回得去——做到这三点,自动化才能真正放进生产环境。