## 诊断流程样例 ### 场景 9335 条商品域 session 使用 Ark 做场景对齐，主跑完成后 clean 文件只有 8850 条 ok、485 条 error。人工观察发现部分行 raw 里先有 ok，后续补跑又写入 error，latest-record 清洗把成功结果覆盖掉了。 ### 输入 - 源表：`data/最终结果/一二级标签总表.xlsx` - raw 缓存：`out/product_scene_match.raw.jsonl` - clean 结果：`out/product_scene_match.clean.csv` - 日志：`out/product_scene_match.run.log` - 主键：`sessid` ### 运行 ```bash python .agents/skills/session-batch-labeler/scripts/batch_session_label.py diagnose \ --input data/最终结果/一二级标签总表.xlsx \ --raw out/product_scene_match.raw.jsonl \ --clean out/product_scene_match.clean.csv \ --log out/product_scene_match.run.log \ --id-col sessid \ --report out/ark_batch_tail_report.md ``` ### 诊断输出 | 检查项 | 结果 | 判断 | | --- | ---: | --- | | expected_total | 9335 | 源表口径 | | raw_written | 9335+ | 有重复补跑记录 | | clean_ok | 8850 | 未达标 | | clean_error | 485 | 需要拆分真假失败 | | ok_shadowed_by_error | 141 | clean 逻辑错误 | | true_unfinished | 344 | 只补这些 | ### 建议动作 1. 先执行 `--finalize-only --prefer-ok`，修复 clean 去重口径。 2. 对 true unfinished 执行 `--only-errors --workers 4 --read-timeout 60`。 3. 若剩余小于 5 条，单条或小批次拉到 `--read-timeout 180`。 4. 验收必须达到 `9335/9335 ok`、`error_rows=0`、`ok_shadowed_by_error=0`。