一条自动化工作流跑了几周都相安无事,某天却在某个环节停住,日志里只留下一行读不懂的报错。往回查,源头常常是件小事:上游系统改了字段名,或者有人手工传了一份格式略有出入的表格。
演示时总是顺畅,日常里总有磕碰
演示环境里的输入是干净的:字段齐全、格式统一、时间戳规整。设计流程的人很容易据此假设,世界本来就长这样。可一旦接上真实的数据源,情况就变了——同一张单据,有人填“已完成”,有人填“完成”,还有人留空。
于是复杂度迅速从“串起几个步骤”转移到“处理各种不像样的输入”。这部分工作不体面,也很难在演示里体现,却占了维护成本的大头。
耗人的往往不是主流程
把节点连起来、让数据按顺序流过,如今并不算难。难的是那些不在图上的分支。常见的例外大致有三类:
- 输入不符合预期,字段缺失、类型错位、编码混乱;
- 依赖的外部服务超时,或返回结构悄悄变了;
- 情形本身模糊,规则写不出来,需要人看一眼才能定。
前两类可以靠校验和重试兜住,第三类不行。它要的是判断,而判断很难被拆成条件语句。不少团队在这里反复打补丁,最后把一个本该清爽的流程养成了谁也说不清的历史遗留。
先让它失败得明白
比较务实的做法,是把力气花在“失败时能否说清楚”上,而不是一味追求“不出错”。出错不可避免,但出错后能不能在两分钟内定位,差别很大。每一步的输入输出可回溯,异常集中到一处而不是散落在各系统的邮件里,这些听着琐碎,却决定了这条自动化工作流能不能长期活下去。
反过来,一条安静运行、出了问题却无从查起的流程,风险可能比手工操作还高:手工至少有人知道自己在做什么。
人应该站在哪一格
关于人在流程中的位置,两种极端都不太合适。一种是把人完全移出,指望规则覆盖所有情况,结果一出意外就全线停摆;另一种是处处设卡,每一步都要点确认,自动化退化成带提醒的手工。
折中的思路是按后果分配:可逆、代价小的环节直接放行;不可逆、或涉及对外发送的动作,留一个人工确认点。这样的确认点不必多,但位置要选对,通常放在产生外部影响的那一步之前。
链条别拉得太长
还有一种倾向值得警惕:能自动化的都串起来,一条链上挂十几个节点。链条越长,隐性耦合越多,任何一处变动都可能沿着链路放大。适度断开,留几个可以人工介入的接缝,反而更容易维护。
自动化工作流的价值,或许不在于把人彻底请出去,而在于把人放到真正需要判断的位置上;其余那些机械的搬运,交给机器就好。