2026-09-04 测试机事故:增量停摆 24.7 小时,DW 滞后告警(告警文案说「DW 可能没刷新」,
是误导 —— DW 没问题,是我们自己的锁把自己挡在门外)。

  09-03 14:15:00  一轮增量起跑,写下 running 锁
  09-03 14:30:24  deploy 拆容器,那轮还差 ~2.5 分钟跑完,被硬杀
  09-03 14:30:31  新进程跑启动态回收 → 查到 0 行静默 return
                  (cutoff=min(now-3h, 进程启动)=11:30;锁 14:15 不满足 < 11:30)
  之后每轮 cron 全被 partial-unique 锁拦下,直到人工重启

**这不是概率性漏网,是结构性必然:**
  deploy 孤儿锁的年龄 = T_重启 − T_起跑,而那轮在重启时尚未跑完 ⇒ 年龄恒 < 一轮耗时;
  而 REAP_MIN_AGE_MS 又被刻意取成 > 一轮耗时(其注释自陈「比一轮耗时留足余量」)。
  两式相与 ⇒ 任何 deploy 期间在飞的 sync 留下的锁,必然逃过启动那一次回收。
  而 reapStaleRunningLocks 是全仓唯一的 syncLog.updateMany,只在 onModuleInit 跑一次
  —— 逃过就永久驻留。调阈值没用(调多小都被「一轮耗时」从上方封住),得加**时机**。

改动:runHostSafe 每轮开跑前再回收一次(周期态)。
  · 判据只用年龄闸,**不混 processStartedAt** —— 长驻进程带上它 min() 恒取它,
    对「本进程启动之后才产生的孤儿锁」就是 no-op,等于没加。
  · 只碰 `sync:<host>:` 前缀。⛔ 不能扩到全部:`full:` 是手工补摄(建国门实测 import 段
    2h25m,离 3h 阈值只剩 35 分钟),`patient_refresh:` 是客服点「刷新」的前台请求。
    周期回收每轮都跑,把它们纳入 = 把 2026-08-30 那个「误杀正在跑的活儿」换个入口放回来。
  · 走到该行说明 runningHosts 里没有本 host(本进程没在跑它),那么一把躺满 3 小时的
    `sync:<host>:` 锁必定是死进程留下的。
  · 自愈时延上限 = REAP_MIN_AGE_MS + 一个 cron 间隔,不再需要人工重启。

⛔ 顺带修掉实现里一个自己踩的坑:`reapStaleRunningLocks(processStartedAt = PROCESS_STARTED_AT)`
   的**默认参数**对显式传入的 `undefined` 同样生效 → 周期态调用被悄悄补成启动态,
   判据变回 min(...),对长驻进程恒 no-op、还不报错。改成无默认值,启动态由调用方显式传。

测试:sync-lock-reap.spec 补 6 条。**原有 5 条为什么没拦住:**
  基准 `PROCESS_STARTED_AT = new Date('2026-07-23...')` 是个**过去**的固定日期,
  而 ageCutoff = 真实now − 3h 永远晚于它 ⇒ min() 恒取 processStartedAt,
  **REAP_MIN_AGE_MS 一行都没被执行到**;而「where 用 lt」那条还直接断言
  `lt === PROCESS_STARTED_AT`,把加年龄闸**之前**的行为钉成契约 —— 生产已坏、5 条全绿。
  新用例用 fake timers:复现态钉 2026 时刻(锁太年轻收不掉,原样钉住事故行为),
  周期态钉 **2099**(必须远期 —— 用 2026 基准时真实模块加载时刻更晚,min() 两边选出
  同一个值,「有没有混进 processStartedAt」在判据上不可观测;实测那样写 11 条全绿)。
  有牙验证:把周期态改回 min(...) → 3 条立刻失败。上面那个默认参数的坑就是它咬出来的。

两处既有 spec 跟着改(都是真实行为变化,不是测试写错):
  · scheduler-kill-switch:调用点带参数了,写死字面量会假失败;改成锁「闸在第一次回收之前」。
    周期态那处是传递性受闸的(闸命中则 cron 不注册,runHostSafe 无从被调用)。
  · scheduler-reentrancy-guard:runHostSafe 进 runOne 前多了一次 await,
    断言前要把微任务队列放干。

⚠️ 未纳入本次(另开):
  · importPatient(cold-import.service.ts:1346)建同一把 pull 锁却**没有 try/finally**,
    且没有 P2002 分支 —— 客服在患者详情页点「刷新」一次异常就永久卡死,比本次更易触发。
    代码里「daily cron 完全不受单患者刷新影响 ✓」那句注释是错的:cursor 隔离了,锁没有。
  · sync-incremental.cli 是唯一不带 disableSchedulersForCli 的入口(今天兼作人工解卡逃生口)。
  · 备份失败只写 backup.log 无告警通道(测试机已静默失败 4 天)。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

实测踩到:服务器上脚本是旧版,运行时 git pull 拉到了新版,但**本次进程跑的仍是内存里
已载入的旧版函数** —— 文件已经是 curl -sL 了,报错文案却还是旧版的,排查了一轮才明白。

包在 main() 里解决的是「bash 边读边执行、pull 后按新文件字节偏移读后半段」的错位问题
(deploy-prod.sh 头部注释记的那个);但它防不了「这一轮跑的是旧逻辑」——
函数在调用前就已整体载入内存,pull 换掉磁盘文件不影响已载入的定义。

修法:pull 前后比对本文件的 blob hash,变了就 exec bash "$0" --no-pull 用新版重跑,
--no-pull 同时防无限递归。

首次实跑 deploy-docs.sh 就踩到:servers 校验通过了,但第二项判据把健康的站报成故障。
fumadocs 的根路径 / 是 307 重定向到 /docs(正常行为),直接判 200 必然失败。
改用 curl -sL 跟随重定向后判最终状态(实测跟随后是 200)。

判据写窄比写宽更危险:这次是误报(能立刻发现),反过来若判据恒真则会放过真故障。

【解决的问题】docs 镜像里 OpenAPI 的「Server URL」来自 build arg DOCS_API_URL:
  ${DOCS_API_URL:-${NEXT_PUBLIC_API_BASE_URL:-http://localhost:3101}}
而 NEXT_PUBLIC_API_BASE_URL 在 apps/pac-web/.env 里,不在 pac-service/.env。
deploy-prod.sh 本来就传两个 --env-file,但它**不含 pac-docs**,所以改文档得手工重建;
手敲时少传一个 env-file 就回落成 localhost:3101 —— 而且**构建照样成功、不报任何错**,
只有点开 API 参考页才看得出来,对接方照着填会打不通。

2026-09-03 实际踩到:之前几次手工重建 docs 都只传了 pac-service/.env,
线上 API 参考页的 Server URL 一直是 localhost:3101,挂了几天没人发现,
直到对接方看文档时提出来。

【为什么不并进 deploy-prod.sh(先前的想法,量化后否掉)】
pac-docs 的 Dockerfile 是 `COPY . .`(整个仓库),任何代码改动都会让它的 build 缓存失效、
Next.js SSG 全量重跑。测试服实测:
  什么都没改       →   3 秒(17/17 层缓存命中)
  改了后端代码一行 → 111 秒(COPY 之后全失效)
而绝大多数部署都是改后端、文档没动 —— 并进主流程等于每次白花约 2 分钟买"不会忘"。
真正的问题不是"要不要自动跑",是"手敲参数容易写错",所以治后者。

【脚本做什么】
  - compose 组装与 deploy-prod.sh 完全一致(含 COMPOSE_MANAGED override + 两个 env-file)
  - 构建**前**先解析并打印将注入的地址,解析不到 / 是 localhost 直接 die(带修复提示)
  - 显式 build → force-recreate(同 deploy-prod.sh 不信 compose 重建判定的理由)
  - 构建**后**硬校验:读容器内 openapi/pac.json 的 servers[0].url,与期望值不等即失败
    (而不是只看构建日志 —— 日志对了不代表镜像里对)
  - 再验文档站 200

deploy/README.md 登记脚本 + 说明为何分开、为何不要手敲 compose。

真实数据打脸:首轮导入 2552 条回访后,有 1 条落库仍是 "<p>阿斯蒂芬撒的发生</p>"。
查源库(customer_return_visit id=266151)发现是**双重编码**:

  <p><span style="color:#000000">…<p>阿斯蒂芬撒的发生</p>…</span></p>
  外层是真标签,内层是被转义的标签。

原实现「剥标签 → 还原实体」跑一轮:外层剥掉后,<p> 被还原成字面的 <p> 留在结果里。
算子逻辑本身没错(单次剥离),但真实数据证明必须处理这种形态 —— 宿主富文本编辑器
把粘贴进来的 HTML 又转义了一层。

改成**有界两轮**:还原实体后若又出现标签则再剥一轮,最多 2 轮。
不做无界循环 —— 构造输入(每轮都能再生标签,如 &amp;lt;p&amp;gt;)会把摄入卡死,
两轮后仍有残留是可接受的,关键是必然终止。第 2 轮只在确实又露出标签时才跑,
绝大多数行一轮即净,无谓开销为零。

回归测试 2 项:线上那条原文按原样断言;畸形嵌套输入断言必然返回(不卡死)。

FRIDAY 此前没接回访(patient_return_visit 一直空)。全库扫 58 张相关表,
只有 customer.customer_return_visit 有实际数据(2552 行 / 1122 患者 / 27 诊所 / 77 客服),
其余是空表(arrail-medical-server.return_visit 0 行、tenant_apply.return_visit* 全 0)、
配置字典、或「召回」另一套(customer_recall_*,量极小)。

【源表是「统一任务表 + 分类型记录表」结构】
  customer_task(task_type: 1咨询 / 2回访 / 4预约备注 / 10…)
    ├─ 1 → customer_consult       (咨询,PAC 早已单独摄入)
    └─ 2 → customer_return_visit  (回访,本次)
实测零交叉:consult 的 64 条 task_id 全指向 type=1,回访 2552 条全指向 type=2 ——
所以这不是重复摄入咨询。关联 rv.task_id = t.id 实测 2552/2552 全中、零空值
(反向的 t.return_visit_id 全空,是电子病历迁移遗留列,不可用)。

任务头不单独摄入,task_date/task_status 由宿主 inline 进回访行 ——
与 customer_treat_plan_item inline 计划头 organization_id/plan_name 同形态。

【task_date 含未来排程,不能丢】界面「设回访」就是设未来日期(截图实证)。
PAC 靠它区分「已发生」与「排了没做」:详情页倒序展示、召回话术只把已发生的算作
"联系过";而客服名册判「在岗」必须用 sourceCreatedAt 而非 task_date,正因后者含未来
(jvs-dw 实测最远 2033)。测试库当前无未来样本,但字段语义按含未来实现。

【枚举翻中文,与 jvs-dw 逐字对齐】jvs-dw 的 DW 侧本就是 *_name 中文列,FRIDAY 是数字码。
同一张 PatientReturnVisit 表里两个宿主的值必须一致,否则前端展示与按类型筛选会分叉。
注意 return_visit_type 官方注释只写 1-3,实测存在 4/5(311 条,占 12%),不能落 _default 丢掉:
  4 → 100% 带治疗项,取值含「取消预约回访」「自定义」→ 自定义/事件驱动回访
  5 → 100% 带治疗项且全是诊断名(残根/龋齿/根尖周炎),task_director 全为 System
       → 系统按诊断自动生成的召回

【新增 strip_html 算子】宿主回访内容用富文本编辑器录入,实测 794/2552(31%)带
<p>/<ol>/<li>。PAC 侧该字段是纯文本语义(详情页直接展示 + 喂召回话术 LLM),
带标签会原样显示成 "<p>xxx</p>" 并污染 LLM 上下文,故在摄入层剥掉而非留给每个消费方。
口径:块级标签转换行保住段落边界、实体还原(& 放最后避免二次解码)、全空 → null。

【canonical-fact-layer 闸 4 加特例】该闸按字段名校验 enum_mapping 目标 ∈ canonical-codes,
但 closedSets.status 装的是 PACTreatmentStatuses(治疗状态),与回访的「已回访/未回访」
同名不同义。回访三列是展示用自由文本(不进 fact、不参与召回),口径是与 jvs-dw 中文对齐,
故整个 patient_return_visit 跳过该闸(同 appointment.status 已有的特例)。

宿主多给的列(suggested_return_person / actual_return_person / actual_return_time /
customer_status / is_first)原样带出存进 raw_payload,PAC 当前不映射 —— 将来要用不必再找宿主改。

测试 29 项;契约文档新增第 7 节(source 数 9 → 10);export.sh 补导出语句。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

实测踩到:服务器上脚本是旧版,运行时 git pull 拉到了新版,但**本次进程跑的仍是内存里
已载入的旧版函数** —— 文件已经是 curl -sL 了,报错文案却还是旧版的,排查了一轮才明白。

包在 main() 里解决的是「bash 边读边执行、pull 后按新文件字节偏移读后半段」的错位问题
(deploy-prod.sh 头部注释记的那个);但它防不了「这一轮跑的是旧逻辑」——
函数在调用前就已整体载入内存,pull 换掉磁盘文件不影响已载入的定义。

修法:pull 前后比对本文件的 blob hash,变了就 exec bash "$0" --no-pull 用新版重跑,
--no-pull 同时防无限递归。

首次实跑 deploy-docs.sh 就踩到:servers 校验通过了,但第二项判据把健康的站报成故障。
fumadocs 的根路径 / 是 307 重定向到 /docs(正常行为),直接判 200 必然失败。
改用 curl -sL 跟随重定向后判最终状态(实测跟随后是 200)。

判据写窄比写宽更危险:这次是误报(能立刻发现),反过来若判据恒真则会放过真故障。

【解决的问题】docs 镜像里 OpenAPI 的「Server URL」来自 build arg DOCS_API_URL:
  ${DOCS_API_URL:-${NEXT_PUBLIC_API_BASE_URL:-http://localhost:3101}}
而 NEXT_PUBLIC_API_BASE_URL 在 apps/pac-web/.env 里,不在 pac-service/.env。
deploy-prod.sh 本来就传两个 --env-file,但它**不含 pac-docs**,所以改文档得手工重建;
手敲时少传一个 env-file 就回落成 localhost:3101 —— 而且**构建照样成功、不报任何错**,
只有点开 API 参考页才看得出来,对接方照着填会打不通。

2026-09-03 实际踩到:之前几次手工重建 docs 都只传了 pac-service/.env,
线上 API 参考页的 Server URL 一直是 localhost:3101,挂了几天没人发现,
直到对接方看文档时提出来。

【为什么不并进 deploy-prod.sh(先前的想法,量化后否掉)】
pac-docs 的 Dockerfile 是 `COPY . .`(整个仓库),任何代码改动都会让它的 build 缓存失效、
Next.js SSG 全量重跑。测试服实测:
  什么都没改       →   3 秒(17/17 层缓存命中)
  改了后端代码一行 → 111 秒(COPY 之后全失效)
而绝大多数部署都是改后端、文档没动 —— 并进主流程等于每次白花约 2 分钟买"不会忘"。
真正的问题不是"要不要自动跑",是"手敲参数容易写错",所以治后者。

【脚本做什么】
  - compose 组装与 deploy-prod.sh 完全一致(含 COMPOSE_MANAGED override + 两个 env-file)
  - 构建**前**先解析并打印将注入的地址,解析不到 / 是 localhost 直接 die(带修复提示)
  - 显式 build → force-recreate(同 deploy-prod.sh 不信 compose 重建判定的理由)
  - 构建**后**硬校验:读容器内 openapi/pac.json 的 servers[0].url,与期望值不等即失败
    (而不是只看构建日志 —— 日志对了不代表镜像里对)
  - 再验文档站 200

deploy/README.md 登记脚本 + 说明为何分开、为何不要手敲 compose。

真实数据打脸:首轮导入 2552 条回访后,有 1 条落库仍是 "<p>阿斯蒂芬撒的发生</p>"。
查源库(customer_return_visit id=266151)发现是**双重编码**:

  <p><span style="color:#000000">…<p>阿斯蒂芬撒的发生</p>…</span></p>
  外层是真标签,内层是被转义的标签。

原实现「剥标签 → 还原实体」跑一轮:外层剥掉后,<p> 被还原成字面的 <p> 留在结果里。
算子逻辑本身没错(单次剥离),但真实数据证明必须处理这种形态 —— 宿主富文本编辑器
把粘贴进来的 HTML 又转义了一层。

改成**有界两轮**:还原实体后若又出现标签则再剥一轮,最多 2 轮。
不做无界循环 —— 构造输入(每轮都能再生标签,如 &amp;lt;p&amp;gt;)会把摄入卡死,
两轮后仍有残留是可接受的,关键是必然终止。第 2 轮只在确实又露出标签时才跑,
绝大多数行一轮即净,无谓开销为零。

回归测试 2 项:线上那条原文按原样断言;畸形嵌套输入断言必然返回(不卡死)。

customer_return_visit → PatientReturnVisit,任务头 customer_task 的 task_date/task_status
由宿主 inline(同计划行 inline 计划头)。枚举翻中文与 jvs-dw 逐字对齐;
新增 strip_html 算子剥富文本(实测 31% 回访内容带 HTML)。
契约文档新增第 7 节,source 数 9 → 10。

FRIDAY 此前没接回访(patient_return_visit 一直空)。全库扫 58 张相关表,
只有 customer.customer_return_visit 有实际数据(2552 行 / 1122 患者 / 27 诊所 / 77 客服),
其余是空表(arrail-medical-server.return_visit 0 行、tenant_apply.return_visit* 全 0)、
配置字典、或「召回」另一套(customer_recall_*,量极小)。

【源表是「统一任务表 + 分类型记录表」结构】
  customer_task(task_type: 1咨询 / 2回访 / 4预约备注 / 10…)
    ├─ 1 → customer_consult       (咨询,PAC 早已单独摄入)
    └─ 2 → customer_return_visit  (回访,本次)
实测零交叉:consult 的 64 条 task_id 全指向 type=1,回访 2552 条全指向 type=2 ——
所以这不是重复摄入咨询。关联 rv.task_id = t.id 实测 2552/2552 全中、零空值
(反向的 t.return_visit_id 全空,是电子病历迁移遗留列,不可用)。

任务头不单独摄入,task_date/task_status 由宿主 inline 进回访行 ——
与 customer_treat_plan_item inline 计划头 organization_id/plan_name 同形态。

【task_date 含未来排程,不能丢】界面「设回访」就是设未来日期(截图实证)。
PAC 靠它区分「已发生」与「排了没做」:详情页倒序展示、召回话术只把已发生的算作
"联系过";而客服名册判「在岗」必须用 sourceCreatedAt 而非 task_date,正因后者含未来
(jvs-dw 实测最远 2033)。测试库当前无未来样本,但字段语义按含未来实现。

【枚举翻中文,与 jvs-dw 逐字对齐】jvs-dw 的 DW 侧本就是 *_name 中文列,FRIDAY 是数字码。
同一张 PatientReturnVisit 表里两个宿主的值必须一致,否则前端展示与按类型筛选会分叉。
注意 return_visit_type 官方注释只写 1-3,实测存在 4/5(311 条,占 12%),不能落 _default 丢掉:
  4 → 100% 带治疗项,取值含「取消预约回访」「自定义」→ 自定义/事件驱动回访
  5 → 100% 带治疗项且全是诊断名(残根/龋齿/根尖周炎),task_director 全为 System
       → 系统按诊断自动生成的召回

【新增 strip_html 算子】宿主回访内容用富文本编辑器录入,实测 794/2552(31%)带
<p>/<ol>/<li>。PAC 侧该字段是纯文本语义(详情页直接展示 + 喂召回话术 LLM),
带标签会原样显示成 "<p>xxx</p>" 并污染 LLM 上下文,故在摄入层剥掉而非留给每个消费方。
口径:块级标签转换行保住段落边界、实体还原(& 放最后避免二次解码)、全空 → null。

【canonical-fact-layer 闸 4 加特例】该闸按字段名校验 enum_mapping 目标 ∈ canonical-codes,
但 closedSets.status 装的是 PACTreatmentStatuses(治疗状态),与回访的「已回访/未回访」
同名不同义。回访三列是展示用自由文本(不进 fact、不参与召回),口径是与 jvs-dw 中文对齐,
故整个 patient_return_visit 跳过该闸(同 appointment.status 已有的特例)。

宿主多给的列(suggested_return_person / actual_return_person / actual_return_time /
customer_status / is_first)原样带出存进 raw_payload,PAC 当前不映射 —— 将来要用不必再找宿主改。

测试 29 项;契约文档新增第 7 节(source 数 9 → 10);export.sh 补导出语句。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

2026-08-28 那次修的是 dryRun 分支(整份 patientIds 塞进 `IN` → 3.2 万清单直接炸
`too many bind variables ... expected maximum of 32767, received 62899`)。
但只修了一半:**实跑分支的旋钮没有上限**

  const BATCH = Math.max(1, Number(process.env.PAC_REPARSE_BATCH) || 3000);
                ↑ 只夹下限

`PAC_REPARSE_BATCH=50000`(有人想"跑快点")就会让同一堵墙从实跑那侧长回来 ——
每个 patientId 占一个 bind,墙在 32,767。

改动:抽出 `reparseBatchSize()`,夹在 `PG_MAX_BIND_VARS - 100`(留 where 里
hostId/subjectType 等其余 bind 的余量),**dryRun 与实跑共用同一个值** ——
两侧各写一份是这个 bug 反复长回来的原因。

测试(tests/reparse-dry-run-bind-limit.spec.ts,3 条):
  · 假 prisma **照 PG 的规矩发脾气**:单条 count 的 bind 超限就抛同样的错。
    不这么做的话"不分批"也能测过,是假绿。
  · 62,899 患者(事故量级)dry-run 不抛;分片不重不漏(累加 = 62,899);
    并断言 count 真发出去过(>1 次)—— 防"被判为非 transform 产出静默跳过"的假绿。
  · 不给清单时走全量 count(where 里没有 IN,不占 bind)。
  · ⛔ PAC_REPARSE_BATCH=100000 也不许把墙放回来 ← 本次新增的那半。

有牙验证:把夹子退回 `Math.max(1, raw)`,第 3 条立刻以生产原话失败
(`received 50002`),不是写完就绿的摆设。

出处:这份改动originally 躺在 worktree claude/peaceful-nightingale-940534 里未提交
(fixtures + spec 都建好了但没落),清理分支时捞出来落到 main 当前的代码形态上。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

`refresh-clinic-names` 用 `any(organization_name)` 从源表派生诊所名。ClickHouse 的
`any()` 是**任取一个**,不是"取唯一的那个" —— 而诊所会改名,源表里同一个 id 存着历次名字。

2026-09-03 生产 DW 实测(fact_emr_treatment_out,66 家):

  273393edd04e4aa4afe9347bb8a2da21
    「正大诊所」               91,053 行   2016-07 ~ 2022-08   ← any() 抓到的
    「花旗医院」                3,096 行   2023-06 ~ 2023-09
    「瑞尔齿科上海花旗诊所」   42,646 行   2023-09 ~ 至今      ← 现名(宿主花名册也是这个)

  · **66 家里 53 家(80%)有多个名字**,不是个案
  · 旧名用了六七年,**行数往往碾压现名** → 换成"取最高频"一样错
  · c59bfc52…(华贸)有 6 个名字,其中两个带前导 `\t`

按最高频/任取都会把停用多年的旧名当成现名下发给前端。改为按 time_field 取最新:

  argMax(trimBoth(name), ifNull(toString(time), ''))

`trimBoth` 同时用在取值和 notEmpty 判定上 —— 只用在取值上的话,纯 `\t` 的行仍会被
当作有效名参与比较。

改动:
  · 新增 clinic-directory.ts:buildClinicNameQuery / pickLatestNames 两个纯函数
    (CLI 底部是 `void main()`,逻辑留在里面没法单测,故抽出)
  · 文件源分支同口径 —— 原来是"遍历行、后者覆盖前者",行序即文件顺序,等于随机取名
  · manifest schema 加 time_field;jvs-dw 配 updated_date,friday 配 updated_gmt_at
  · 缺 time_field 时退化成字典序最大(只保证确定性,不保证是现名)并告警,不再 any()

生产 DW 实跑新 SQL 验证(只读,未写库):66 家全部派生成功,
  273393ed… → 瑞尔齿科上海花旗诊所 ✅
  c18cadf2… → 江苏瑞泰通善口腔学前街医院 ✅
  仍带空白/空名的:0

⚠️ 生产 host.clinic_names 目前是空的({}),本次**不含**任何生产写入 ——
   要不要跑这个 CLI 单独决策。另注:前端真实显示的诊所名以宿主换票传的
   dictionary.clinics 为准(auth.controller 里它覆盖服务端派生值),
   服务端这份只是打底,不能据此断言前端现在显示的是 GUID。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

查上一条修复时,拿测试机做对照发现两件事:

① **`patient_return_visit` 少了个 s**(daily-health-report.service.ts:256)。
   真实表名是 `patient_return_visits`(schema.prisma:455 的 @@map)。
   报错被 pacPatientCount 的 try/catch 吞成 WARN + 返回 null → 日报照发,
   只是「回访」那行长期没有 PAC 侧计数,静默缺了一项对账。
   生产上看不到这个 WARN,因为它的日报根本没跑到这一步就先被连接池超时打死了 ——
   一个 bug 把另一个 bug 遮住了。

② **「测试服 URL 里显式 connection_limit=30,所以不受影响」是错的**,而这句话被
   prisma.service.ts 的注释、测试文件的注释一路传下来,也是我判断"测试机不用验"的依据。
   实测(`docker inspect`)两台容器里的 DATABASE_URL 都是
   `postgresql://…@postgres:5432/pac?schema=public` —— **没有 connection_limit**:
   compose 的 environment: 段整条覆盖了 .env 里的值(.env.example 早就写了这条,只是没人联想到)。
   佐证:测试机 09-01 的健康日报也报了同一句 `connection limit: 5`。
   → 测试机跟生产是同一个池、同一个 bug,**这个修复在测试机验得出来**。

判断逃生口生不生效只能看容器实际环境变量,不能看 .env 文件;三处注释都已改口径。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

现象:企微收不到每日健康日报。09-01 / 09-02 两天都在 **09:00:10** 失败
(= cron 09:00:00 + 10s pool_timeout),报错是拿不到连接而不是推送失败:

  Invalid `prisma.followupPlan.count()` invocation:
  Timed out fetching a new connection from the connection pool
  (Current connection pool timeout: 10, connection limit: 5)

根因两条叠加:

① **常驻服务的并发旋钮没被算进池。** withCohortDerivedPool 只认 PAC_DB_CONCURRENCY /
   PAC_COHORT_CONCURRENCY(都是 CLI 的旋钮),而 PAC_RECALL_SUBSCENARIO_CONCURRENCY=4
   (2026-08-30 在生产开启,场景段 ×2.31)是**常驻进程**的旋钮 —— 批次因此长期占住 4 条连接,
   池却还是 Prisma 默认。函数开头那句「一调并发就得手动调池,这里把两者联动」说的就是这个病,
   只是当时只联动了 CLI 那半边。

② **生产的默认池只有 5,不是注释里写的 9。** Prisma 默认池按**物理核**×2+1 算:
   生产机 nproc=4 但 `Core(s) per socket`=2 / `Thread(s) per core`=2 → 物理核 2 → 池 = 5。
   原注释按逻辑核算成 9,低估了一倍,实现和测试文件里都跟着错。

5 条连接里批次占 4 条,日报要并发发 6 个 count → 排队 → 10 秒超时。
同一根因还打掉过一条 plan upsert(`Unable to start a transaction in the given time`,
09-01 21:47,549,106 个命中患者里 1 个)。

改动:把 PAC_RECALL_SUBSCENARIO_CONCURRENCY 并入取最大 → 生产池 4×6+5 = 29。
生产 RDS max_connections=820(实测,当时全库仅 23 条在用),29 条毫无压力。

⚠️ 09:00 撞在 08:15 那轮的召回场景段(08:44~09:35)中间是**天天必撞**,不是偶发;
   这里选择扩池而不是挪 cron —— 挪 cron 只躲开这一个碰撞,扩池同时修掉 API/plan 侧的抢连接。

顺带把三处写错或缺失的口径补上:实现注释、.env.example(DATABASE_URL 与并发旋钮的耦合、
显式 connection_limit 会让自动放大整个失效)、以及 conc 读取处的反向指引。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

预约事实历来只有 doctor_id 没有姓名(前端/话术拿到裸 ID),而 DW 的
fact_appointment_out 每一行都带 resource_name。列名叫「排班资源名」有误导性,
先把它到底是不是医生姓名核实清楚:

  · 椅位另有列 appo_chair(仅 3 个取值),资源另有 resource_id —— 不是它们
  · resource_name 与 appo_doc_id 的绑定比与 resource_id 更紧
    (本地 (doc_id,name) 140 组 < (resource_id,name) 151 组)
  · 已到诊预约按 (患者,日期) 对当天病历 doctor_name:生产近 90 天
    99,170/101,192 = 98.0% 命中;144,148 条明细里「id 对上而名字不对」与
    「名字对上而 id 不对」各 0 条 → 就是 appo_doc_id 这个人的姓名
  · create_name / appo_handler 是呼叫中心约号人(值形如 400-叶玉娇),
    director_name 是另一个角色 —— 都排除

口径:doctor_name = **约号时约的那位医生**,不是实际接诊医生(改派时不同,
实际接诊仍以病历为准)。两个口径别混。

少数排班资源不是人而是房间/服务/台席("预约"/"学前街手术室"/"正畸咨询"),
生产近 180 天 9,838/1,047,901 = 0.94%,不拦的话时间轴每 106 条就出现一次
「预约医生」,详情页「主治医生」的最高频兜底还可能解析成「学前街手术室」。
故加 AppointmentParser.isPersonResource:

  · 九词词表从那份实测清单反推,覆盖全部 19 个取值
  · 误伤核验:生产 1,314 个真实医生名过规则,命中 1 个(「公共诊室」,
    本身就是漏进病历的房间名)—— 真人零误伤
  · 独立判据复核(不用词表):过闸的 428 个资源里 426 个的 id 在临床记录里
    真的当过医生,漏网 105 行 = 0.010%
  · 被拦下的原值不丢,另存 content.resource_name;
    `WHERE resource_name IS NOT NULL AND doctor_name IS NULL` 即可审计

本地全量 reparse 验证(241,228 个版本 / 15 分钟):最新版 240,517 条,
resource_name 100%、doctor_name 99.83%,拦下 413 条全是非人资源;
逐行对源 transaction,(doctor_id, resource_name) 240,517/240,517 成对回溯。

前端零改动 —— facts-timeline 的预约分支本来就把医生拼进 note,只是取不到值。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

新增三节:
· 4b 证据链 —— 那条 47.4h 退费,中间 17 轮增量 + **2 次全表重读**(491 万/426 万行)
  都没拉到,第 20 次才出现。19 次查询看不见 = DW 当时确实没有,不是我们没去问。
  且最后那轮窗口只剩 58 分钟余量,险过。
  另记游标真实语义:cursor_after = run_start(墙钟),不是 max(updated_date);
  原注释「run_start 之后 DW 任何写入下次都能捞回」有漏洞——过滤的是 updated_date。
· 4c 分表超时率 —— refund 18.7%>12h、recommendation 18.9%>6h、appointment 仅 2.3%。
  中位数 2.39h 守住了承诺,尾巴没守住;分表差异极大 → DW 内部不同表走不同 ETL 链路。
  recommendation 是召回第二信号源,18.9% 超 6h,直接影响时效。
· 4d 时效与丢失边界是同一个数(48h)——比 T+2 更晚的根本进不来,永远不可知。
  且 full: 全量补摄是**人工临时跑**没有定时任务(最近一次 08-26),漏掉的不会自动修复。
  记录两个未采纳兜底:定期全量补摄 / 跟 DW 对账。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

生产只读实测(7 天 / 281,760 条增量记录):
  滞后 p50 2.39h / p99.9 15.39h / max 47.43h;>24h 31 条、>48h 0 条
  按表拆:refund max 47.4h(>24h 有 27 条)、临床表 max 15.5h(>24h 全 0)

根因:游标跟 updated_date(源 HIS 改动时刻,≈事件时间),而数据到达取决于 DW 自己的
ETL —— 两者无关。所以必然有"updated_date 比游标旧、此刻才到达"的行,游标追不上。
退费那几条是铁证:源系统 13:05 建、13:13 改完,PAC 47 小时后才看到。

⛔ 不能缩:缩 24h 丢 31 条、36h 丢 19 条,且游标推过去是**永久**漏拉。
   且 max=47.43h 恰好顶在 48h 边界、>48h 为 0 —— 这是**截断的指纹**,
   真实尾巴可能更长。本测量方向单边:能证"够用"不能证"不够"。

根治不在我们这边:DW 十张表一个入仓时间字段都没有(rq 是业务日期已排除)。
若 DW 加一列 ETL 写入的时间戳,游标即可在到达顺序上单调 → 漏拉结构上不可能,
fetched 从 24.8 万降到约 1.6 万,摄入 31m → 预计 5~10m。

⛔ 另记一个取样陷阱:第一版按 received_at 时间窗取样,混进 5 次 full: 全量补摄的
历史数据,得出"滞后 5 年"的荒谬结果。既有增量又有补摄的系统,取样必须按事件来源限定。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

测试机验证(87,885 命中患者 / 44 chunk):
  预取 288,003ms / 247,250ms(旧基线) → 183,810ms(新)  −26~31%
  命中患者 87,885,在 87,849~87,853 漂移带内 —— 口径没变
本地(19,476 患者 / 10 chunk):预取 8,383 → 4,899ms;plan_reasons 行级 diff=0

推算生产:预取 20m09s → 省 5~6 分钟,整轮 2h02m → 约 1h56m,回到 2 小时线内。