fix: 批量任务明细写完再排队（CREATING 状态）

`create_job` 先把任务行以 QUEUED 入库（引擎立刻可见），再逐条登记明细（扫描
媒体库时 500+ 条要数秒）；引擎轮询到的快照可能还没包含剩余明细，收尾时"无未结束
明细"检查也看不到它们，于是把任务误标 COMPLETED，剩余视频永远不再被处理。

- 任务行改以 `CREATING` 入库，明细全部登记完才置 QUEUED（引擎只取 QUEUED，
  看不到半成品）；登记中途异常置 FAILED 并把异常交给路由层。
- 启动时把上一进程遗留的 CREATING 统一置 FAILED（`fail_creating_batch_jobs`），
  避免明细写一半被热重载/强杀后留下看不见的残留任务。
- 回归测试：明细每写一条就问一次引擎队列（写入过程中取不到任务）；中途失败记
  FAILED；启动清理遗留 CREATING。

docs/decisions.md

@@ -71,6 +71,20 @@
   并用半透明填充 + 半透明描边降低遮挡感。
 - **调研全文**：[VR双目字幕景深与遮挡调查报告.md](./VR双目字幕景深与遮挡调查报告.md)。
 
+## 批量任务先写明细再排队（CREATING 状态）
+
+- **现象**：新建批量任务后偶发任务被标 COMPLETED、`done=0/N`，剩余视频永远不再
+  被处理（例：`batch_ac585c5458de` 唯一明细还 PENDING 而任务已 COMPLETED）。
+- **根因**：`create_job` 先把任务行以 QUEUED 入库（此时引擎就看得见），再逐条登记
+  明细（扫描媒体库时 500+ 条要数秒）；引擎轮询到的快照可能没包含剩余明细，收尾时
+  “无未结束明细”检查也看不到它们，于是把任务标 COMPLETED。
+- **结论**：任务行改以 `CREATING` 入库，明细全部登记完才置 QUEUED（引擎只取
+  QUEUED）；登记中途异常置 FAILED 并抛给路由；启动时把上一进程遗留的 CREATING
+  统一置 FAILED（`fail_creating_batch_jobs`），避免静默残留。
+- **旧数据修复**：`scripts/fix_zombie_batch_jobs.py` 仍用于处理历史
+  “COMPLETED 但仍有未结束明细”的脏数据。回归测试见 `test_batch.py` 的
+  `test_job_hidden_from_engine_until_details_written`。
+
 ## 相关文档
 
 - 当前生效的参数与协议：[node-protocol.md](./node-protocol.md)

docs/operations.md

@@ -64,7 +64,10 @@
   空列表不报 500）。只暴露目录名，不返回文件内容。
 - **创建任务时一次性定位（2026-09 起）**：`POST /api/batch/jobs {folder,
   workflow_id, recursive}` 只扫描一次文件夹并把每个视频登记为 `batch_videos`
-  明细（PENDING/RUNNING/PAUSED/COMPLETED/FAILED/SKIPPED）。**视频所在目录
+  明细（PENDING/RUNNING/PAUSED/COMPLETED/FAILED/SKIPPED）。任务行先以
+  `CREATING` 入库、**明细全部登记完才置 QUEUED**：否则引擎会在明细写一半时拾起
+  任务、收尾把任务误标 COMPLETED（理由见
+  [decisions.md](./decisions.md#批量任务先写明细再排队creating-状态)）。**视频所在目录
   （视频旁）若已存在文件名含视频名的字幕文件**（`.srt/.ass/.ssa/.vtt`，
   `list_sidecar_subtitles` 判定，如 `movie.CN.srt`、`movie.CN_dual_eye.ass`），
   说明该视频已有字幕，创建即记 **SKIPPED**——不为它触发任何流水线。运行时

src/wov_app/batch.py

@@ -221,7 +221,10 @@ def create_job(
         "folder_path": str(folder),
         "workflow_id": workflow_id,
         "recursive": int(recursive),
-        "status": "QUEUED",
+        # CREATING：明细未写完前引擎看不见本任务。逐条登记 500+ 条明细要数秒，
+        # 若此刻已是 QUEUED，引擎会读到半个快照并在收尾时把任务误标 COMPLETED，
+        # 剩下的视频就再也不会被处理（自愈分支只碰运气）。写完明细立刻置 QUEUED。
+        "status": "CREATING",
         "progress": 0,
         "total": 0,
         "done": 0,
@@ -233,27 +236,35 @@ def create_job(
     })
     pending = 0
     skipped = 0
-    for video in videos:
-        # 视频所在目录已存在对应字幕文件 → 已处理过，直接跳过不触发流水线。
-        if list_sidecar_subtitles(video):
-            status = "SKIPPED"
-            skipped += 1
-        else:
-            status = "PENDING"
-            pending += 1
-        video_id = f"bv_{uuid.uuid4().hex[:12]}"
-        db.create_batch_video({
-            "id": video_id,
-            "job_id": job_id,
-            "video_path": str(video),
-            # 私有工作空间：storage/batch/<job_id>/<bv_id>/，与媒体库隔离。
-            "work_dir": str(BATCH_WORK_ROOT / job_id / video_id),
-            "run_id": None,
-            "status": status,
-            "error": None,
-            "created_at": now,
-            "updated_at": now,
-        })
+    try:
+        for video in videos:
+            # 视频所在目录已存在对应字幕文件 → 已处理过，直接跳过不触发流水线。
+            if list_sidecar_subtitles(video):
+                status = "SKIPPED"
+                skipped += 1
+            else:
+                status = "PENDING"
+                pending += 1
+            video_id = f"bv_{uuid.uuid4().hex[:12]}"
+            db.create_batch_video({
+                "id": video_id,
+                "job_id": job_id,
+                "video_path": str(video),
+                # 私有工作空间：storage/batch/<job_id>/<bv_id>/，与媒体库隔离。
+                "work_dir": str(BATCH_WORK_ROOT / job_id / video_id),
+                "run_id": None,
+                "status": status,
+                "error": None,
+                "created_at": now,
+                "updated_at": now,
+            })
+    except Exception as exc:  # noqa: BLE001
+        # 明细写到一半失败：记 FAILED 留可见记录（CREATING 状态没人会拾起，
+        # 沉默的残留任务会让用户以为什么都没发生），然后把异常交给路由层。
+        db.update_batch_job(
+            job_id, status="FAILED", error=str(exc), updated_at=_now_iso(),
+        )
+        raise
     # total = 本批真正需要处理（无字幕）的视频数；已有字幕被 SKIPPED 的
     # 不计入总数也不计入完成数——进度条只反映"实际待处理"的这批。
     if pending == 0:
@@ -263,7 +274,10 @@ def create_job(
             updated_at=_now_iso(),
         )
     else:
-        db.update_batch_job(job_id, total=pending, updated_at=_now_iso())
+        # 明细全部就位后才排队，引擎从此拿到的快照一定是完整的。
+        db.update_batch_job(
+            job_id, status="QUEUED", total=pending, updated_at=_now_iso(),
+        )
     logger.info(
         "创建批量任务 %s: 文件夹 %s, 工作流 %s, 共 %d 个视频（%d 待处理, %d 已有字幕跳过）",
         job_id, folder, workflow_id, len(videos), pending, skipped,
@@ -291,6 +305,11 @@ class BatchWorker:
             return
         # 独立运行时确保节点已注册；重复注册幂等。
         registry.register_all()
+        # 上一进程中断留下的 CREATING 任务（明细登记中途被杀/热重载）没人会推进，
+        # 启动时统一记为 FAILED，避免用户以为任务还在创建中。
+        stale = self.db.fail_creating_batch_jobs("创建明细中断（进程中断），请重新创建任务")
+        if stale:
+            logger.warning("启动清理 %d 个未登记完的批量任务（CREATING → FAILED）", stale)
         self._stopping = False
         self._thread = threading.Thread(
             target=self._loop,

src/wov_app/db.py

@@ -590,6 +590,20 @@ class Database:
             conn.execute(f"UPDATE batch_jobs SET {assignments} WHERE id = ?", values)
 
 
+    def fail_creating_batch_jobs(self, reason: str) -> int:
+        """把停留在 CREATING 的批量任务置 FAILED，返回处理条数。
+
+        CREATING 只存在于 create_job 逐条登记明细期间；进程被杀或热重载后没有任何
+        线程会推进它（引擎只取 QUEUED），启动时统一收尾成可见的失败记录。
+        """
+        with self._connect() as conn:
+            cursor = conn.execute(
+                "UPDATE batch_jobs SET status = 'FAILED', error = ?, updated_at = ? "
+                "WHERE status = 'CREATING'",
+                (reason, _now_iso()),
+            )
+            return int(cursor.rowcount or 0)
+
     def sync_batch_job_progress(self, job_id: str) -> None:
         """按视频明细实时对齐任务的 total/done/failed 汇总并落库。
 

tests/app/test_batch/test_batch.py

@@ -748,3 +748,88 @@ def test_worker_clears_stale_keep_model_flag_before_stage(tmp_path: Path, monkey
     # 验证结果：prep（非 LLM）看不到残留标志；translate（LLM 阶段）才写入；
     # post（非 LLM）不再看到它。
     assert flag_trace == [("prep", False), ("translate", True), ("post", False)]
+
+
+def test_job_hidden_from_engine_until_details_written(tmp_path: Path, monkeypatch) -> None:
+    """建任务期间任务对引擎不可见：明细写完前不被拾起，避免半成品被标完成。
+
+    曾因任务行先入库、524 条明细后写，引擎在明细写一半时拾起任务、收尾时快照
+    里没有剩余明细，把任务误标 COMPLETED（视频永远不再被处理）。
+    """
+    # 数据：3 个待处理视频的媒体库。
+    folder = tmp_path / "videos"
+    for name in ("a.mp4", "b.mp4", "c.mp4"):
+        _make_video(folder / name)
+    db = _published_db(tmp_path)
+    probes: list[str | None] = []
+    original = db.create_batch_video
+
+    def _probe_after_insert(item: dict) -> None:
+        """每写完一条明细，立刻问一次引擎队列（模拟轮询线程的拾取时机）。"""
+        original(item)
+        picked = db.next_queued_batch_job()
+        probes.append(picked["id"] if picked else None)
+
+    monkeypatch.setattr(db, "create_batch_video", _probe_after_insert)
+
+    # 测试过程
+    job_id = create_job(db, str(folder), "wf", recursive=False)
+
+    # 验证结果：写入过程中引擎始终取不到任务；写完后才是 QUEUED 且明细完整。
+    assert probes == [None, None, None]
+    job = db.get_batch_job(job_id)
+    assert job["status"] == "QUEUED"
+    assert job["total"] == 3
+    assert len(db.list_batch_videos(job_id)) == 3
+    assert db.next_queued_batch_job()["id"] == job_id
+
+
+def test_create_job_marks_failed_when_detail_insert_breaks(tmp_path: Path, monkeypatch) -> None:
+    """明细写入中途失败时任务记 FAILED 并留下错误，不产生看不见的残留任务。"""
+    # 数据：2 个视频，第二条明细写入时抛异常。
+    folder = tmp_path / "videos"
+    for name in ("a.mp4", "b.mp4"):
+        _make_video(folder / name)
+    db = _published_db(tmp_path)
+    original = db.create_batch_video
+    calls = {"n": 0}
+
+    def _fail_second(item: dict) -> None:
+        calls["n"] += 1
+        if calls["n"] == 2:
+            raise RuntimeError("磁盘写满")
+        original(item)
+
+    monkeypatch.setattr(db, "create_batch_video", _fail_second)
+
+    # 测试过程 + 验证结果：异常继续抛出，任务可被观察到且为 FAILED。
+    with pytest.raises(RuntimeError):
+        create_job(db, str(folder), "wf", recursive=False)
+    job = db.list_batch_jobs(limit=10)[0]
+    assert job["status"] == "FAILED"
+    assert "磁盘写满" in (job["error"] or "")
+    assert db.next_queued_batch_job() is None
+
+
+def test_worker_start_fails_leftover_creating_job(tmp_path: Path) -> None:
+    """进程中断留下的 CREATING 任务在引擎启动时记为 FAILED，不静默残留。"""
+    # 数据：一条只登记到一半的任务（模拟明细写入中途进程被杀/热重载）。
+    db = _published_db(tmp_path)
+    db.create_batch_job({
+        "id": "batch_halfway", "folder_path": "/videos", "workflow_id": "wf",
+        "recursive": 0, "status": "CREATING", "progress": 0, "total": 0, "done": 0,
+        "failed": 0, "current_video": None, "error": None,
+        "created_at": "2026-09-18T00:00:00+00:00", "updated_at": "2026-09-18T00:00:00+00:00",
+    })
+    worker = BatchWorker(db, interval_seconds=999)
+
+    # 测试过程
+    worker.start()
+    try:
+        # 验证结果：任务变为可见的 FAILED，且不会被引擎当排队任务拾起。
+        job = db.get_batch_job("batch_halfway")
+        assert job["status"] == "FAILED"
+        assert "中断" in (job["error"] or "")
+        assert db.next_queued_batch_job() is None
+    finally:
+        worker.stop()