fix: 批量任务残留PENDING仍误标COMPLETED——置完成前校验无残留+崩溃恢复批量任务

事故（batch_969fabe74b83 等 3 个任务实测）：批量引擎串行处理到 9.9GB
大视频时中断，_run_job 无条件收尾把任务置 COMPLETED，留下"N 个 PENDING
待处理却已完成"的僵尸状态——3 个任务遗留的 PENDING 完全相同（kiwvr-887/
mdvr-413/savr-1077 共 10 个大视频），且均卡在大文件前从未被真正处理。

- batch.py: _run_job 置 COMPLETED 前校验全部非 SKIPPED 视频已结束
  （无 PENDING/PAUSED 残留），否则保持 RUNNING 交引擎下一轮续跑
- db.py/main.py: 新增 recover_interrupted_batch_jobs，重启时把 RUNNING
  批量任务恢复 QUEUED（否则停在 RUNNING 永远不会被再次拾起）
- tests: 新增 2 条 TDD 回归（残留 PENDING 不置 COMPLETED、批量崩溃恢复）
- scripts/fix_zombie_batch_jobs.py: 历史僵尸数据修复脚本（置回 QUEUED 续跑）
- AGENTS.md: 补充完成任务判定与崩溃恢复约定

src/wov_app/batch.py

@@ -408,8 +408,31 @@ class BatchWorker:
 
         # 全部视频处理完成：先用明细实时对齐汇总（done 只计实际完成的，
         # 不含 SKIPPED），再置 COMPLETED。
+        #
+        # 置 COMPLETED 前必须校验**没有未处理完的视频残留**：若本轮循环因
+        # 视频处理中断/异常（_process_video 返回但视频仍 PENDING，等同进程
+        # 在处理中被杀）而没有真正处理完所有 PENDING，就**不能**标完成——
+        # 否则会出现"明细还有 N 个待处理、任务却已完成"的僵尸状态
+        # （batch_969fabe74b83 等 3 个任务真实发生：引擎串行处理到 9.9GB
+        # 大视频时中断，10 个视频留 PENDING 却被无条件置 COMPLETED）。
+        # 此时保持 RUNNING，让引擎下一轮（重启后重新拾起 RUNNING 任务）
+        # 继续处理剩余 PENDING，全部结束才真正置 COMPLETED。
         self.db.sync_batch_job_progress(job_id)
         job = self.db.get_batch_job(job_id)
+        if job is None:
+            return
+        leftovers = [
+            v for v in self.db.list_batch_videos(job_id)
+            if v["status"] not in ("SKIPPED", "COMPLETED", "FAILED")
+        ]
+        if leftovers:
+            # 有未处理完的视频（PENDING/PAUSED/QUEUED 等）：保持 RUNNING，
+            # 由引擎下一轮续跑；记录日志便于排查中断位置。
+            logger.warning(
+                "批量任务 %s 仍有 %d 个视频未处理完（%s…），保持 RUNNING 待续跑，不置 COMPLETED",
+                job_id, len(leftovers), Path(leftovers[0]["video_path"]).name,
+            )
+            return
         done = int(job["done"]) if job else 0
         failed = int(job["failed"]) if job else 0
         self.db.update_batch_job(

src/wov_app/db.py

@@ -385,6 +385,24 @@ class Database:
             )
             return cur.rowcount
 
+    def recover_interrupted_batch_jobs(self, updated_at: str) -> int:
+        """重启恢复：把遗留 RUNNING 的批量任务恢复为 QUEUED，返回恢复数量。
+
+        批量引擎处理视频（尤其大文件）时进程被杀/重启，批量任务会停在
+        RUNNING：其关联 run 由 recover_interrupted_runs 恢复为 QUEUED，但
+        批量任务本身若保持 RUNNING，next_queued_batch_job 只拾取 QUEUED，
+        永远不会重新驱动它 → 未处理完的 PENDING 视频永久残留
+        （batch_969fabe74b83 事故链路之一）。恢复为 QUEUED 后引擎重新拾起，
+        从断点（剩余 PENDING 视频 + 已恢复的 run）继续处理。用户主动暂停的
+        PAUSED 批量任务保持不变，等待显式 resume。
+        """
+        with self._connect() as conn:
+            cur = conn.execute(
+                "UPDATE batch_jobs SET status = 'QUEUED', updated_at = ? WHERE status = 'RUNNING'",
+                (updated_at,),
+            )
+            return cur.rowcount
+
     def pause_run(self, run_id: str, updated_at: str) -> None:
         """暂停任务：置为 PAUSED；调度器会在节点边界检查并停止推进。"""
         with self._connect() as conn:

src/wov_app/main.py

@@ -42,7 +42,11 @@ async def lifespan(app: FastAPI):
         seed_default_workflows(db)
     # 重启恢复：上次进程被杀时遗留的 RUNNING 任务恢复为 QUEUED，
     # 调度器会从产物表断点续跑（不重复已完成节点）；PAUSED 保持等待显式 resume。
+    # 批量任务同样恢复：RUNNING 的批量 job 置回 QUEUED，其关联 run 由
+    # recover_interrupted_runs 恢复，批量引擎重新拾起后从断点续跑剩余 PENDING
+    # （不恢复则批量任务停在 RUNNING 永远不会被再次驱动，未处理视频永久残留）。
     db.recover_interrupted_runs(datetime.now(timezone.utc).isoformat())
+    db.recover_interrupted_batch_jobs(datetime.now(timezone.utc).isoformat())
     scheduler = WorkflowScheduler(db, STORAGE_DIR)
     # 调度器默认开启，处理排队中的任务；测试可关闭后手动执行。
     if os.getenv("WOV_SCHEDULER_ENABLED", "1") == "1":