AI 审批队列也会覆盖更新后的数据
AI 写入待审批表、人工批准后再更新业务表,仍可能因提案过期而覆盖较新的数据。文章以进度从 55% 更新至 70% 后又被旧提案写回 65% 为例,介绍 Postgres 层的修复。
AI 深度解读
AI 只能提交建议,真人点头后才能写入业务数据,这套审批流程仍然可能把数据改错。作者团队的 Reperline 就漏了一种情况:建议还在收件箱里等待,现场数据已经更新,审批人却对着旧差异点了通过。
这次 migration 064 补的是审批时的并发校验:由 Postgres 记录建议提交时的依据,再在真正写入前加锁检查。它值得程序员读几分钟,因为「有人审批」并不能自动解决数据过期问题,修复还涉及一个很容易写错的事务快照细节。
为什么真人审批也会把进度改错
Claude 通过 MCP 连接 Reperline,只能向 pending_changes 插入建议。真人在收件箱批准或拒绝,apply_pending_change 再使用审批人的权限写入业务表。
权限隔离确实起作用了。问题出在建议携带的是绝对值:
{ "milestone_id": "...", "progress": 65, "note": "from the site report photos" }
这段数据要求把进度设为 65,要注意 progress 并不表示「增加多少」。
出错过程很具体:里程碑原本完成 55%,Claude 根据现场报告建议调整到 65%。午休期间,现场经理通过 Telegram 录入了 70%。项目经理随后打开收件箱,看到的仍然是「55% → 65%」,批准后,数据库被写回 65%。
进度倒退了 5 个百分点。
正常的 UI 和 Telegram 录入路径,要求降低进度时填写原因。但这条规则放在应用函数里,审批路径直接写入流水,因此绕过了它。
审批人认可的旧差异,不等于当前仍然成立的修改。
界面展示当前值当然有帮助,却挡不住另一个客户端、脚本或第二个标签页发起批准。作者因此把检查放进 apply_pending_change,让它与业务写入处于同一个事务。
用什么判断一条建议已经过期
作者没有直接使用行版本,而是先明确:哪些变化应该让建议失效。
用 Postgres 的 xmin,里程碑改名、计划日期修正也会使版本变化,影响范围太大。只比较当前进度,又识别不了 70 → 55 → 70:最终数字没变,中间却新增了两条建议从未考虑过的现场事实。
取最新流水的 ID 或时间也需要定义清楚「最新」。reported_at 表示现场测量时间,允许补录过去的事实;created_at 是事务开始时间,同一事务内可能相同,先开始的事务也可能后提交。原文没有展开按 ID 排序的具体方案。
他们最终选择比较两个值:milestone_updates 的流水条数,以及 milestones.progress。
依据是他们的数据模型:每次录入事实都新增流水,触发器随后更新里程碑进度。条数因此能捕获进度往返变化,也不依赖测量日期。再比较进度,可以补上部分「删一条、插一条,条数没变」的情况。虽然应用从不删除事实,数据库角色仍持有 DELETE 权限,作者没有把应用约定当成完整保证。
基准也不能由 Claude 自报。作者使用 BEFORE INSERT 触发器覆盖客户端提交的字段:
create function stamp_proposal_base() returns trigger language plpgsql as $$
declare v_progress int; v_facts bigint;
begin
if new.kind <> 'milestone_update' or jsonb_typeof(new.payload) <> 'object' then return new; end if;
-- one statement, one snapshot: progress and count describe the same moment
select m.progress,
(select count(*) from milestone_updates u where u.milestone_id = m.id and u.org_id = m.org_id)
into v_progress, v_facts
from milestones m
where m.id = nullif(new.payload->>'milestone_id', '')::uuid and m.org_id = new.org_id;
new.payload := new.payload || jsonb_build_object('base_progress', v_progress, 'base_facts', v_facts);
return new;
end $$;
create trigger b_stamp_base before insert on pending_changes
for each row execute function stamp_proposal_base();
关键是 new.payload := ...:数据库生成的 base_progress、base_facts 覆盖客户端值。查询放在一条语句里,保证进度和条数描述同一个快照。
函数采用 SECURITY INVOKER,遵守提议人的行级安全策略(RLS)。看不到里程碑时,基准写为 null,按作者设计无法批准。b_stamp_base 的名字也有用途:Postgres 按名称顺序执行同类 BEFORE 触发器,拒绝修改已关闭阶段的 a_guard_closed 必须先运行。
为什么必须先加锁,再另起语句读取
批准前的检查如下:
-- lock first, then read in a new statement
perform 1 from milestones
where id = (pl->>'milestone_id')::uuid and org_id = pc.org_id
for update;
select m.progress,
(select count(*) from milestone_updates u where u.milestone_id = m.id and u.org_id = m.org_id)
into cur_progress, cur_facts
from milestones m
where m.id = (pl->>'milestone_id')::uuid and m.org_id = pc.org_id;
if (cur_facts, cur_progress) is distinct from
((pl->>'base_facts')::bigint, (pl->>'base_progress')::int) then
raise exception 'proposal_stale';
end if;
要注意 for update 与后面的 select 分属两条语句。
在原文使用的 READ COMMITTED 下,PL/pgSQL 函数中的每条语句获得新快照。如果把计数塞进取锁的同一条语句,快照可能在等待锁之前就已建立。另一事务等待期间提交的事实,便可能漏出计数,导致过期建议通过检查。
锁还负责保护检查后的窗口。新增事实会因外键取得里程碑的 KEY SHARE 锁,触发器随后更新该行,因此不能在检查完成与审批写入之间插入新的事实。is distinct from 则让 null 参与比较,避免普通 <> 遇到 null 时无法正常判断。
界面同步显示红色提示、禁用 Approve,但最终约束来自数据库;其他入口收到 proposal_stale 后也会得到翻译后的错误信息。拒绝操作不检查过期状态,旧建议仍可丢弃。
作者在真实 Postgres 中,以 Claude 的角色提交建议,验证了正常批准、新事实导致拒绝、进度往返、伪造基准被覆盖,以及批准一条后另一条失效。最关键的测试使用第二连接持有未提交事实,通过 pg_locks 确认审批正在等待,再提交事实,要求审批返回 proposal_stale。
我的判断
我赞成把并发校验放到数据库写入路径。相比界面提醒,它能覆盖多个入口;相比单看进度,它也识别了「数字恢复原样,事实已经变化」的情况。真实数据库上的锁等待测试,是原文最有说服力的证据。
但「流水条数加进度」依赖这套数据模型。删除再插入且进度相同,或者原地修改流水内容,都未必能被发现。原文没有给出这些情况的完整约束,也没有提供计数开销、锁等待或其他版本方案的对照数据,不能据此认定它适合所有团队。
还有两处边界。触发器记录的是建议插入时的状态,未必是 Claude 最初读取报告时的状态;原文没有解决生成期间的数据变化。迁移又用当前状态回填了已有建议,这保住了收件箱可用性,却无法证明这些旧建议最初依据的就是当前状态。
此外,并发校验不应取代「降低进度必须说明原因」这类业务约束。建议没过期,也不代表建议内容一定合理。
能拿来做什么
- 给 AI 审批接口补上服务端基准。前端提交建议时,不要让客户端自报的版本字段成为可信依据;应由服务端或数据库生成,并限定它对应的业务变化范围。
- 在 Node 调用批准接口时,单独处理
proposal_stale,提示用户刷新并重新评估建议。不要收到冲突后自动重试批准,否则可能跳过重新判断这一步。 - 为审批流程增加真实数据库并发测试:让一个连接持锁,确认批准请求确实等待,再提交变化,检查它能否拒绝过期建议。
- 梳理普通录入与审批写入的业务规则。像进度回退说明这样的约束,应覆盖所有写入入口,避免每增加一种 AI 工作流就出现一条旁路。