Peach: Local-first video metadata scraper and media manager.
ADR-0139:核查差异按确定判据结算,复核页只留要人判的
- 状态:已采纳
- 日期:2026-11-04
- 关系:修订 ADR-0108「覆盖已有值必须复核」;ADR-0025 否决的归一化比对与来源优先级取舍只在本 ADR 划定的范围内放开;沿用 ADR-0033 的社区来源只补空、ADR-0038 的字段优先级链与 ADR-0052 的可撤回自动落库
- 补充:ADR-0141 让复核页逐条列出这两条规则的写入、勾选后预览并撤回,覆盖改为一次结算一个批次号
背景
2026-11-04 复核页待处理 2819 条,其中元数据字段 2775 条。逐条核对后,绝大多数挂在同一道门上:
- 有 NFO 的资产整条走核查模式(
library_processing._read_local_metadata返回nfo is not None),升级补修的影片补全又以recheck_existing=True跑处理任务。两条路上,在线来源与账本现值不同的取值一律带requires_review。10-28 与 11-04 两轮升级补修就带回 2533 条。 - 复核页把这些行从其余过滤器外面加回来(
overrides),处理任务对它们一律跳过。快照里 2591 条是这一道挡住的,与来源可信度、取值是否真有分歧无关。
ADR-0108 记的是用户 10-17 的要求:「补漏无需复核,覆盖已有值必须复核」。11-04 用户在补女优资料的会话里说:「允许填,而且这个逻辑应该通用,让人工复核尽量少让人工去复核」。两次决定并列,本 ADR 的范围是:确定判据给得出结论的差异不再交人,结论要写账本时只写能整批撤回的,写不了撤回的照旧交人。
核查差异里大致有四类:
| 类别 | 例子 | 快照条数 |
|---|---|---|
| 没有新信息 | 标签候选是现值子集;标题只差全半角、标点、打码字,或是现值的一段、去掉【】装饰后是;出演者按实体是同一批人 | 约 710 |
| 社区来源对非空现值的异议 | javdb 的配信日比发售日早几天;FC2 促销前缀;合集出演表 | 约 590 |
| 证据确定、能撤回的补充 | 标签候选里有账本没有的;官方来源一致给出的标题与日期 | 约 1070 |
| 真冲突 | 三家出演者全不同(ACC-006);厂牌与 label 混写(HOISW-002);系列命名不一;厂牌实体缺别名(Deep's 与 ディープス) |
约 80 |
决策
一、核查差异只走一套判据。 metadata_auto_apply.verification_outcome 给一行核查差异定去向:保留现值、并集、覆盖或交人。复核页、处理任务结算与升级补修调同一个函数;复核页只把「交人」那一种摆出来,其余三种不占队列。metadata_auto_apply_candidate 不再接核查差异,避免链首覆盖(ADR-0035、0038)绕过这套判据。
二、零写入的保留现值。 下列情况账本不变,也不写决定:
- 现值归人(
user:、review:); - 日期式番号的发行日期,现值就是番号那天(ADR-0034);
- 每条候选对现值都没有新东西(
_adds_nothing)。标题按 NFKC、大小写、空白与标点折叠后比;候选一侧的打码字(●、○、*,可盖住多个字)可对上任意字,现值打码、候选没打码的不算;候选是现值的一段,或去掉【】、[]装饰后是。出演者按实体身份是现值的子集,或整条剪不出艺名(企划名义与称呼)。厂牌、系列只差写法与码,或候选在现值后面加了读音与上级注记(E-BODY(イーボディ)、Flower/妄想族)。标签候选是现值子集; - 提出新东西的只有社区来源(ADR-0033);
- 链首那一档(本地 NFO、官方来源、字段上提到链首的来源)里有 NFO 以外的来源与现值一致;
- 现值由链上更靠前的来源自动写入(ADR-0038 已经取过舍),例如
auto:makers写下的HHH不被 dmm 的ロイヤル挑战。
兜底来源 javbus 不挑战已有值(ADR-0038 决策三),r18dev 给厂牌、系列的英文译名(Amateur Pussies 之于 しろうとまんまん)既不挑战也不作证,判断前先剔掉。
这里的归一化只用来判「保留现值」,结论不写账本。ADR-0025 否决的是拿归一化判两家「一致」然后落库;放在这一侧没有写入,被否决的那个风险不存在。
三、可撤回的写入只有两种。
- 标签并集。 证据候选里认得出、账本没有的标签按链上先后补上,一个不删。复用 ADR-0082 的并集写法,标签行归属是批次号
auto:metadata-tags@<时间>。决定记rule: adr-0139-verified-tags-union、added_tags、各次batches与当时全部候选身份。之后又收录了生词时,下一轮照样补。人批准过、已过期的标签决定按 ADR-0082 只增不删,原决定只追加added_tags与候选身份。 - 官方一致的标题与日期覆盖。 链首那一档有异议的来源取值一致、现值不归人、没有更靠前的来源写过、番号身份核得上(
_auto_apply_targets),按链首那一家覆盖,归属auto:<来源>。决定记rule: adr-0139-official-replaces-verified、批次号,以及每条资产覆盖前的取值与归属(previous)。
scripts/revert_auto_landing.py --source <规则名> [--batch …] 按决定撤回:并集删掉那一行补进的标签,覆盖把旧值与旧归属原样写回,之后被别人改过的资产不动。两种都删掉决定,下一轮按那时的判据重判,所以先改判据再撤。并集补的标签与 ADR-0082 同一个批次前缀,--source auto:metadata-tags 也能删掉它们,但决定里的规则名还在,下一轮会照样补回来。
按文件出的候选行(asset:<编号>:<字段>)此前按「编号+路径」认文件。扫描按番号改指挪过的文件时编号不变(ADR-0131),处理任务重出同一行又沿用旧路径,2026-11-04 真实账本里 697 行因此谁批准都写不进去。落库闸(_landing_scope,人工批准与自动落库共用)改为:路径对不上、编号还在且番号相同,仍是这条资产;编号已不在库或成了别的番号,这一行保留现值、不入队。
四、交人的只剩这些。 本地 NFO 与链首来源说法不一(不论哪边是现值,核对 NFO 正是 ADR-0108 要做的事);出演者有官方或链首来源异议;链首来源之间说法不一;厂牌、系列的官方异议;番号身份核不上;日期式番号的官方日期不是番号那天。
厂牌与系列在账本里是实体,换值连带改作品关联,撤回还不了原样;快照里这一类多是 maker 与 label 混写、系列命名不一、实体缺别名,确实要人判,不进覆盖。
五、存量由升级补修结算一次。 upgrade_rules.VERIFICATION_SETTLEMENT 记规则版本。服务起来后,升级补修的后台调度对候选件里带核查标记的行跑一遍自动落库,先备份账本,结果记进 ledger_upgrade_repair 的 verification-settlement-<版本>;判据再变时版本加一。几千行要跑一两分钟,不放在启动前的 prepare 里:那一步挡着 /healthz,重启脚本默认只等 60 秒。不推进 CATALOG:那会重跑全部收集项,又以核查模式带回一批新差异。
理由
- 2591 条里需要人的判断只有几十条。其余要么什么都不用写,要么写的东西证据确定且能整批撤回,交给人只是让人重复代码已经得出的结论(ADR-0052)。
- 「覆盖已有值必须复核」防的是外部来源在无人知情时改掉判断。零写入的那几类不改任何东西;覆盖只发生在现值不归人、官方来源一致、链上没有更靠前的写入者时,旧值留在决定里,一条命令还原。
- NFO 是用户自己整理的资料,核查要回答的正是「它和发行方对不对得上」,所以 NFO 与链首来源的分歧仍然交人;社区来源对 NFO 的异议按 ADR-0033 不算。
- 判据放在领域层、复核页与处理任务共用,复核页上看不见的行,处理任务也不会悄悄跳过不落。
被否决的方案
- 只在复核页过滤。 处理任务仍对这些行跳过,标签与日期一直不落;真实用户那边照样攒着这批待办。
- 厂牌、系列也按官方一致覆盖。 写入要改作品与实体的关联,还可能新建实体;快照里的真实样例几乎都是 label 与 maker 的取舍或别名缺失,覆盖等于替人做身份判断。
- 有码作品的核查标签按 ADR-0100 整套换成 JavDB 的。 换掉的旧标签不在可撤回的范围里;并集只增不删,旧的宽泛标签仍可由人在详情页删。
- 推进
CATALOG让升级重跑处理任务。 每部片会以核查模式再带回一批差异,正是这次要收的那种。
后果
- 对 2026-11-04 快照重放:2775 条里保留现值 1449、标签并集 967、官方覆盖 100、交人 75;另有 184 条不是核查差异(候选变了的过期决定、等收录的生词、补空落不下的描述性称呼),不归本 ADR。
- 在真实账本的拷贝上跑存量结算:标签并集 829 行、官方覆盖 100 行,撤回计划逐条认得回;复核页元数据队列从 2784 条降到 255 条,其中核查差异 75 条。并集判出而没写的 137 行,是同一条候选早先已落过、之后少掉的标签(多半是手删),不重补。
- 复核页的元数据队列每次多做一轮核查判断;资产按番号一次查齐,取数耗时与此前同一量级。
- 处理任务摘要多出
kept(核查差异保留现值的行数)。 - 核查行里来源还不认的生词不再单独摆上复核页;词在补空的行上照常等人收录,收录后下一轮并集照样补。