制造业 Cloud Run 检查作业预检: 用 Claude Code 防止 CSV、照片和密钥事故
在把检查CSV和照片元数据交给Cloud Run Jobs前,用Claude Code检查契约、审批和secret边界。
夜班结束前,质量负责人准备把检查 CSV 和外观照片清单交给夜间云端批处理,产线主管却突然叫停: 这个批次还没有审批。CSV 里混着合格、保留和不合格记录,照片保存路径里出现了像员工姓名的字符串,环境变量表里还留着看起来像 API key 的明文。作业也许能跑完,但之后如果要向客户说明、接受审计或追查缺陷,团队会很难解释这些数据为什么被送进了批处理。
本文介绍的是制造业检查报告交给 Cloud Run Jobs 之前的预检流程。Cloud Run Jobs 适合运行到完成的批处理: 容器启动、执行任务、结束退出,而不是一直监听 HTTP 请求。这里不会连接 Google Cloud。标题里的承诺也限定为预检和本地契约检查,不是实时集成。
不稳定的技术点已参考官方资料确认: 创建 Cloud Run Jobs、Jobs 的环境变量、Jobs 的密钥配置、Jobs 的服务身份、以及 Claude Code settings。本文的本地验证只证明输入契约能被检查,不证明认证、IAM、存储访问或生产运行成功。
本文要点
- 把检查 CSV、照片 URI、Cloud Run Job 设置、审批清单放进同一个投递前评审。
- 让 Claude Code 检查列、值类型、审批状态、命名规则、环境变量和 Secret Manager 边界。
- 人来判断批次是否暂停、如何向客户说明、保留期限、服务账号权限和最终质量审批。
- 先使用虚构的本地 fixture。本文不会调用 Cloud Run、Cloud Storage、Secret Manager 或工厂 MES。
- 唯一主要 CTA 是用于公司流程设计的培训与咨询。
工作流: 把检查报告变成云端作业契约
目标场景是外观检查、尺寸检查、设备点检或班末质量汇总。常见输入包括 inspection_results.csv、照片 URI 列表、批处理作业的环境变量表、质量审批清单。MES 指制造执行系统,用来管理生产指示、工序状态和检查结果。
第一步不是让 AI 判断产品是否合格,而是先定义“什么样的输入才允许进入作业”。本例要求 CSV 必须包含 report_id、line_id、product_code、lot_no、measured_value、unit、status、inspector、approved、photo_uri、retention_until。status 只能是 pass、hold、fail。approved 不是 yes 的行不能进入作业输入。
照片 URI 也不能变成随手记录的备注栏。较安全的形态是 gs://factory-qc-evidence/line-a/2026-09/LOT-1042/report-QC-9001-01.webp,只包含产线、年月、批次和报告 ID。不要把员工名、邮箱、电话或全名写进对象键。相关的既有文章有制造业质量问题报告和制造业 GKE 清单发布评审。本文聚焦在二者之间的云端批处理投递契约。
最后检查 Cloud Run Job 设置。Google Cloud 官方文档说明,环境变量会作为键值注入容器并可被代码读取,同时提醒不要把密钥放进环境变量,应使用 Secret Manager。若作业访问 Google Cloud API,还要检查服务身份,也就是作业使用的服务账号。Claude Code 可以把这些资料整理成清单,但账号和角色仍必须由人审批。
flowchart TD
A[本地准备检查CSV] --> B[检查照片URI与保留期限]
B --> C[确认Cloud Run Job的env与secret边界]
C --> D[用Claude Code生成问题表]
D --> E[质量负责人确认hold/fail]
E --> F[审批后由人交给gcloud或CI]
Claude Code负责的范围与人判断的范围
Claude Code 适合处理可重复的契约检查。它可以发现缺少列、测量值不是数字、未审批行、可疑照片 URI、image 仍使用 :latest、serviceAccount 仍是 default、环境变量名包含 PASSWORD、TOKEN、API_KEY 等问题。它也适合把 CSV、JSON 作业设置和审批清单并排阅读,生成评审表和修正建议。
人负责质量责任和运营风险。hold 批次是否复检、是否停止出货、如何向客户或供应商说明、照片保留期限是否满足合同、服务账号最小权限是什么、夜间作业何时必须停止,都由人决定。Claude Code 的输出是判断材料,不是法律意见、质量保证结论,也不是 Google Cloud IAM 正确的证明。
权限方面,要用 Claude Code settings 限制文件读取和命令执行。不要把 .env、生产 CSV、未脱敏个人信息放进 prompt。先用固定 fixture 固化规则,再把评审表移入实际流程。给 Claude Code 的请求应是“检查是否可以交给人审批后上传”,而不是“帮我上传”。
三个使用场景
Use case 1: 判断检查 CSV 行能否进入作业
输入: 检查 CSV、列定义、允许的 status、审批字段、保留日期。同一个文件中常常混有 pass、hold、fail 行。
输出: 缺列、日期格式错误、未审批、测量值非数字、保留日期缺失的表。输出把可投递、人需确认、不可投递的行分开。
人工确认: 质量负责人决定 hold 或 fail 行是排除、复检,还是升级为整批暂停。
Use case 2: 防止照片 URI 混入个人或临时信息
输入: 照片 URI 列表、命名规则、产线 ID、批次号、报告 ID。现场赶时间时,照片对象键可能带上员工名、设备名或临时目录。
输出: 邮箱样式、电话样式、可读姓名、private、tmp 的发现列表,并给出更安全的 URI 形态。
人工确认: 团队决定最小可追踪 ID、哪些信息必须放入受限台账、哪些对象键模式可使用。
Use case 3: 检查 Cloud Run Job 的 secret 边界
输入: Cloud Run Job 设置 JSON、环境变量表、计划放入 Secret Manager 的键、服务账号名、重试次数和超时。
输出: 表明 API_KEY、PASSWORD、TOKEN、SECRET 是否以明文环境变量出现,是否有 secret 引用,服务账号是否专用,镜像是否避免 :latest。
人工确认: 云管理员决定 Secret Manager 资源、最小权限角色,以及失败作业是否可以安全重试。
可复制使用的提示词
你是制造业检查报告交给 Cloud Run Job 前的预检负责人。
目标是在执行前整理检查CSV、照片URI规则、Cloud Run Job设置和审批清单。
输入:
- 检查CSV样本:
- 照片URI命名规则:
- Cloud Run Job设置JSON:
- 审批清单:
- 保留和删除规则:
请检查:
1. 缺少必需列
2. measured_value不是数字
3. status不是pass/hold/fail
4. approved不是yes
5. photo_uri包含姓名、邮箱、电话、tmp或private
6. Cloud Run Job image仍使用latest
7. env里有明文API_KEY/PASSWORD/TOKEN类secret
8. serviceAccount不是default,并列出需要确认的权限
输出:
- “可投递”“人需确认”“不可投递”的三分类表
- 修正建议
- 人必须审批的项目
- 未验证边界
限制:
- 不连接真实云服务
- 不在输出中保留生产CSV或个人信息
- 不把ClaudeCodeLab、培训链接或站点CTA写进生成物
可执行的本地验证代码
下面的代码只检查本文固定 fixture。它不会调用 Cloud Run API、Cloud Storage、Secret Manager、工厂 MES 或网络。若保存到本地,可使用 tools/inspection-job-preflight.mjs,这不表示该文件已经存在于本仓库。
const requiredColumns = ["report_id","line_id","product_code","lot_no","measured_value","unit","status","inspector","approved","photo_uri","retention_until"];
const inspectionCsv = `report_id,line_id,product_code,lot_no,measured_value,unit,status,inspector,approved,photo_uri,retention_until
QC-9001,line-a,P-441,LOT-1042,0.31,mm,pass,EMP-014,yes,gs://factory-qc-evidence/line-a/2026-09/LOT-1042/report-QC-9001-01.webp,2027-09-30
QC-9002,line-a,P-441,LOT-1042,not-number,mm,hold,EMP-014,no,gs://factory-qc-evidence/private/[email protected],2027-09-30
QC-9003,line-b,P-882,LOT-2099,12.8,N,review,EMP-091,yes,gs://factory-qc-evidence/line-b/tmp/LOT-2099/report-QC-9003.webp,`;
const jobConfig = { name: "inspection-summary-job", image: "asia-northeast1-docker.pkg.dev/factory/prod/inspection-summary:latest", serviceAccount: "default", maxRetries: 3, timeoutSeconds: 1800, env: { REPORT_BUCKET: "factory-qc-evidence", API_KEY: "plain-text-key" }, secrets: { DB_PASSWORD: "projects/123456789/secrets/qc-db-password:2" } };
function parseCsv(text) { const [headerLine, ...rows] = text.trim().split("\n"); const headers = headerLine.split(","); return rows.map((line) => { const values = line.split(","); return Object.fromEntries(headers.map((header, index) => [header, values[index] ?? ""])); }); }
function looksLikeIsoDate(value) { return /^\d{4}-\d{2}-\d{2}$/.test(value) && !Number.isNaN(Date.parse(value)); }
function validateRows(rows) { const issues = []; const allowedStatus = new Set(["pass", "hold", "fail"]); for (const [index, row] of rows.entries()) { const rowNo = index + 1; for (const column of requiredColumns) { if (!(column in row) || row[column].trim() === "") issues.push({ scope: `row ${rowNo}`, severity: "block", message: `missing ${column}` }); } if (!Number.isFinite(Number(row.measured_value))) issues.push({ scope: `row ${rowNo}`, severity: "block", message: "measured_value must be numeric" }); if (!allowedStatus.has(row.status)) issues.push({ scope: `row ${rowNo}`, severity: "block", message: "status must be pass, hold, or fail" }); if (row.status !== "pass" || row.approved !== "yes") issues.push({ scope: `row ${rowNo}`, severity: "review", message: "human approval required before handoff" }); if (!looksLikeIsoDate(row.retention_until)) issues.push({ scope: `row ${rowNo}`, severity: "review", message: "retention_until must be an ISO date" }); if (/@|\b\d{2,4}[- ]\d{2,4}[- ]\d{3,4}\b|private|tmp/i.test(row.photo_uri)) issues.push({ scope: `row ${rowNo}`, severity: "review", message: "photo_uri may expose personal or temporary data" }); } return issues; }
function validateJobConfig(config) { const issues = []; if (/:latest\b/.test(config.image)) issues.push({ scope: "job.image", severity: "block", message: "pin the image tag or digest instead of latest" }); if (!config.serviceAccount || config.serviceAccount === "default") issues.push({ scope: "job.serviceAccount", severity: "block", message: "use a dedicated service account" }); for (const key of Object.keys(config.env ?? {})) { if (/(API_KEY|PASSWORD|TOKEN|SECRET)/i.test(key)) issues.push({ scope: `job.env.${key}`, severity: "block", message: "move secrets to Secret Manager references" }); } if (!config.secrets || Object.keys(config.secrets).length === 0) issues.push({ scope: "job.secrets", severity: "review", message: "list required Secret Manager references" }); if (!Number.isInteger(config.maxRetries) || config.maxRetries < 0 || config.maxRetries > 5) issues.push({ scope: "job.maxRetries", severity: "review", message: "confirm retry count with operations" }); return issues; }
const rows = parseCsv(inspectionCsv);
const report = [...validateRows(rows), ...validateJobConfig(jobConfig)];
console.table(report);
process.exitCode = report.some((item) => item.severity === "block") ? 1 : 0;
这段代码只证明本地字符串解析和固定 fixture 检查。它不证明 Cloud Run Job 能创建、服务账号角色正确、Secret Manager 里有值、照片对象存在,也不证明生产批处理会完成。
Pitfall: 常见原因与具体修正
第一个陷阱是把 hold 行也送进去,因为“之后有人会看”。原因是把汇总处理和质量判断混在一个批处理中。修正方法是在生成作业输入前先分离 pass、hold、fail,把 hold 和 fail 放进人工评审队列。
第二个陷阱是把照片 URI 当成备注栏。员工名、邮箱、设备名、tmp、private 一旦进入对象键,后续删除和访问范围说明都会变难。修正方法是 URI 只使用产线、年月、批次、报告 ID,作业者身份和判断理由放到另一个受限台账。
第三个陷阱是把环境变量和密钥看成同一类东西。Cloud Run Jobs 可以设置环境变量,但 Google Cloud 提醒不要把密钥存放在那里,而应使用 Secret Manager。修正方法是非秘密设置放在 env,连接字符串、API key、密码和 token 放到 secret 引用。
第四个陷阱是服务账号仍然使用 default。原因是把“作业能跑”误认为“权限已经设计好”。修正方法是为作业创建专用服务账号,按每个 Google Cloud API 授予最小角色,并把审批人写入清单。
小型 ROI 测量
不要编造节省比例,而是记录被挡下的工作。先连续两周记录 CSV 行数、阻断问题数、人工确认数、再提交次数、从 CSV 导出到作业投递的等待时间、夜间呼叫次数。加入预检后再记录两周。可用指标包括未审批行的事前发现数、照片 URI 修正数、secret 迁移发现数、夜班前差回次数。
目标不是宣称 Claude Code 固定节省多少分钟。工厂、产线数量、审批结构、作业频率都会改变结果。第一阶段 ROI 是在正确的人还在场时发现不该进入批处理的输入。
常见问题
Q. 可以用 Cloud Run 服务代替 Job 吗。
A. 长时间接收 HTTP 请求时适合服务。读取一批 CSV、汇总、结束退出时适合 Job。本文只讨论 Cloud Run Jobs 投递前的本地预检。
Q. 可以把真实 CSV 给 Claude Code 看吗。
A. 先用脱敏 fixture 固化列和规则。处理生产 CSV 前,请确认内部权限、保存位置、审计日志和禁止列。本文不是法律或审计建议。
Q. 放进 CI 就足够了吗。
A. 不够。CI 只能挡住一部分输入契约。质量审批、服务身份、Secret Manager 引用、IAM 和实际作业日志仍要单独确认。
Q. 应该给 Claude Code 什么资料。
A. 固定 fixture、列定义、命名规则、作业 JSON、审批清单。不要粘贴 .env、生产密钥、未遮蔽个人信息或供应商合同。
放进公司运用
制造业云端投递预检不只是代码。质量、运营、信息系统、云管理员需要共同区分“交给 AI 的检查”和“人必须停止的判断”。如果需要围绕 Cloud Run Jobs 和检查 CSV 设计权限边界、评审表、提示词和 ROI 表,可以使用培训与咨询。
实际测试结果
我实际测试的是用 node 执行上面的 JavaScript 验证器,并检查本地固定 fixture。输出会发现非数字 measured_value、未审批行、非法 status、含有 private 和 tmp 的 photo_uri、使用 :latest 的镜像、default 服务账号、明文 API_KEY。
已确认的官方 URL 是 Cloud Run Jobs 创建、Jobs 环境变量、Jobs 密钥、Jobs 服务身份、Claude Code settings。未执行的是 gcloud run jobs create、Cloud Run API 调用、Cloud Storage 读取、Secret Manager 访问、IAM 验证、MES 连接和生产 CSV 检查。因此本文证据只到“本地输入契约可检查”为止,不是生产云端集成成功的证据。
相关文章
用 Claude Code 部署到 GCP Cloud Run:实战指南
用 Docker、IAM、Secret Manager、日志和回滚,把 Node.js API 安全部署到 Cloud Run。
小型加工厂(制造业)用生成式 AI 把作业指导书和图纸笔记数字化的实操步骤
只装在老师傅脑子里的工序,和图纸空白处的手写批注。本文讲小型加工厂(制造业)现场怎么用 Claude Code 把作业指导书和图纸笔记数字化、传下去的实操步骤。
用Claude Code改善製造業估價表單: 圖面、材料、交期不漏項
整理製造業估價表單的圖面、版次、材料、數量、交期、NDA和CTA。
免费 PDF: Claude Code 速查表
输入邮箱即可获取一页 PDF,整理常用命令、审查习惯和安全工作流。
我们会妥善保护你的信息,不发送垃圾邮件。
让 Claude Code 真正进入可验证的工作流
先用免费 PDF 固定基础,再用 Gumroad 教材复用工作流;如果涉及团队导入、权限或收入路径,可以直接咨询。
关于作者
Masa
专注 Claude Code 实务流程、团队导入和内容转化的工程师。