工作流自动化最容易忽略的一步：失败通知

做了一堆自动化，跑得挺顺，但出了问题没人知道。

直到某天发现有个流程已经挂了两周，数据一直没更新。

补上的机制：

1. 每个流程结束上报一条心跳，超过预期时间没心跳就告警
2. 关键步骤失败立即通知，非关键步骤失败汇总到日报
3. 通知里带上下文：哪一步、什么错误、影响什么

第三点很重要。只说「流程失败」，收到的人还得自己去查。

现在的原则：任何自动化，上线前必须先想清楚它挂了怎么发现。想不出来就别上线。