用 cron 定时跑 Python AI 批处理：几个容易踩的坑

本地写好一个 Python AI 批处理脚本后，最自然的自动化方式就是交给 cron。它随 Linux 自带，配置简单，适合每天凌晨跑一次图片分类、文本清洗或模型推理任务。但 cron 的运行环境和登录 shell 差别很大，直接把手动命令抄进 crontab，十有八九会失败。下面以图片分类批处理为例，梳理几个关键点。

假设项目在 /opt/ai-batch，虚拟环境在 venv，脚本 batch.py 扫描 images 目录，把分类结果写入 result.csv。脚本内部用绝对路径读取目录，并在开头设置模型缓存位置：

import os
from pathlib import Path
from transformers import pipeline

os.environ.setdefault("HF_HOME", "/opt/ai-batch/.cache")
clf = pipeline("image-classification", model="google/vit-base-patch16-224")
out = Path("/opt/ai-batch/result.csv")
with out.open("w", encoding="utf-8") as f:
    for img in Path("/opt/ai-batch/images").glob("*.jpg"):
        top = clf(str(img))[0]
        f.write(f"{img.name},{top['label']},{top['score']:.4f}\n")

手动执行 /opt/ai-batch/venv/bin/python /opt/ai-batch/batch.py 正常后，再写 crontab。用 crontab -e 添加：

HF_HOME=/opt/ai-batch/.cache
0 3 * * * cd /opt/ai-batch && flock -n /tmp/ai-batch.lock ./venv/bin/python batch.py >> /var/log/ai-batch.log 2>&1

这里有几个细节。第一，必须写虚拟环境里 Python 的绝对路径，或者先 cd 再用相对路径，不能依赖 python 命令解析。第二，cron 的环境变量很精简，HF_HOME 这类模型缓存变量不会从用户配置里继承，最好在脚本内设置，或在 crontab 顶部显式声明。第三，命令里出现 % 时 cron 会特殊处理，需要转义；本例没有日期格式化，暂时不涉及。第四，flock -n 能防止上一轮任务没结束时又启动新任务，避免重复加载模型和写坏 CSV。第五，日志重定向到文件后，长期运行会越来越大，建议用 logrotate 按天切割并保留若干份。

失败处理也要考虑。脚本中应捕获异常并以非零状态退出，cron 本身不会提醒你，但可以通过邮件或外部监控读取退出码。入门阶段至少做到日志里能看到时间戳和错误堆栈，而不是只输出结果。若任务需要精确的时区或依赖网络，记得在 crontab 里设置 TZ，并确认机器时间同步正常。

cron 不是唯一选择，systemd timer 在日志和依赖管理上更现代。但对入门者来说，先用 cron 把“每天自动跑一次 AI 批处理”跑通，理解绝对路径、环境变量、锁和日志这四个坑，再考虑替换方案，性价比更高。