Celery worker报错根本原因是其独立进程未加载Flask应用上下文且可能处于错误Python环境；需确保worker在正确虚拟环境中运行、celery -A指向可导入的Celery实例、任务中通过app.app_context()显式激活上下文或传入原始参数后重建，同时broker配置必须与Flask端完全一致。
Flask 集成 Celery 不是“配个 URL 就能跑”，关键在于让任务在独立 worker 进程里也能安全访问 Flask 应用上下文、数据库、配置等资源。直接照抄 celery = Celery(...) 很容易在 worker 里报 RuntimeError: Working outside of application context 或 ImportError。
为什么 celery worker 启动就报 ImportError
这不是 Celery 没装，而是 worker 启动时没进对 Python 环境。
-
which python和which celery输出路径必须一致——否则 pip 装的包 worker 根本看不到 - 如果用
celery -A tasks worker，确保tasks.py所在目录在PYTHONPATH里，或项目根目录已执行pip install -e .（含setup.py或pyproject.toml） - 常见陷阱：把
tasks.py放在app/子目录下却没加__init__.py，也没把app声明为包
任务里用不了 current_app 或 db 怎么办
Celery worker 是完全独立的进程，不共享 Flask 的应用实例。硬写 from app import db 然后直接 db.session.add() 必崩。
- 别在任务函数里直接调
current_app.config或db.session——它们不存在 - 推荐做法：任务只接收原始参数（如
user_id、order_id），进任务后再手动初始化上下文：with app.app_context(): user = User.query.get(user_id) - 更稳妥的是封装数据库操作为纯函数，自己管理 session 生命周期，比如结尾加
db.session.remove() - 如果用工厂模式（
create_app()），需在任务里显式调用它重建 app 实例，再进上下文
celery -A 后面到底该写什么
这个字符串必须能被 Python 导入，且最终指向一个有效的 Celery 实例。
- 单文件项目（
app.py）：若celery_app = Celery(...)在同一文件，写celery -A app:celery_app - 分离结构（
celery_app.py+app.py）：确保celery_app.py能独立导入，且不依赖未初始化的 Flask app；写celery -A celery_app:celery_app - 用
autodiscover_tasks时，路径必须是 Python 包路径（含__init__.py），比如celery_app.autodiscover_tasks(['app.tasks']) - 别写
celery -A app.celery_app却忘了app/__init__.py里没导出celery_app
接口返回前就“发完即走”，但前端怎么知道结果
千万别在 Flask 路由里用 .get(timeout=30) 等结果——这会让 HTTP 请求卡死，吞掉所有并发能力。
- 正确姿势：调
task.delay(...)后立刻返回{'task_id': task.id} - 前端轮询
/api/task-status/<task_id>，后端用AsyncResult(task_id).state查状态，.result取值（仅当.state == 'SUCCESS'时才安全） - 注意：
AsyncResult查的是 broker（如 Redis）里的记录，所以 broker URL 必须和 worker 启动时用的完全一致，否则查不到 - 本地开发常踩坑：Flask 用
redis://localhost:6379/0，worker 却连了redis://127.0.0.1:6379/0——看似一样，但 Redis 认为是不同连接
最易被忽略的一点：Celery 任务不是“函数调用”，它是跨进程消息。传参必须是 JSON-serializable 类型（str、int、dict、list），别传 datetime、Decimal、模型实例或文件对象——序列化失败会导致任务静默丢弃。
