FDE W5 Day 3 学习手册 · 超时、重试与退避、补偿

W5 Day3 · A 级（必须掌握，面试核心）· 4h · 学完能讲透"哪些错该重试、怎么退避、重试失败怎么补偿、为什么不能无限重试"

一、超时设计①：工具调用超时

每个工具调用都要有超时时间，防止下游无响应时调用方无限等待、资源被挂死。

• 按工具设不同超时：查缓存 200ms、查核心业务库 2s、调外部医保接口 5s、重计算 30s。
• 超时不是失败的全部：超时后要决定重试 or 换路 or 转人工，不能静默丢弃。
• 超时 vs 取消：超时后应尝试取消底层请求（如关闭 HTTP 连接），避免"超时返回了但后台还在跑"的泄漏。

二、超时设计②：整体 Agent 超时

除了单工具，整个 Agent 调用也要有总时长上限（deckline），防止循环 + 多工具把整体拖死（见 W5D2 时间预算，这里从"超时触发"角度再看）。

三、重试：哪些错误可重试，哪些不可

四、退避：指数退避 + 抖动

重试不能"立刻连发"，否则瞬时故障还没恢复又被打爆。用指数退避：每次重试间隔成倍增长，并加抖动（jitter）避免"重试风暴同步"。

for attempt in 1..MAX:
    try: return invoke(tool)
    except Retryable as e:
        if attempt == MAX: break
        delay = min(cap, base * 2**(attempt-1)) + random(0, jitter)
        sleep(delay)
return compensate()   # 重试耗尽 → 补偿

• 指数：间隔翻倍，给下游恢复时间，也降低请求频率。
• 上限 cap：退避不能无限增长，设最大间隔（如 30s）。
• 抖动 jitter：加随机量，避免大量请求"同时"重试（见下节雪崩）。

五、退避为什么能避免雪崩

雪崩：下游故障 → 上游大量重试 → 下游压力更大 → 彻底崩溃 → 上游全挂。退避 + 抖动打破这个正反馈。

• 抖动把重试"摊平"：原本同步的重试波，被打散成均匀分布，峰值被削平。
• 配合限流/熔断：退避之外，Runtime 层对单工具做 QPS 限流、持续失败则熔断（暂时停止调用），多重保护。

六、补偿：重试失败后的补偿动作

重试耗尽仍失败，不能"抛异常让用户懵"，要做补偿（Compensation）：把系统从"部分完成"拉回一致状态。

七、重试 / 退避 / 补偿与执行预算的联动

重试不是免费的——它消耗次数预算、Token 预算、时间预算。三者必须联动，否则重试会悄悄突破预算。

@WorkflowInterface
public interface ClaimWorkflow {
  @WorkflowMethod
  String process(String claimId);
}
@ActivityInterface
public interface ClaimActivities {
  @ActivityMethod
  String submitClaim(String claimId);   // 失败按 RetryOptions 退避重试
}