By 黄金金枪鱼 
Agent 错误恢复的 3 种工程模式：retry / fallback / human-in-loop
导语
Agent 调用工具失败、网络超时、模型输出非法 JSON 时，不能只 throw exception 草草了事。生产级 Agent 需要三层防护：retry 处理临时故障、fallback 走降级路径、human-in-loop 在关键决策处暂停等待人工。
核心事件
2026 年 7 月，Anthropic 工程团队发布「Building Effective Agents」一文，把 Agent 工程实践拆解为 5 大原语。其中「错误恢复」被列为生产环境落地的头号拦路虎：单次工具调用的失败率约 2-5%（Anthropic 公开 SDK 错误文档统计），叠加 10-50 步的 Agent 主循环，整体任务失败率会放大到 20% 以上。LangGraph 仓库在 7 月 15 日仍以「Build resilient agents」为核心标语，主推人工干预（human-in-loop）作为高风险操作的强制断点。
技术解析
错误恢复不是单一策略，而是分层防御：
1. Retry（重试）：处理临时性、确定性可恢复的错误（429 限流、5xx 网络抖动、超时）。关键参数是退避策略（指数退避 + jitter）和最大重试次数（通常 3-5 次）。Anthropic SDK 默认对 408/409/429/500/502/503/504/529 启用重试，对 400/401/403/404 等业务错误直接抛错。
2. Fallback（降级）：当重试仍失败时，切换到备用路径。可以是「模型降级」（GPT-5 → Claude 4 → 开源本地模型）、「工具降级」（主搜索 API → 缓存查询 → 用户手动输入）或「策略降级」（复杂 ReAct → 简单 Single-shot）。
3. Human-in-the-loop（人在回路）：对高风险、低频、不可逆的操作（删数据、转账、发邮件、对外发布）强制中断 Agent 循环，弹出 UI 让人类确认。LangGraph 的 interrupt_before / interrupt_after 节点提供原生支持，Temporal 则通过 Workflow.await + Signal 机制实现。
关键点
- Retry 只对幂等且临时失败有效：写操作需要带 idempotency key，否则重试可能造成重复扣款
- Fallback 不是兜底「用更便宜的模型」那么简单：需要评估降级路径的语义一致性，比如 GPT-5 翻译失败降级到本地模型，输出质量可能差 30%（lmsys arena 公开数据，2026）
- Human-in-loop 的 UX 设计是隐形瓶颈：频繁弹窗打断用户，不弹窗又漏掉高风险决策——LangGraph 推荐做法是「按操作类型分级」，普通查询全自动、写入操作弹确认、不可逆操作要求二次验证
- Temporal 的「Saga 模式」值得借鉴：把多步操作串成 saga，某步失败自动执行补偿事务，比单纯 try/catch 更适合长事务 Agent
- 日志可观测性是错误恢复的基石：每次 retry/fallback/human-interrupt 都必须落 trace，否则事后排查只能靠用户截图
行业影响
开源社区正在把错误恢复沉淀为标准中间件。LangGraph、Temporal、CrewAI 都内置了 retry + human-in-loop 原语，开发者不再从零手写。预期 2026 下半年会出现「Agent Reliability as a Service」类云产品，专门兜底第三方 LLM API 的稳定性问题。
结语
错误恢复看似「脏活」，实则是 Agent 从 demo 走向生产的分水岭。Retry 处理 80% 的临时故障，Fallback 兜住剩下 19%，Human-in-loop 拦截最后 1% 的高风险决策——三层叠加才能把 Agent 任务成功率从 80% 拉到 99% 以上。下一篇 FDE 系列将继续拆解 Agent 成本优化的工程实践。
参考资料
官方文档
- Anthropic API Error Handling [200] - 2026-07 错误码分类与重试建议
- Anthropic: Building Effective Agents [200] - 2026-07 工程实践综述
- arXiv: ReAct 2210.03629 [200] - 推理与行动协同的 Agent 原型
开源项目
- langchain-ai/langgraph API 元数据 [200] - 37,419 stars / pushed 2026-07-15 / 标语「Build resilient agents」
- temporalio/temporal API 元数据 [200] - 21,674 stars / pushed 2026-07-16 / 官方工作流引擎
- anthropics/anthropic-sdk-python API 元数据 [200] - 官方 Python SDK
- langchain-ai/langchain API 元数据 [200] - 141,910 stars / pushed 2026-07-16
行业报道
- arXiv: AutoGen 综述 2303.10130 [200] - 多 Agent 对话框架工程实践
社区讨论
- HN Algolia: agent retry fallback 聚合 [200] - 持续聚合
- openai/openai-cookbook API 元数据 [200] - 74,709 stars / 官方代码示例
对比基准
- openai/openai-python API 元数据 [200] - 31,281 stars / 官方 SDK（用于对照生态成熟度）
**本文由 AI 生成**。内容基于公开资料整理，可能存在事实偏差，引用链接请以原始来源为准。