工具调用失败是怎么重试的？退避与换路

AI 智能体调用工具，失败是常态：接口超时、返回格式变了、服务临时不可用。失败的应对方式决定系统的成色——盲目立刻重试会把故障放大，坐等不管则让任务卡死。成熟的做法是一套章法：先判断该不该重试，再按退避节奏等，最后换路走。

先判断该不该重试

失败分两类。临时性失败：网络抖动、服务过载、超时，过一会儿自己就好，重试有价值。确定性失败：参数非法、权限不足、资源不存在，重试一百次结果也一样，重试纯属浪费。

判断依据主要看返回的错误码和错误信息：超时类、限流类可重试；校验类、权限类不可重试。拿不准的，重试一次试探，第二次仍然同样错误就转入确定性处理。这个判断要在框架层自动完成，不能指望模型每次都记得。

退避：越失败，等得越久

确定要重试，也不能立刻连发。指数退避是标准做法：第一次失败等一秒，第二次等两秒，第三次等四秒，逐次翻倍，封顶一个上限。这样做的理由是给故障方喘息时间——对方正在过载，你越急它越喘不过气，双方一起陷进去。

退避常配一点随机抖动：等待时间上下浮动一点，避免多个智能体在完全相同的时刻同时重发，形成新的冲击波。设重试上限同样必要，比如最多五次，到了就认输换路。

换路：备用工具与降级方案

重试用尽仍失败，就该换路。换路有三档。换备用源：同一个能力的另一家服务，主搜索挂了切备用搜索。换方式：网页抓取失败就改用接口，接口失败就改读缓存。降级：拿不到实时数据就明确标注「基于 X 日的缓存数据」继续，任务主体不中断。

三档换路换的东西不同，产物里怎么交代也不同。

换路的关键是如实标注：用了备用的、用了缓存的，都要在产物里说明，别让下游把降级结果当成第一手数据。海螺AI这类深度调研产品在信息源不稳定时的多源备选、纳米AI的多引擎聚合，都是换路思路的产品化。

重试的上限与刹车点

退避加换路都有尽头。全部走完仍失败，任务进入失败处理：向主管如实报告失败在哪一环、试过哪些路，附上错误记录，由主管决定补偿、改派还是终止。错误信息要原样留存——失败现场是排查的第一手材料，抹掉错误详情只写「调用失败」，等于烧掉证据。

还有一条容易被忽略：重试前先确认重复执行是安全的。加了幂等保护的操作可以放心重试，没有保护的写操作重试一次就可能多一份副本。

重试章法四步

• 分类：临时性可重试，确定性不重试
• 退避：指数加随机抖动，封顶设上限
• 换路：备用源、换方式、降级，如实标注
• 收尾：走完仍败则报告，错误原样留档

检查你的智能体配置：重试几次、间隔多少、备用路径是哪条，三个数都说得出，容错就算及格。

相关词条：重试安全的前提，见什么是幂等设计？重复执行不出乱；派给别人的任务失败怎么改派，参考多 Agent 是怎么分派任务的？与两个 Agent 冲突了怎么处理？；受控环境里的失败怎么看，见沙箱是怎么隔离的？文件与网络，每一步都讲透；网页类调用失败的常见原因，看网页改版了 Agent 怎么办？元素漂移。

工具重试快问快答三则

• 重试次数越多越稳妥吗？：不是。超过合理次数的重试大多在骚扰已故障的服务，还烧自己的预算，五次封顶加换路远比无限重试有效。
• 重试要通知模型吗？：框架层的静默重试不必打扰模型；换路或最终失败时必须如实告知，模型据此调整后续计划。
• 退避时间怎么定起点？：从半秒到一秒起步都行，关键是倍率翻涨加上限，再留随机抖动，不必追求精确数值。