重试是药也是毒：对瞬时网络错误有用，对业务拒绝与校验失败会更糟。

可重试 vs 不可重试（经验划分）

  • 可重试：超时、429/503、连接重置（仍要尊重 Retry-After）
  • 不可重试：400 参数错误、权限拒绝、明确的业务「已取消」

把错误分类写进工具包装层，不要让 LLM 自由发挥是否重试。

检查清单

  1. 是否有 最大次数 与总时限？
  2. 是否 指数退避 + 抖动？
  3. 写操作是否 幂等键？（参见 工具调用幂等）
  4. 重试时是否避免重复拼接巨型上下文？（参见 工具结果截断）
  5. 达到上限后的 降级：问人、换工具、标记失败原因

提示词侧

告诉模型：「工具返回可重试错误时，等待后再次调用同一幂等键；不可重试则解释原因并停止。」

人工介入时机

连续失败且影响资金、删除、外发消息——直接停，不要让 Agent 在夜里默默重试到成功。

实践时如何避免「看起来很忙、没有变好」

  1. 先写清失败案例：哪类输入现在一定会错。
  2. 只改一个环节（提示词、检索、重试或评估），保留前后样例。
  3. 用同一批样例回归，而不是每次换新例子自我安慰。
  4. 把「何时停下来问人」写进流程，避免自动化在错误方向空转。
  5. 文档里区分事实、猜测与待验证，防止团队把草稿当结论。

如果你维护的是团队流程，把上述五步做成合并请求或工单模板中的检查项，比额外再上一个工具更有效。

常见问题

问：一定要用很贵的模型吗？
答：多数通知、清单、结构化合稿用你日常能稳定调用的对话模型即可；关键是材料和规则要由人提供。

问：生成后还要改多久？
答：第一周可能每条改 2–5 分钟；模板稳定后，多数情况只替换变量并扫一眼敏感句。

问：能不能让 AI 直接对客发送？
答：涉及承诺、金钱、健康、未成年人与安全核验的内容，建议始终人工确认后再发。

为什么值得做成固定流程

临时找 AI「帮我写一下」每次都要重新解释背景，结果忽长忽短。固定流程的好处是：规则只维护一份，新人也能按同一口径沟通，并且出了问题可以回看是材料不全还是模板过时。把提示词、审核人和更新日期写在一起，比把文案散落在聊天记录里更可持续。

观测与告警

给工具调用打上：错误类、重试次数、是否最终成功、是否触发人工。若某一依赖半夜重试占比突然升高，应先熔断该工具，而不是让 Agent 继续烧配额。把这些指标放进和普通后端服务一样的值班视角，Agent 才不会成为不可见的故障放大器。

把上述流程写成团队约定后，新成员可以更快接手，也减少「每个人都用自己的口头禅对客」带来的口径分裂。维护成本主要在规则变更时更新提示词，而不是每天从零写作。