4. 错误处理与恢复
“在生产环境中，错误不是例外 —— 它们是常态。错误处理的质量直接决定了智能体的可靠性。”
错误处理是 Harness 工程中最核心的部分。与传统软件视错误为异常不同，智能体系统必须将错误处理视为正常运行的一部分。工具会失效、LLM 会产生幻觉、网络会超时 —— 你的 Harness 系统必须能优雅地处理这一切。
4.1 错误分类 (Error Classification)
错误分类法
可恢复 vs 不可恢复错误
我们将错误分为三类：
- 可恢复 (Recoverable)：可以使用相同或修改后的输入重试。
- 条件可恢复 (Conditional)：需要进行某些调整后方可恢复。
- 致命 (Fatal)：无法恢复，任务必须宣告失败。
4.2 恢复策略 (Recovery Strategies)
带退避的重试 (Retry with Backoff)
针对瞬时故障（如网络抖动），采用指数级增加延迟的重试机制，防止对后端系统造成二次冲击。
降级机制 (Fallback Mechanisms)
当主要手段（如 Google 搜索）失效时，自动切换到备用方案（如 Bing 搜索或本地知识库）。
优雅降级 (Graceful Degradation)
如果核心功能不可用，尝试提供“缩水版”服务，而不是直接完全宕机。
4.3 死循环预防 (Loop Prevention)
无限循环检测
监测智能体的行动历史，如果发现重复执行同一操作或在相似状态间循环，则触发告警并终止。
循环恢复逻辑
当检测到死循环时，利用强模型分析成因并制定“脱困计划”，如：添加额 外约束、修改当前目标或请求人工介入。
4.4 熔断器机制 (Circuit Breakers)
熔断器模式实现
当外部工具持续报错且达到阈值（如连续 5 次失败）时，熔断器进入“打开”状态，在一段时间内（如 1 分钟）自动拦截所有对该工具的请求，保护系统资源不被浪费。
4.5 核心要点总结
错误处理策略表
| 错误类别 | 恢复性 | 建议行动 |
|---|---|---|
| 工具超时 | 可恢复 | 带退避的重试 |
| 限流 | 可恢复 | 等待并重试 |
| API 故障 | 条件可恢复 | 取决于状态码，可能降级 |
| 幻觉 | 可恢复 | 提示词微调并重试 |
| 内存溢出 | 致命 | 立即终止并上报 |
生产环境检查清单
- 建立了统一的错误分类服务。
- 对网络请求实现了指数退避重试。
- 为关键操作配置了备用（Fallback）逻辑。
- 为所有外部依赖启用了熔断保护。
- 实现了行动历史审计与死循环检测。
- 建立了错误指标统计与实时报告体系。
4.6 下一步行动
继续您的学习之旅：
先分类再处理
并非所有错误都值得重试。请先对错误进行精准分类，从而选出最合适的恢复策略。
熔断器防止级联崩溃
当一个下游依赖崩溃时，熔断器能有效阻止故障通过依赖链蔓延到整个系统。
监控错误趋势
错误率的异常波动是系统健康的晴雨表。建议针对错误率激增设置实时告警。