为什么你的 AI Agent 需要自愈——而不是简单的重试

重试是"再试一次"，自愈是"换条路走"。99% 的团队只做了前者。

重试解决不了的问题

2026 年 6 月，Claude 全球宕机 3 小时。当晚 Twitter 上一片哀嚎——不是因为 API 挂了，而是因为挂了之后重试了 3 小时。

这是最典型的错误：把重试当容错。

重试的逻辑很简单："失败了？再来一次。" 但在 LLM API 的世界里，重试解决不了以下问题：

核心问题在于：重试在同一个路径上重复失败，而自愈选择另一条路。

重试 vs 自愈：一张表说清楚

这不是理论差异——测试数据可以说明问题。

实测：自愈的 4 级级联

NeuralBridge SDK 的自愈引擎采用 4 级级联策略，每次调用都按序尝试：

L1 Smart Retry      → 调整参数 + 指数退避（同一 Provider）
  ↓ 失败
L2 Model Downgrade  → 同 Provider 降级到更快模型
  ↓ 失败  
L3 Provider Failover → 切换到完全不同的 Provider
  ↓ 失败
L4 Flywheel Learning → 记住失败模式，下次更快恢复

每一级都不是简单的"重试一次"，而是带着诊断信息做智能决策。诊断本身只需要 22 µs（P50），比一次 HTTP 请求（通常 200-500ms）快三个数量级。

压力测试数据：100 线程 × 100 次并发诊断，吞吐 10,000 次/秒，零竞争错误。

一个常见场景：JSON 破损修复

这是重试 vs 自愈的最典型对比：

# 裸 API 调用
response = requests.post("https://api.openai.com/v1/chat/completions", ...)
data = response.json()  # 💥 JSONDecodeError — 返回被截断了

# 重试 3 次...每次都截断，因为问题在服务端不在客户端

# NeuralBridge SDK
import neuralbridge as nb

result = nb.chat("返回 JSON 格式的编程语言列表")
# → 正常返回 JSON，即使 API 返回了破损的响应
# → 诊断在 47 µs（P99）内完成
# → 不需要手动 try/except

区别在哪？裸调用把错误抛给上层，顶多重试一次。自愈引擎在协议层检测到 JSON 破损、SSE 截断或空内容后，主动走修复路径——不依赖上游 Provider 配合。

Agent 崩溃：自愈的真正战场

单次 LLM 调用简单的 retry 也许够用。但 Agent 是多步工作流：

步骤 1: 搜索论文 → ✅ 完成
步骤 2: 分析摘要 → ✅ 完成  
步骤 3: 生成报告 → 💥 崩溃（OOM / 超时 / Provider 宕机）

重试方案：从头开始 3 步，3 次 API 调用。

Checkpoint 方案：从步骤 3 继续，1 次 API 调用。

这就是为什么说"不是简单的重试"——Agent 崩溃后恢复需要的是状态感知，不是重新执行。

总结：什么时候该升级？

如果你的 AI 应用满足以下任一条件，简单的重试已经不够了：

1. 多 Provider：你有 2+ 个 LLM Provider（或者未来打算加）
2. 多步 Agent：你的 Agent 工作流超过 3 步
3. 生产 SLA：用户期望 99%+ 的可用性
4. 成本敏感：GPT-4o 级别的模型单次调用成本 > ¥0.1

在这些场景下，重试是止损，自愈才是解决方案。

NeuralBridge SDK 是一个 762KB 的嵌入式 LLM 容错 SDK，不依赖网关或 Docker。故障诊断 P50=22µs，已在 133 个自动化测试中验证。

pip install neuralbridge-sdk