Что делать, когда сгорело: обработка ошибок и восстановление

🔥 Сгорел стейк — это ещё не конец смены

В теме 5.2 про зацикливание мы разобрали, как агент может застрять в бесконечном круге и сжечь бюджет, и поставили туда простой предохранитель — лимит на число кругов. Эта тема — про то же самое, только под другим углом: что делать, когда круг ломается не из-за самого агента, а потому что снаружи что-то сгорело. И снова проще всего понять на кухне.

Представь обычную кухню в час пик. У повара на гриле горит стейк, под рукой кладовая, бригада, шеф где-то рядом. И вот — авария: гриль вырубился прямо посреди заказа. Что делает нормальная кухня? Точно не одно из двух: не закрывает весь ресторан из-за одной сгоревшей конфорки и не пытается жарить на мёртвом гриле снова и снова, пока кухня не сгорит. Нет. Кухня обрабатывает аварию по лестнице — от лёгкого к тяжёлому.

Сначала повар замечает, что гриль не греет (а не подаёт гостю сырое мясо). Потом пробует выкрутиться сам: перекинуть стейк на второй гриль; если второго нет — дожарить на сковороде; если и сковорода занята — предложить гостю похожую позицию из меню. И только если совсем тупик — зовёт шефа, который решает на своём уровне. А сгоревший продукт, который уже не спасти, повар откладывает в сторону — не суёт обратно в кастрюлю, чтобы не испортить остальное блюдо.

Вот эта лестница и есть то, что по-научному называется обработка ошибок и восстановление (error handling и recovery). Три большие ступени, давай разберём каждую.

🪜 Лестница из трёх ступеней

Когда что-то «сгорает», грамотный агент проходит ровно три стадии — обнаружить, обработать, восстановиться. Они идут по порядку, и на каждой агент пытается остаться на месте, прежде чем подниматься выше (а выше — это всегда дороже и медленнее).

Ключевая мысль всей лестницы: не падать целиком из-за одного сбоя и не долбиться в стену бесконечно. Один сгоревший стейк — не повод закрывать ресторан. Но и жарить на мёртвом гриле двести раз — не вариант. Между этими двумя крайностями и живёт грамотная обработка ошибок.

🍳 Выкрутиться можно по-разному — какой приём когда

Вторая ступень — «обработать» — самая интересная, потому что внутри неё несколько разных приёмов, и важно не путать, когда какой уместен. Разберём по порядку, от самого лёгкого к самому грубому.

Повтор (retry) — просто попробовать ещё раз. Самый первый и дешёвый приём. Сервис не ответил из-за секундного сбоя сети? Повтори запрос — скорее всего, со второй попытки пройдёт. Это как перекинуть стейк на соседний, рабочий гриль. Одна тонкость: повторять стоит не сразу встык, а с нарастающей паузой (подожди мгновение, потом подольше) — чтобы не задолбить запросами сервис, который и так на ладан дышит. Но тут зарыта главная ловушка темы. Повтор имеет смысл только если есть шанс, что в следующий раз получится. Сервис мигнул — повтор поможет. А вот если ты послал в систему заведомо невалидный запрос (неправильный формат, несуществующий номер клиента), то хоть сто раз повтори — результат будет тот же, ты просто сто раз заплатишь за один и тот же провал. Это и есть «жарить на мёртвом гриле». Поэтому у повторов всегда стоит лимит, и он намеренно маленький — обычно две-три попытки. Логика простая: если сервис не ожил за пару-тройку попыток, он почти наверняка лёг всерьёз, а не мигнул, — и каждая лишняя попытка после этого только жжёт деньги и время впустую. Точное число — вопрос настройки под конкретный случай; важно не магическое «три», а сам принцип потолка: не прошло за лимит — стоп, повторы тут не работают, идём дальше по лестнице.

Запасной путь (fallback) — добиться того же другим способом. Не получилось через основной канал — попробуй обходной. Не отвечает «умный» сервис — возьми данные из более простого. Не работает дорогая модель — переключись на запасную попроще. Это сковорода вместо гриля: блюдо то же, путь другой.

Мягкая деградация (graceful degradation) — отдать частичное, но честно. Иногда полного результата не собрать вообще: один из пяти источников намертво лёг. Тогда лучше отдать то, что есть, и честно пометить, чего не хватает, — чем не отдать ничего. Это «у нас сегодня нет вашей позиции, но есть очень похожая». Гость не уходит голодным — но и не получает обещанного молча, его честно предупредили.

И отдельно — про сгоревший продукт. Когда шаг провалился, его «отход» (кривой ответ сервиса, ошибку, обрывок) нельзя молча подмешивать в работу дальше — испортит всё блюдо. Но и совсем выбрасывать жалко: сам факт ошибки агенту полезен. Что с ним делать аккуратно — в следующем разделе.

📝 Ошибку — в контекст, но коротко

Когда шаг «сгорел», у агента на руках остаётся описание того, что пошло не так. Возникает соблазн скормить агенту всё это целиком, чтобы он «разобрался». Так делать не надо — и вот почему это важно понять как владельцу.

Техническое описание сбоя — это часто простыня на полэкрана (программисты зовут её «стектрейс»): где именно, в какой строке, по какой внутренней причине. Для повара это как если бы при сгоревшем гриле ему зачитали вслух заводскую инструкцию по ремонту электрики на двадцать страниц. Ему это не нужно и только забивает рабочий стол (помнишь из темы 5.2 — у агента ограниченное «поле зрения», и каждый лишний кусок текста его захламляет и стоит денег).

Агенту нужна короткая суть: «пересолено», «гриль не греет», «такого клиента нет в базе». Одна-две строки — что сломалось и достаточно ли этого, чтобы выбрать следующий шаг. Этого хватает, чтобы агент на следующем круге не повторил ту же ошибку вслепую, а попробовал иначе. Полную простыню — в журнал (про журналы и наблюдаемость — отдельная тема модуля), но не в голову агента.

И вторая половина того же правила, прямая опора на тему про зацикливание: когда лимит повторов исчёрпан — это стоп и человек, а не ещё один круг. Если агент пару-тройку раз попробовал и каждый раз сгорело — продолжать бессмысленно, дальше он просто жжёт бюджет по кругу. Тут и работает потолок: упёрлись в лимит — агент не пытается снова, а откладывает задачу и зовёт человека. Лучше честное «я застрял, посмотри» через минуту, чем тихий пожар на всю ночь.

🧾 Как это выглядит изнутри (на пальцах)

Разложим один сбой по лестнице на псевдокоде — это просто логика на человеческом языке, не настоящий код. Сцена: агент готовит ответ клиенту и должен подтянуть остаток товара со склада, но складской сервис барахлит.

Видишь устройство? Агент прошёл лестницу сверху вниз: попробовал повтор с лимитом в три попытки, не вышло — пошёл запасным путём, не вышло и там — отдал честный частичный ответ, а где цена ошибки высокая — позвал человека. Ни на одном шаге он не встал колом и ни на одном не ушёл в бесконечный круг. Это и есть «не падать целиком и не долбиться в стену» в чистом виде.