resilience-patterns

用途

Resilience Patterns 是一个面向分布式系统与基于 LLM 工作流的生产级容错技能，用于构建容错的多智能体系统、实现带正确错误处理的 LLM API 集成、设计需要优雅降级的分布式工作流、为失败场景添加可观测性，以及保护系统免受级联故障影响。

主要能力

1. 熔断器模式（参考 circuit-breaker.md）

当服务超过失败阈值时“跳闸”，防止级联故障。包含三种状态：

CLOSED（正常）：允许请求，统计失败次数
OPEN（拒绝）：立即拒绝请求，返回回退结果
HALF_OPEN（探测）：允许探测请求以测试恢复情况

关键配置：

failure_threshold：触发打开前的失败次数（默认 5）
recovery_timeout：尝试恢复前的秒数（默认 30）
half_open_requests：半开状态下允许的探测数（默认 1）

2. 舱壁模式（参考 bulkhead-pattern.md）

通过将资源划分为独立资源池来隔离故障。OrchestKit 的分层配置：

第 1 层（关键）：5 个工作线程，队列 10，超时 300s，用于综合、质量门禁
第 2 层（标准）：3 个工作线程，队列 5，超时 120s，用于内容分析智能体
第 3 层（可选）：2 个工作线程，队列 3，超时 60s，用于增强、缓存

3. 重试策略（参考 retry-strategies.md）

带指数退避与抖动的智能重试逻辑。公式：delay = min(base * 2^attempt, max_delay) * jitter，抖动为 random(0.5, 1.5)，用于防止惊群效应。

可重试错误包括：HTTP 408、429、500、502、503、504，ConnectionError、TimeoutError，以及 LLM 专属的 rate_limit_exceeded、model_overloaded、context_length_exceeded（可截断后重试）。

不可重试错误包括：HTTP 400、401、403、404，invalid_api_key、content_policy_violation、invalid_request_error。

4. LLM 专属弹性（参考 llm-resilience.md）

LLM API 集成专属模式。回退链示例：

claude-sonnet-4-5-20251101（主模型）
gpt-5.2-mini（回退模型）
语义缓存查询
“分析不可用” + 部分结果

Token 预算守卫：接近上下文限制时的策略包括——总结早期上下文（4:1 压缩）、丢弃低优先级内容（可选字段）、拆分为多个请求、以“内容过大”错误快速失败。

使用方式

技能包含以下文件：

参考文档（概念指南）：

references/circuit-breaker.md
references/bulkhead-pattern.md
references/retry-strategies.md
references/llm-resilience.md
references/error-classification.md

模板（代码模式）：

scripts/circuit-breaker.py
scripts/bulkhead.py
scripts/retry-handler.py
scripts/llm-fallback-chain.py
scripts/token-budget.py

示例：

examples/orchestkit-workflow-resilience.md

检查清单：

checklists/pre-deployment-resilience.md
checklists/circuit-breaker-setup.md

适用场景

外部服务调用：使用熔断器防止级联故障
多租户/多智能体：使用舱壁隔离故障
瞬时故障：使用重试加退避实现自动恢复
关键操作：使用回退链实现优雅降级
LLM 调用：使用 Token 预算控制成本、防止失败

OrchestKit 集成点：工作流智能体均包裹熔断器与舱壁分层；所有模型调用使用回退链与重试逻辑；YouTube、arXiv、GitHub API 等外部 API 使用熔断器；数据库操作对读与写使用舱壁隔离。

限制

资料未提供该技能的具体安装命令、收费方式、价格、平台支持范围或实际运行效果数据。

2026 最佳实践

自适应阈值：使用滑动窗口而非固定计数器
可观测性优先：每次熔断跳闸 = 告警 + 指标 + 追踪
优雅降级：始终有回退方案，即使是部分结果
健康端点：将健康检查与熔断状态分离
混沌测试：在预发布环境定期测试失败场景

关键决策

熔断器恢复：半开探测，理由为渐进恢复、防止立即再次失败
重试算法：指数退避加抖动，理由为防止惊群、遵守速率限制
舱壁隔离：基于信号量的分层，理由为简单高效、优先关键操作
LLM 回退：带缓存的模型链，理由为优雅降级、成本优化、可用性

技能介绍

用途