Agent 遇到超时,重试可能重复扣款
工具调用超时只代表调用方停止等待,无法证明远端操作失败。文章用重复付款案例说明,Agent 将结果未知当成执行失败并重试,可能重复触发有副作用的操作。
AI 深度解读
Agent 调用付款工具,等了 30 秒只收到超时,于是再试一次。第二次 200 毫秒就成功了,任务顺利结束。3 天后,供应商来问:为什么付了两次钱?
这篇文章讨论的,就是这种「任务显示成功,现实却多执行了一次」的故障。作者的核心判断是:超时只能证明调用方停止等待,不能证明操作没有发生。要避免重复付款、发信和部署,关键是给动作建立身份、承认结果未知,并把重试权限交给了解动作后果的系统。
超时之后,为什么不能直接再来一次
一次请求超时,可能对应三种情况:请求没到服务端;服务端收到了,但还没执行完;操作已经完成,只是响应没能传回来。
调用方看到的却是同一个 timeout。
超时表示结果未知,不等于执行失败。
作者把这种状态称为「in doubt」。可以理解为:事情可能办成了,只是手里没有回执。此时安全的处理方向有两个:查清第一次的结果,或者确保第二次执行不会产生额外影响。
后者依赖幂等性(idempotency),即相同请求执行多次,最终效果与执行一次相同。原文引用 RFC 9110,指出 HTTP 对方法的幂等性有明确区分,通信失败后的自动重试需要考虑这一语义。创建付款的 POST,不能默认按可安全重试处理。
Stripe 提供的 idempotency key,就是给业务动作附上唯一编号。客户端第一次请求时生成 key,连接失败后继续使用同一个 key,服务端记住第一次的处理结果,再次收到请求时返回已有结果,避免创建第二个对象。
这里最容易写错的地方,是 key 的生成位置。
如果把生成 key 的逻辑放进重试函数,每次调用都换一个编号,服务端看到的仍然是不同请求。编号必须属于「给这张发票付款一次」这个意图,并贯穿它的所有尝试。
原文没有给出重复付款事故的实际调查记录。开头的故事用于解释故障机制,不能据此认定作者团队发生过这笔付款。
Agent 为什么会把普通超时放大
传统集成中,开发者通常能按接口决定是否重试。Agent 把这个决定上移到了一个只看见错误字符串的循环里。同样一句「请求超时」,背后可能是读取网页,也可能是发送邮件;处理方式却可能完全一样。
即使框架没有自动重试,模型也可能自行补做。它读到 timeout,认为任务没完成,重新调用工具,还顺手修改参数。例如给邮件主题加上「(resending)」。在作者描述的情形里,这类改写会让下游更难把两次调用识别为同一个动作。
更麻烦的是,重试会叠加。
HTTP 客户端尝试,工具层尝试,框架尝试,模型再尝试。原文给出的算例是:4 层各允许 3 次尝试,一个业务动作最多可能变成 81 次请求。这里的 3 次指每层的总尝试次数;81 是可能的乘积上限,不是作者测得的常见请求量。
每一层单独看,都可能只是在正常处理一次失败。合在一起,重复操作已经失控。
这种问题也容易被最终报告掩盖。Agent 通常报告最后一次成功,第一次超时则被当成失败略过。可现实中的第一次可能同样成功了。任务叙述前后一致,业务账目却对不上。
因此,风险不只在付款:邮件会发两封,工单会建两张,部署流水线可能并行启动,采购订单可能提交两次,数据库插入也可能生成重复行。触发条件不需要恶意提示词,只需要一次响应不明的写操作。
真正需要改的是动作身份和状态机
作者提出的处理方式,可以整理成一套动作执行规则。
首先,有副作用的动作在执行前就要获得身份。后续每次调用,都是这个动作的一次尝试,不能重新算作一个业务动作。这把 idempotency key 从某个 API 的请求参数,扩展成整个执行系统需要维护的属性。
其次,状态至少分成三种:done、not done、in doubt。超时进入 in doubt,而不是立即进入失败重试分支。程序必须保留「不知道」这个事实,不能让模型根据错误文案自行补全答案。
接下来是核对。付款不明就查询支付记录,发信不明就检查已发送记录,工单创建不明就查询现有工单。只有核对确认操作没有发生,才能再次尝试,而且继续使用原动作身份。如果无法核对,就把不确定结果交给人处理。
重试策略也应该绑定动作类型。原文认为,读取通常可以重试,写入已知路径的文件通常可以重试;发送、付款、部署和删除,则需要明确的去重保证。模型不能因为读到了 timeout,就覆盖已经确定的策略。
最后,每次尝试都要留记录,包括那些看起来失败、实际结果未知的调用。否则所谓任务历史,只记录了系统愿意相信的那部分事实。
作者进一步主张,把这些保证下沉到操作系统层。理由是框架只能管理自己的工具调用:模型可能通过 shell 脚本访问同一个 API,也可能换一个工具完成相同操作。只在一个入口去重,容易漏掉其他路径。
但作者同时承认,他们正在开发的系统仍处于 alpha,尚未封住所有重复执行路径。现阶段能先做的是盘点工具、关闭危险自动重试、接入幂等键、补查询能力,并保留完整尝试日志。
我的判断
我赞同文章最有用的部分:把「请求结果」与「业务结果」分开。Node 服务抛出超时异常,只能说明这次调用没拿到确定响应。异常处理写得再完整,也不能替代对业务事实的核对。
不过,「查询一下再重试」有前提。查询结果需要足够可靠,并能准确关联原动作。原文建议按标题查工单,但没有说明如何处理同名工单、查询暂时不可见,或首次请求仍在执行的情况。查不到,未必就足以证明没有创建。查询工具很必要,动作身份和下游去重仍然不能省。
动作分类也不能只靠「读、写、删除」几个标签。作者给出的分类适合作为保守起点,具体是否可重试,仍要看接口语义和业务后果。文件反复写入是否会覆盖其他修改,删除是否会触发额外流程,都需要逐项判断。
至于操作系统层是否是唯一合适的位置,文章没有充分证明。能够看见两次网络请求,不代表能够识别两次不同参数、不同工具调用属于同一个付款意图。文章没有说明这种语义身份如何建立、如何跨入口传递,也没有提供与统一执行网关等方案的对照数据。
「需要统一执行约束」有充分理由,「必须放在操作系统层」仍是作者的架构主张。
相比在提示词里要求模型「谨慎重试」,固定的状态机和执行策略更容易检查与约束。但作者没有给出事故率、性能开销或规模化验证数据,因此不能把他们的 alpha 方案当成已经验证完成的答案。
能拿来做什么
- 给现有 AI 工具列一张动作清单,逐项标明是否改变外部状态、是否支持幂等键、超时后能否查询结果。优先检查发信、建工单、部署和写数据库这些日常入口。
- 检查 Node 调用链里的重试配置,把 HTTP 客户端、工具封装和 Agent 框架一起看。对缺乏去重保证的写操作,关闭可控层的自动重试,并将超时明确返回为 in doubt。
- 把动作 ID 的生成移到重试循环之外,在下游支持时将其用作 idempotency key。日志同时记录动作 ID、每次尝试及其结果,避免最后一次成功掩盖此前的未知状态。
- 为重要写工具补上对应的查询工具,并明确什么证据足以确认成功或未执行。无法可靠核对时,让 Agent 报告结果未知,交由人继续处理。