一段脚本凌晨遇到限流，以为“下一次也许会成功”便持续重试，早上却仍没有可用输出。自动化最先要守住的不是永不报错，而是失败的成本上限和明确的停止点。

这是一场典型事故推演，不是客户案例

凌晨一点，一段内容处理脚本遇到限流。开发者以为“下一次也许会成功”，把重试间隔设得很短，却没有总次数、总预算和熔断条件。早上打开日志时，输出没有完成，失败请求却堆了一夜。

这是明确标注的典型事故推演，不对应某个可识别的 APIToken 客户。它提醒我们，很多自动化把一次重试当成免费的等待。实际上，每次请求都可能消耗额度、时间、并发、人工注意力或上游配额。稳定不是永不报错，而是报错后成本仍然有边界、过程仍然能定位。

先判断错误能不能重试

临时限流或网络超时，通常可以在指数退避和随机抖动下有限重试；无效 Key、权限不足、请求格式错误、余额不足或不支持的接口，则需要修配置，而不是再次发送同一请求。把所有错误都归入“继续试”，只会把清晰的失败变成更贵的失败。

把策略写在任务旁边：哪些错误可重试、等待多久、最多几次、恢复前要看到什么证据。保留原始错误、实际模型、Key 作用域和请求标识，后续排查才能判断问题来自临时状态、本地配置还是渠道，而不是靠重新跑一遍任务猜测。

给每个任务设置预算和熔断器

第一次调用前就写下请求次数上限、时间上限和花费上限。限制要和任务价值匹配：一次小型内容实验可以只允许几次尝试，生产批处理可以有更高但仍明确的额度。失败率超过阈值、预算耗尽或同一错误重复出现且状态没有变化时，立即停止。

熔断后要留下清晰状态，例如“已暂停”或“需要恢复确认”，不要悄悄换模型、换 Key 或另开一条任务掩盖事件。渠道恢复后先跑一个最小真实请求，查看用量记录，再释放剩余工作量。这样一夜事故仍可恢复，而不是让无人值守的循环替你决定账单。

不要只看单价，要算完成一件工作的成本

低单价不等于低总成本。失败重试、重复充值、上下文膨胀、人工排查、工具切换和交付延误，都可能超过单次请求价格。至少记录可用输出率、响应时间、尝试次数、人工修改时间和总花费，才能比较同一任务的真实结果。

多模型入口的价值，是把当前可用模型、渠道状态、独立 Key、用量记录和回退路径放在同一套判断里。模型列表能证明“看得见”，不能证明“跑得通”。扩容前先用一个小额真实任务确认目标 Key、接口和预算确实能完成工作。

一套更保守的执行顺序

https://APIToken.Company可以作为多模型 API 入口示例：先查看模型广场和公开渠道状态，创建独立 Key，为本次实验设小额上限，跑通一个最小真实请求，再决定是否扩大。具体模型、价格、分组和可用状态以站内当前公开页面为准。

这不是成功承诺，也不是永久可用或最低价保证。更窄的规则是：只有可重试的错误才重试，达到预算或失败阈值就停，保留证据，确认一个可用结果后再扩大。

事实边界与来源

本文没有外部事实案例，全文为明确标注的典型事故推演；不代表真实客户事故，也不推断任何客户使用过 APIToken。

先把重试次数、预算上限和熔断条件写清楚，再让自动化开始工作。