周三夜里，你的服务接到一笔订单。
订单服务调用了一个AI接口，用来判断风险等级。接口没返回明确结果，连超时还是拒绝都分不清。你的第一反应很自然：重试一次。
于是系统又发了一次同样的请求。两头都安静了——没有报错，也没有成功。但第二天对账的时候你发现，这笔订单被处理了两次。
不是因为AI接口重复返回了结果，而是因为你重试的那一次，被当成了一个全新的业务动作。
这不是假设。任何一个请求，如果在第一次响应不明确之后被再次发送，而第二次发送和第一次尝试之间没有任何关联标记，那么同一个业务动作就有机会被发起两次。这一条，恰恰是AI接口接入前最容易被忽略的坑。
先别谈重试，谈谈可观测的请求历史
很多团队在接入AI API之前，会认真讨论一个问题：要不要做重试？重试几次？间隔多久？
这个问题本身没有错，但它不是最优先的。
更该提前想清楚的问题是一个更基础的设计：每一次重试，系统能不能让这次重试和第一次尝试建立起可见的联系？这串联系，在工程上叫可观测的请求历史。
请求历史不是一句空话。它至少包含四样东西：幂等键、处理状态、原始结果、重试结果。
在这样的结构下，测试阶段就能验证一件最关键的事：测试集里的每一次重试，最终都对应到一条记录，并且这条记录带着一个看得见的状态。而不是重试发出去了，日志里却只留下两段互不相干的请求记录，谁也说不清它们是同一次业务动作。
重试的前提：你得能讲清楚这次重试在追哪件事
先往前推一步。为什么重试会和重复执行业务动作扯上关系？
因为AI接口的响应存在一种中间状态：既不是明确成功，也不是明确失败。响应不完整，超时，内容含混，或者返回了无法解析的数据。面对这种不明确的结果，系统如果决定重发请求，就必须让第二次请求知道自己是在"接着问同一个问题"，而不是在"问一个全新的问题"。
一个最简单也最常见的错误是：不明确的结果没有被记录下来，直接就发了重试。结果第二次请求没有得到任何上下文佐证，被下游当成了新的业务请求来对待，于是同一笔订单、同一条消息、同一次扣款动作，被触发了两遍。
一句话：如果不把这次"不明确"记录下来，后面任何一个新决策都没有依据——它会假装自己面对的是一个干净的、全新的请求。
一条记录该长什么样
在一个请求进入系统之前，就预先为它定义好一条可观测的记录。这条记录不需要花哨，但字段得够用。
原文给出的字段设计是这样的：请求标识、重试键、处理状态、原始结果、重试结果，以及一个未解决状态。
逐项拆开看：
请求标识，是这次业务动作的身份证。后续所有重试都挂在同一个标识下面，这样不管发了多少次请求，它们都指向同一个原始动作。
重试键，这是幂等性的核心。不是随便生成一个随机串就算完——这个键要能表达"我是我自己的重试"，让下游看得出这次请求和之前某次请求的关联关系。
处理状态，记录当前这轮处理走到哪一步了。是刚收到请求，还是已经返回结果，还是卡在不明确的状态里。
原始结果，也就是第一次请求拿到的响应原文。哪怕这个结果含糊不清，也要原样保留。
重试结果，每次重试拿到的响应，统统追加在这一条记录里。
未解决状态，最后一个字段最容易被忽视。它专门用来标记那种既不成功也不失败、但又不能继续自动重试的情况。这个状态存在的意义，是让不确定性的东西有一个安放的位置，而不是被下一次重试冲走。
记录的目的：不是宣布重试安全，而是让重试有迹可循
有人可能会问：把这些字段都存下来，是不是就证明重试是安全的了？
不是。
这套记录结构的目的，从来不是为了宣布"重试是安全的"。它要做的事情更朴素：在业务动作被重复发起之前，让重试请求先和那条已经存在的记录绑定。
换句话说，检查的对象不是某个单独的响应好不好看，而是一次业务尝试的完整历史。
这是整篇文章里第一个重要的观念转变：重试不再只是一个传输层面的细节，它变成了一个决策对象。
围绕这次重试，系统需要回答三个问题：
第一，在发出这次重试之前，我们已经知道了什么？
第二，重试之后，情况发生了什么变化？
第三，如果原始结果和重试结果对不上，这个差异应该由谁来排查？
这三个问题，每一项都要落到那条记录上，才算真正有了答案。
边界同样重要：记录不能证明动作只执行了一次
有一条界限需要划清楚：一条记录的存在，并不等于这次业务动作真的只执行了一次。
记录能做到的，是让下一次决策有据可依。它把"这个请求到底发生了什么"摆到桌面上，而不是让系统在黑暗中猜测。
所以，在动手设计重试机制之前，先确认一件事：你是否能回答"这次重试在追哪件事"？如果答不上来，那么重试按钮越方便，重复执行业务动作的风险越大。
自动化该在哪里停下
这套日志机制最宝贵的时刻，恰恰不是结果明确的时候，而是结果不明确的时候。
当原始结果和重试结果对不上，或者两者都是模糊状态，系统面对一个选择：继续自动重试，直到拿到明确答案；还是停下来，把这条记录交给人工判断。
两种选择都有代价。继续重试，可能让同一个业务动作第三次、第四次被触发；停下来，意味着响应时间变长，需要人介入。
关键在于：不管选哪条路，那条记录都必须先存在。因为只有把不明确的结果固定下来，后续无论走自动还是人工，才不会把一个悬而未决的问题伪装成一次干净的成功。
这，才是接入AI之前真正需要定下来的事。
热门跟贴