6.2 稳定性工程：让任务扛住页面改版

6.2 稳定性工程：让任务扛住页面改版

本节摘要：智能体任务的失败模式有谱可循：情报缺失、目标漂移、等待失灵、结果漂移四大类，各有对应的工程处方。本节给一张"症状到处方"对照表，再封装两个通用件——带校验的重试器和语义锚点检查，让巡检类任务从"每天修"变成"每周看"。

稳定性问题的新面孔

传统自动化的稳定性心酸史大家熟悉：选择器一断全盘断。智能体时代的稳定性问题换了一副面孔——页面改版后任务多半还能跑，但可能跑得更绕、取数取错、或者该停不停。换句话说：脆断少了，漂移多了。这更隐蔽，因为任务不会报错，只会悄悄产出错误结果——监控体系里价格突然从 99 变成 9.9，先别急着信是打折，回来看取证环节是不是漂了。

图：四类失败模式与各自的发生拍位

症状到处方对照表

两个通用件：重试器与锚点检查

重试器的关键不是"再跑一次"，而是重试前先校验——错误结果不拦截，重试一百次也是错的。把 5.3 的比对思路封装成可复用件：

def 带校验重试(任务单, 校验器, 次数=3):
    """跑任务，结果过校验器，不过关才重试"""
    for i in range(1, 次数 + 1):
        result = Agent(task=任务单, llm=llm, browser=browser).run(max_steps=8)
        if 校验器(result):
            return result
        print(f"第 {i} 次结果未过校验：{result}")
    raise RuntimeError("连续未过校验，转人工")

def 价格校验(result):
    """示例校验器：价格必须是合理区间的数字"""
    try:
        p = float(提取价格(result))
        return 10.0 <= p <= 999.0     # 业务常识区间，按实际定
    except (TypeError, ValueError):
        return False
​

锚点检查解决"任务还认识路吗"的预警问题：在任务正式跑之前，先用一次轻量探查确认页面上的语义锚点还在不在——锚点是页面上的稳定文字（栏目名、按钮文案），改版时它们最后才变：

锚点单 = {
    "首页":   ["全部商品", "登录"],
    "会员页": ["开通会员", "价格"],
}

def 锚点健在(页面名, 现状文本):
    丢了 = [a for a in 锚点单.get(页面名, []) if a not in 现状文本]
    if 丢了:
        print(f"[预警] {页面名} 锚点丢失：{丢了}，任务单可能需要体检")
        return False
    return True
​

预期输出示意：

[预警] 会员页 锚点丢失：['开通会员']，任务单可能需要体检
​

锚点丢失不一定等于任务失效，但它是改版的烟雾报警——比任务跑错之后复盘早发现问题，这就是"事前体检"的价值。

稳定性的成本观

最后交个底：稳定性是买来的，货币是模型调用费和人工复核时间。三层投入按性价比排序——任务单写法改进几乎零成本收益最大；程序校验一次投入长期受益；本地模型兜底与多模型对照是重投入，留给出了真金白银损失的场景。别反着来：一上来就堆重试次数（烧钱放大错误），却舍不得花十分钟打磨任务单。

等待策略的三个层次

"页面没加载完就动手"这类等待失灵，处方分三层，按需取用。第一层任务单层：写"等待加载完成再操作"，把等待变成模型的显式动作，适合偶发慢页面。第二层节奏层：任务步骤间留缓冲——流程任务的填表与提交之间隔一拍，给前端校验留时间，适合已知有校验的表单。第三层时钟层：错峰执行，避开整点抢购、日报生成这类站点自身的高负载时段——很多"随机失败"其实是对方系统在打嗝，你的代码没有任何问题。

三层的选用原则是便宜的优先：能靠一句话解决的不上代码，能靠排程解决的不上重试。反着做（上来就包三层重试）会把偶发问题固化成成本。

一个改版预警的真实节奏

把 6.2 的手段串成一个实际节奏：巡检任务日常跑，锚点检查每天顺带做；某个周一锚点报警"开通会员按钮文字丢失"——当晚核对页面，确认是 A/B 测试换了文案；处置不是马上改任务单，而是观察三天：新文案稳定则更新任务单与锚点表，文案回弹则什么都不用做。这个节奏的关键是等尘埃落定再动手——追着灰度版本改任务单，是稳定性工程里最常见的白费力。

校验器分层：格式、常识、业务

重试器里的校验函数别写成一个大杂烩，分三层各司其职。格式层：类型对不对、必填空不空——纯机械，零成本，所有任务都该有。常识层：数值在不在合理区间、日期在过去还是未来、评分超没超上限——一条 if 的事，拦截大半"模型如实但离谱"的产出。业务层：跨字段一致性（总价等于单价乘数量）、与基准的偏离度——这层最贵也最值钱，写一条是一条。

def 分层校验(条目):
    # 格式层
    if not isinstance(条目.到手价, float):
        return False, "价格不是数值"
    # 常识层
    if not (1.0 <= 条目.到手价 <= 99999.0):
        return False, "价格超出合理区间"
    # 业务层
    if 条目.到手价 > 基准价 * 3:
        return False, "较基准偏离过大，疑似取证漂移"
    return True, "通过"
​

三层从上往下成本递增、收益也递增，落地时按这个顺序补齐。一个经验数字：格式层拦三成，常识层再拦三成，业务层拦下最后那批最危险的——三层全过再入库，静默漂移基本绝迹。

病理和药方都有了。下一节把全书散落的坑位按症状编成速查表——撞坑时翻它，比翻前五章快得多。