跑了两周的信号日报，我把降级链改了四次

这套东西每天凌晨跑一次：抓 Reddit 和 HN 的帖子，去重，打分，让模型写成摘要，渲染成日报，邮件发出去。

代码从 2000 行长到 6000 行。长的部分几乎全在一个地方：数据源挂了怎么办。

这篇只讲降级链，因为它是改动最多、也最容易做错的部分。上线第一版到现在，我改了四次。

降级链长什么样

javascript 复制代码

OAuth 官方 API  →  公开 JSON 端点  →  RSS 订阅源

每一层能拿到的东西不一样：

层	分数	评论数	正文	时间精度
OAuth API	✅	✅	✅	精确
公开 JSON	✅	✅	✅	精确
RSS	❌	❌	部分	只能到 t=week

第一版我写得很朴素：A 失败就试 B，B 失败就试 C，都失败就跳过。跑了三天就出问题了。

坑一：空结果不是失败

Reddit 有些板块当天确实没有新帖，返回的是空数组 []。

我第一版把"空数组"当成了"接口失败"，于是触发降级------去抓 RSS，RSS 也空，再触发一次告警。结果每天凌晨给我发一堆"数据源异常"，而实际上一切正常。

修正后的判断：

python 复制代码

# 成功但空板块（[]）是合法结果，不回退------空板块走 403 回退只会制造噪音。
rdt_items = rdt_sub_posts(sub, sort, tf, limit)
if rdt_items is not None:      # 注意：是 is not None，不是 if rdt_items
    return rdt_items

if rdt_items 会把 [] 判成假，is not None 才是"请求成功且结果为空"。

这一行改动省掉了我每天早上删告警邮件的时间。

坑二：降级之后，下游不知道数据变差了

这是最隐蔽的一个。

RSS 只有标题和链接，没有分数、没有评论数。而我的评分模型里，分数占的权重不低------一条 800 分的帖子和一条 30 分的，排序完全不同。

降级到 RSS 之后，所有帖子的分数都是 0。评分模型不会报错，它只是把所有东西都排到最后，然后那一期的日报质量明显变差，但我不知道为什么。

改法是在数据里写一个标记：

python 复制代码

if items:
    print(f"  [{sub}] Reddit API 不可用，已降级 RSS（无分数/评论）")
    for it in items:
        it["_degraded"] = "rss"      # 下游看到这个字段就走降级评分

下游拿到 _degraded 就不再按分数排，改成按时间 + 关键词命中排。数据质量变差是不可避免的，但"不知道变差了"是可以避免的。

坑三：熔断要按"天"计数，不按"次"

LLM 那边也一样，我给它做了三层后端（本地网关 / 远程网关 / 兜底模型），失败就切下一个。

第一版熔断是按"连续失败次数"计的：失败 3 次就标记 degraded，跳过这层。

问题在于------这是个每天只跑一次的任务。

一次任务里可能有 8 个板块要摘要，网关挂了，8 次调用全失败，3 次就触顶。于是"今天网关抖了一下"被记成了"连续失败 3 次"，第二天直接跳过网关，用更贵的兜底模型跑了一整天。

改成按天计：

python 复制代码

def _record_gateway_failure():
    """同一自然日内多次失败只计一次（首次 +1，之后只刷新时间），
    连续失败按"连续失败的天数"累计。"""
    st = _load_gw_status()
    today = health_state.today()
    if st.get("last_failure_date") != today:
        st["failed_days"] = int(st.get("failed_days") or 0) + 1
        st["last_failure_date"] = today
    st["degraded"] = st["failed_days"] >= _gateway_fail_threshold()

这样"一天挂一次"和"一天挂八次"是同一件事，而"连续挂三天"才值得熔断。

定时任务的熔断，单位应该是"运行次数"，不是"调用次数"。 这一条我花了两次故障才想明白。

坑四：补跑不能走降级路径

后来加了个功能：某天漏跑了，可以补。

补跑有个要求------必须精确锁定那一天的数据 。而 RSS 的 t=week 只能给你"最近一周"，没法精确到某一天。

所以补跑路径里我把降级全关了：

python 复制代码

if HIST_WINDOW:
    # 补跑只认官方 API：RSS 的 t=week 无法精确锁定历史某天
    return _reddit_public_fallback(sub, sort, "week", limit)

宁可失败，不要拿到"大概是那几天"的数据。

因为补跑出来的东西会进历史库，一份日期错的数据比一份缺失的数据更麻烦------你不知道它错了，还会拿它算趋势。

现在的三条原则

跑了两个月，降级链最后收敛成三句话：

1. 空和失败要分开。 返回 None 是失败，返回 [] 是"今天没有"。混在一起，告警就废了。

2. 降级必须留痕。 每一层降级都在数据里写一个字段，下游据此改变策略。不写，下游会以为拿到了完整数据。

3. 越接近"事实"的路径，越不能降级。 抓取可以降（少点字段），补跑不能降（日期错一天，整条时间线都废）。

一句题外话

这套东西写完之后我有个感觉：AI 应用里最难的部分，往往不在模型那一侧。

模型调不通，换个后端就行；提示词不好，改两版就行。真正耗时间的是"数据从哪来、坏了怎么办、坏了之后下游知不知道"。

这部分没有 benchmark，没有论文，也没人写教程。但它决定了你的系统能不能连续跑 60 天不出事。