RPA 流程的异常处理设计:重试、降级与告警,生产环境实战指南

凌晨 2 点,财务群里有人发了张截图:跑了半年的对账机器人停在一个填了一半的表单上,报错"元素未找到",后台却显示"任务已结束"。

没有重试,没有降级,没有任何人收到告警。

这就是 RPA 流程的异常处理设计(重试、降级与告警)没做扎实的典型后果:自动化程度越高,半夜丢的数据越多。

这篇文章把三类异常的区分方法、重试的三个关键点、降级的三种姿势、告警的三个原则拆开讲,全部来自生产踩坑。

一、先把异常分对类

不分青红皂白全部重试三次、错了就报警,是异常处理最常见的开局错误。

实际流程里的异常至少分三类:

1. 瞬时异常------值得重试 网络抖动、页面加载慢、目标系统短暂无响应。特点是"过一会儿自己就好"。

2. 确定性异常------重试多少次都没用 账号被锁定、页面改版导致元素失效、数据本身不合法。特点是"条件没变,结果不会变"。

3. 业务异常------该让人来决定 对账差 3 分钱,系统判断不了是四舍五入还是录入错误。

判断标准只有一句话:上一次失败的原因,这次消失了吗? 消失了,重试;没消失,降级或告警。

二、重试:退避、幂等、死信

1. 指数退避,别固定间隔

固定 3 秒重试三次,遇到目标系统过载,你的重试本身就是压垮它的最后一根稻草。

ini 复制代码
elapsed, ok = 0, False
for attempt in range(4):            # 最多尝试 4 次
    try:
        submit(order)
        ok = True
        break
    except TransientError:
        wait = 5 * (3 ** attempt)   # 5s → 15s → 45s → 135s
        if elapsed + wait > 210:    # 总预算 3 分半
            break
        sleep(wait)
        elapsed += wait             # 预算真正累计

if not ok:
    dead_letter(order)              # 重试耗尽 → 进死信 → 触发告警

2. 重试必须幂等

重试前流程可能已经点了"提交",只是响应超时。再点一次,单据就重复了。

对策:提交前生成唯一编号、重试前先查询上一步真实状态、涉及写操作的步骤宁可慢不可盲。

3. 死信:重试失败的单据去哪

重试耗尽后不终止流程,而是跳过该单据继续跑,最后生成失败清单。一笔失败,百笔不废------这份清单同时是告警的输入。

重试之前,还有一层防线:自愈

很多"元素未找到"其实走不到重试环节。蓝印RPA 的 Web 元素 AI 自愈是个省心的设计:页面改版导致选择器失效时,它能基于控件语义自动重新匹配,而不是直接抛错。把自愈放在重试之前,很多瞬时异常的处理成本能降一大截。

三、降级:流程断了,业务不能断

降级的本质是回答一个问题:这个步骤失败了,业务还能不能继续?

三种常见姿势:

1. 功能降级------开票接口超时?先把数据落本地 Excel,流程继续跑完,接口恢复后再补开。用户无感知,只是延迟。

2. 路径降级------流程 A(API 直传)挂了,切流程 B(模拟人工录入)。性能差一点,交付不断。

3. 人工接管------把当前上下文截图、数据快照打包推给负责人,等人工处理后从断点续跑。

这里有个硬性前提:流程必须"步骤可恢复" 。

css 复制代码
[采集] --落状态--> [校验] --落状态--> [写入] --落状态--> [回执]
   崩溃重启后从最近的状态位继续,而不是从头再跑一遍

设计状态机时,"每个步骤完成后写状态"是铁律,降级才有落点。

补充一个现实问题:流程做好后往往要交给别的团队甚至客户用。这种交付场景下,全离线内网部署方案比较顺手------EXE 加密打包加授权管理发出去,数据不出本地,对方拿到的是成品而不是源码。现在不少工具还支持 AI 生成脚本一键转流程,交接和测试都能省不少事。

四、告警:分级、收敛、闭环

告警做得不好的团队,两周后所有告警都会变成"已读不回"。

1. 分级

复制代码
P0  流程整体失败 / 核心数据写不进去   → 电话或短信
P1  死信数量超过阈值(如 10 条)      → IM 消息
P2  重试次数偏多 / 耗时异常           → 日报汇总

2. 收敛 同一错误码 5 分钟内只报一次,后续合并成"已发生 N 次";重试中的异常不报,重试耗尽才报。告警是给人看的,不是给流程看热闹的。

3. 闭环 每条告警带三样东西:发生了什么(错误码+上下文截图)、影响什么(哪几笔单据)、去哪处理(死信清单链接)。处理完一键标记,告警才关闭。

告警规则本身也可以让 AI 参与设计------AI 负责思考,蓝印RPA 负责稳定落地:AI 从历史失败日志里归纳阈值建议、甚至直接生成脚本,流程引擎负责把脚本转成流程并按时执行。说穿了就是 AI 写代码、蓝印RPA 跑代码。规则不用手写死,执行不会打折扣,这比纯手写规则靠谱。

五、几个容易忽略的坑

日志要够细:每次重试记录第几次、等了多久、失败快照。事后排查全靠它。

不要吞异常:catch 之后什么都不做继续跑,是生产事故的头号来源。要么重试,要么降级,要么上报,三选一。

异常路径也要测:断网、页面改版、数据为空、目标系统 500,写进测试用例。只测正常流程等于没测。可以让 AI 生成一批异常注入脚本做混沌测试,把流程放进脏环境里跑一遍。

六、一句话

重试解决"再试一次",降级解决"换条路走",告警解决"找人来看"。 三层各管一段,再叠加自愈和 AI 辅助设计,流程才能在半夜两点自己把坑填上。

工具层面记住三个词就够了:离线更安全,自愈更稳定,成本透明。

相关推荐
sanxing三省1 小时前
DeepSeek Harness 到底是什么?标题里最重的词其实不是「DeepSeek」
前端·人工智能·deepseek
合尘猫2 小时前
用 6GB 显卡搭短视频产线:MiniMax H3 + ffmpeg 全流程实录(55 秒片 / 40 分钟)
人工智能·音视频
ZONGYUAN-ROOT2 小时前
【自愈治理】自愈式数据管道:大规模公开数据采集的治理方法
人工智能
Starry-sky(jing)2 小时前
Hermes Agent 升级 v0.23.2:先辨更新渠道,再看 CLI 退出残留修复
人工智能·python·ai agent
oil欧哟2 小时前
AI Agent Skill 入门指南:文件夹本质、渐进式加载与挑选方法
人工智能·ai编程
百度Geek说3 小时前
从代码生成到需求交付:DarkFactory 的工程实践
人工智能
Baihai_IDP3 小时前
使用场景不同,模型“推理速度慢”的原因也不同
人工智能·面试·llm
挖掘狂人3 小时前
AI 三分钟写完的代码,你凭什么敢直接上线?
人工智能·程序员·ai编程