参考资料

• OpenAI Latency Optimization
• AWS Builders Library: Timeouts, retries, and backoff

应用框架（04） - 模型路由、超时与降级

读完后，你应能：

• 能验证“框架负责组合调用，生产系统还必须根据任务、预算和健康状态选择模型，并在依赖失败时快速、可解释地降级”，并保存输入、输出与失败样本。
• 能验证“按任务、上下文、敏感级别和预算输出受控模型路由”，并保存输入、输出与失败样本。
• 能验证“为首 Token、总响应、取消、重试和备用模型分配预算”，并保存输入、输出与失败样本。

框架负责组合调用，生产系统还必须根据任务、预算和健康状态选择模型，并在依赖失败时快速、可解释地降级。

• 按任务、上下文、敏感级别和预算输出受控模型路由。
• 为首 Token、总响应、取消、重试和备用模型分配预算。
• 设计带权限、版本和引用校验的缓存与降级链路。

一、先建立全局：模型路由、超时与降级 是什么？

理解“模型路由、超时与降级”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。

“模型路由、超时与降级”的第一个核心判断是：路由输出使用枚举 Schema，。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。

顺序	章节	读完本节应抓住的结论
1	路由输入	路由输出使用枚举 Schema，
2	超时与重试	只对幂等、可重试错误做有限次数指数退避；
3	降级链路	降级后的回答要标识能力变化，不能悄悄返回无引用的旧结论。
4	实现契约	路由结果进入统一调用适配层，适配层负责凭据、限流、遥测、错误归类和响应 Schema；
5	验收	模拟缓存版本不匹配，确认系统宁可明确失败也不返回旧证据。
6	框架负责组合调用	框架负责组合调用，生产系统还必须根据任务、预算和健康状态选择模型，并在依赖失败时快速、可解释地降级。

1.1 核心对象之间怎样衔接

flowchart LR
  S1["路由输入"] --> S2
  S2["超时与重试"] --> S3
  S3["降级链路"] --> S4
  S4["实现契约"] --> S5
  S5["验收"]

这张图只表达本文的讲解顺序，不替代正文机制。判断“模型路由、超时与降级”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。

1.2 再看失败：问题最早会出现在哪一步？

在“模型路由、超时与降级”的对象和顺序已经明确后，再看可观察的失败：只看均值、耗时未分段或吞吐以正确率为代价。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。

二、路由输入

路由器接收任务类型、敏感级别、上下文长度、质量等级、租户预算和当前依赖健康度。 路由输出使用枚举 Schema， 例如 fast_small、quality_large、local_private， 禁止让模型自由拼接供应商 URL 或模型名。

三、超时与重试

为排队、连接、首 Token、总响应分别设置预算。 只对幂等、可重试错误做有限次数指数退避； 把取消信号传递给下游，避免客户端断开后模型仍消耗资源。 重试必须带 attempt、原因和预算，不允许嵌套无限重试。

四、降级链路

主模型超时 -> 同能力备用模型 -> 缩短上下文/关闭非关键工具
           -> 返回缓存且带版本与引用 -> 转人工或明确失败

缓存答案只能在用户、权限、文档版本和有效期匹配时复用。 降级后的回答要标识能力变化，不能悄悄返回无引用的旧结论。

五、实现契约

路由结果进入统一调用适配层，适配层负责凭据、限流、遥测、错误归类和响应 Schema； 业务代码不应散落供应商特有分支。

六、验收

• 模拟主模型超时，确认备用模型只调用一次且总延迟受预算控制。
• 模拟客户端取消，确认下游请求停止或进入可观测的清理状态。
• 模拟缓存版本不匹配，确认系统宁可明确失败也不返回旧证据。

七、动手验证：先跑通 模型路由、超时与降级，再改变一个变量

前面的章节已经建立问题、概念和机制。现在把“模型路由、超时与降级”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。

7.1 基线与候选只允许一个变量不同

验证“模型路由、超时与降级”时，先固定请求集、Token 分布、并发梯度、模型和机器版本。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。

执行“模型路由、超时与降级”时，动作是：执行冷启动与稳态压测，拆分排队、Prefill、Decode。原始结果不能只保留截图或汇总分数，必须同步保存：P95/P99、TTFT、tokens/s、错误率、缓存率、成本，使下一次复查可以在同一输入上重放。

实验要素	本文要求
固定条件	固定请求集、Token 分布、并发梯度、模型和机器版本
唯一变量	本次候选方案与基线之间的一项明确差异
原始证据	P95/P99、TTFT、tokens/s、错误率、缓存率、成本
通过阈值	质量不降，峰值并发仍满足延迟与成本预算
立即停止	只看均值、耗时未分段或吞吐以正确率为代价

7.2 执行前先排除不可比较条件

“模型路由、超时与降级”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。

• 基线能够在“模型路由、超时与降级”的当前环境重复运行。
• 候选只改变一个与“模型路由、超时与降级”结论直接相关的条件。
• “模型路由、超时与降级”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
• “模型路由、超时与降级”的原始输出和失败现场不会被重试、格式化或汇总覆盖。

7.3 执行后先核对证据完整性

结果出来后先检查证据，再讨论“模型路由、超时与降级”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。

检查项	当前文章的判定
输入可追溯	固定请求集、Token 分布、并发梯度、模型和机器版本
过程可回放	执行冷启动与稳态压测，拆分排队、Prefill、Decode
结果可审计	P95/P99、TTFT、tokens/s、错误率、缓存率、成本

“模型路由、超时与降级”的一次合格基线对照按以下顺序执行：

1. 保存“模型路由、超时与降级”基线版本及输入摘要，确认基线本身可以重复运行。
2. 写下“模型路由、超时与降级”候选方案唯一变化的变量，以及它预期影响的指标。
3. 在同一环境执行“模型路由、超时与降级”：执行冷启动与稳态压测，拆分排队、Prefill、Decode。
4. 为“模型路由、超时与降级”保存：P95/P99、TTFT、tokens/s、错误率、缓存率、成本。
5. 使用“模型路由、超时与降级”预登记条件判断：质量不降，峰值并发仍满足延迟与成本预算。
6. 如果“模型路由、超时与降级”未通过，不修改第二个变量，先恢复基线并保留失败现场。

八、用一张矩阵验证 模型路由、超时与降级 的关键结论

矩阵按正文顺序列出“模型路由、超时与降级”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。

正文章节	已解释的结论	本轮唯一变量	必须保存的证据
路由输入	路由输出使用枚举 Schema，	只改变与“路由输入”相关的条件	P95/P99、TTFT、tokens/s、错误率、缓存率、成本
超时与重试	只对幂等、可重试错误做有限次数指数退避；	只改变与“超时与重试”相关的条件	P95/P99、TTFT、tokens/s、错误率、缓存率、成本
降级链路	降级后的回答要标识能力变化，不能悄悄返回无引用的旧结论。	只改变与“降级链路”相关的条件	P95/P99、TTFT、tokens/s、错误率、缓存率、成本
实现契约	路由结果进入统一调用适配层，适配层负责凭据、限流、遥测、错误归类和响应 Schema；	只改变与“实现契约”相关的条件	P95/P99、TTFT、tokens/s、错误率、缓存率、成本
验收	模拟缓存版本不匹配，确认系统宁可明确失败也不返回旧证据。	只改变与“验收”相关的条件	P95/P99、TTFT、tokens/s、错误率、缓存率、成本
框架负责组合调用	框架负责组合调用，生产系统还必须根据任务、预算和健康状态选择模型，并在依赖失败时快速、可解释地降级。	只改变与“框架负责组合调用”相关的条件	P95/P99、TTFT、tokens/s、错误率、缓存率、成本

8.1 记录本次实际实验

下面的记录用于“模型路由、超时与降级”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。

topic: "模型路由、超时与降级"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "执行冷启动与稳态压测，拆分排队、Prefill、Decode"
evidence: "P95/P99、TTFT、tokens/s、错误率、缓存率、成本"
pass_when: "质量不降，峰值并发仍满足延迟与成本预算"
stop_when: "只看均值、耗时未分段或吞吐以正确率为代价"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure

8.2 边界实验必须证明能够停止和恢复

成功路径只能证明“模型路由、超时与降级”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：只看均值、耗时未分段或吞吐以正确率为代价，并观察系统是否在产生不可逆副作用前停止。

场景	只改变什么	应保存什么	通过标准
正常路径	使用已知有效输入	P95/P99、TTFT、tokens/s、错误率、缓存率、成本	质量不降，峰值并发仍满足延迟与成本预算
边界路径	把一个输入推进到约束临界值	临界值前后的输出与指标	不静默降级，不把部分结果冒充成功
明确失败	注入：只看均值、耗时未分段或吞吐以正确率为代价	原始错误、首个异常阶段和最终状态	失败被正确分类且没有扩大副作用
恢复重放	执行：调整上下文、批处理、缓存或路由，保留旧配置回滚	原失败样本的复测证据	原样本恢复，正常样本没有回归

恢复动作不是简单重启。对于“模型路由、超时与降级”，第一步是：调整上下文、批处理、缓存或路由，保留旧配置回滚。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。

“模型路由、超时与降级”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。

九、模型路由、超时与降级 的结果解释

解释“模型路由、超时与降级”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。

观察结果	可以支持的判断	下一步
主链路没有达到预期	只看均值、耗时未分段或吞吐以正确率为代价	先执行：调整上下文、批处理、缓存或路由，保留旧配置回滚
异常链路无法恢复	只看均值、耗时未分段或吞吐以正确率为代价	先执行：调整上下文、批处理、缓存或路由，保留旧配置回滚
新样本成功但原样本仍失败	修复没有覆盖原始触发条件	固定原失败输入，恢复基线后重新比较
指标改善但证据无法回链	数据、版本或中间状态没有固定	暂停发布，补齐可追溯记录后重跑

“模型路由、超时与降级”只有同时满足“质量不降，峰值并发仍满足延迟与成本预算”，并且没有出现“只看均值、耗时未分段或吞吐以正确率为代价”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。

如果“模型路由、超时与降级”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。

“模型路由、超时与降级”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。

十、模型路由、超时与降级 的发布判断

发布判断需要把“模型路由、超时与降级”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。

• “模型路由、超时与降级”的基线与候选只存在一个计划内变量。
• “模型路由、超时与降级”的输入、代码、依赖、配置和数据版本可以追溯。
• “模型路由、超时与降级”的正常、临界、失败和恢复样本使用同一套断言。
• “模型路由、超时与降级”的原始输出、中间状态和失败现场已经保留。
• “模型路由、超时与降级”的日志、Trace、截图和测试数据已经脱敏。
• “模型路由、超时与降级”的停止条件、负责人和回滚入口已经演练。
• “模型路由、超时与降级”尚未覆盖的输入、权限、容量和外部依赖已经登记。

最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“模型路由、超时与降级”的判断，就不能发布。

十一、总结

• 路由输入：路由输出使用枚举 Schema，例如 fast_small、quality_large、local_private，禁止让模型自由拼接供应商 URL 或模型名。
• 超时与重试：只对幂等、可重试错误做有限次数指数退避；
• 降级链路：降级后的回答要标识能力变化，不能悄悄返回无引用的旧结论。
• 实现契约：路由结果进入统一调用适配层，适配层负责凭据、限流、遥测、错误归类和响应 Schema；
• 验收：模拟缓存版本不匹配，确认系统宁可明确失败也不返回旧证据。