参考资料

• OWASP API Security
• AWS Builders Library: Timeouts, retries, and backoff

生产工程（18） - 权限、限流、重试与幂等

读完后，你应能：

• 能验证“AI 接口的生产稳定性来自边界控制：先鉴权和租户过滤，再限流、超时、重试和幂等”，并保存输入、输出与失败样本。
• 能验证“顺序错误会把故障放大或造成越权”，并保存输入、输出与失败样本。
• 能验证“按身份、租户、资源和动作实施 AI 接口权限”，并保存输入、输出与失败样本。

AI 接口的生产稳定性来自边界控制：先鉴权和租户过滤，再限流、超时、重试和幂等；顺序错误会把故障放大或造成越权。

• 按身份、租户、资源和动作实施 AI 接口权限。
• 为模型和工具调用设计限流、超时、重试和取消预算。
• 用幂等键、审计和补偿防止重复副作用与无限放大。

一、先建立全局：权限、限流、重试与幂等 是什么？

理解“权限、限流、重试与幂等”，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。

“权限、限流、重试与幂等”的第一个核心判断是：Redis 计数器需要 TTL，网关拒绝时返回 Retry-After，不能让客户端盲目重试。。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	请求顺序	Redis 计数器需要 TTL，网关拒绝时返回 Retry-After，不能让客户端盲目重试。
2	重试判定	只重试连接失败、429、部分 5xx 等可恢复错误；
3	幂等键	创建订单、发送通知、执行 Agent Tool 等动作由客户端或服务端生成幂等键。
4	权限与审计	高风险动作支持人工确认和撤销/补偿。
5	验收	供应商持续 429 时系统在预算内快速失败或切备用，队列不无限增长。
6	AI 接口的生产稳定性来自边界控制	AI 接口的生产稳定性来自边界控制：先鉴权和租户过滤，再限流、超时、重试和幂等；

1.1 核心对象之间怎样衔接

flowchart LR
  S1["请求顺序"] --> S2
  S2["重试判定"] --> S3
  S3["幂等键"] --> S4
  S4["权限与审计"] --> 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“权限、限流、重试与幂等”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“权限、限流、重试与幂等”的对象和顺序已经明确后，再看可观察的失败：只报告均分、数据泄漏、评审器未校准、Trace 断链或回退阈值缺失。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、请求顺序

身份认证 -> 租户/资源权限 -> 请求 Schema -> 配额与限流
-> 幂等键检查 -> 超时预算 -> 模型/工具调用 -> 审计与指标

限流键按用户、租户、接口和供应商分层； Token 配额与请求次数分开统计。 Redis 计数器需要 TTL，网关拒绝时返回 Retry-After，不能让客户端盲目重试。

三、重试判定

只重试连接失败、429、部分 5xx 等可恢复错误； 参数错误、权限错误、内容安全拒绝不重试。 指数退避加入抖动并设置总预算。 模型生成已产生副作用时，重试前必须确认工具幂等状态。

四、幂等键

创建订单、发送通知、执行 Agent Tool 等动作由客户端或服务端生成幂等键。 持久化键、请求摘要、结果和过期时间； 同键同参数返回原结果，同键不同参数返回冲突。 缓存只做加速，最终一致性由持久层保证。

五、权限与审计

限流不能代替权限； 工具执行还要做资源级 ACL 和参数 allowlist。 审计事件记录主体、租户、动作、资源、策略版本、结果和 trace_id，敏感正文脱敏。 高风险动作支持人工确认和撤销/补偿。

六、验收

• 同一幂等键并发发送 10 次，外部副作用只有一次。
• 越权请求在检索前被拒绝，不因缓存或重试绕过策略。
• 供应商持续 429 时系统在预算内快速失败或切备用，队列不无限增长。

七、动手验证：先跑通 权限、限流、重试与幂等，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“权限、限流、重试与幂等”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“权限、限流、重试与幂等”时，先固定版本化数据集、Trace Schema、质量基线、运行指标、成本预算和回退阈值。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“权限、限流、重试与幂等”时，动作是：同输入运行基线与候选，逐样本比较质量并关联线上延迟、错误与成本。原始结果不能只保留截图或汇总分数，必须同步保存：逐样本输出、评分理由、Trace、指标窗口、失败标签、版本和发布判断，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	版本化数据集、Trace Schema、质量基线、运行指标、成本预算和回退阈值
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	逐样本输出、评分理由、Trace、指标窗口、失败标签、版本和发布判断
通过阈值	目标切片改善且安全、延迟与成本不越界，失败样本能回链到首个异常阶段
立即停止	只报告均分、数据泄漏、评审器未校准、Trace 断链或回退阈值缺失

7.2 执行前先排除不可比较条件

“权限、限流、重试与幂等”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“权限、限流、重试与幂等”的当前环境重复运行。
• 候选只改变一个与“权限、限流、重试与幂等”结论直接相关的条件。
• “权限、限流、重试与幂等”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。
• “权限、限流、重试与幂等”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“权限、限流、重试与幂等”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	版本化数据集、Trace Schema、质量基线、运行指标、成本预算和回退阈值
过程可回放	同输入运行基线与候选，逐样本比较质量并关联线上延迟、错误与成本
结果可审计	逐样本输出、评分理由、Trace、指标窗口、失败标签、版本和发布判断

“权限、限流、重试与幂等”的一次合格基线对照按以下顺序执行：

1. 保存“权限、限流、重试与幂等”基线版本及输入摘要，确认基线本身可以重复运行。
2. 写下“权限、限流、重试与幂等”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“权限、限流、重试与幂等”：同输入运行基线与候选，逐样本比较质量并关联线上延迟、错误与成本。
4. 为“权限、限流、重试与幂等”保存：逐样本输出、评分理由、Trace、指标窗口、失败标签、版本和发布判断。
5. 使用“权限、限流、重试与幂等”预登记条件判断：目标切片改善且安全、延迟与成本不越界，失败样本能回链到首个异常阶段。
6. 如果“权限、限流、重试与幂等”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 权限、限流、重试与幂等 的关键结论

矩阵按正文顺序列出“权限、限流、重试与幂等”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
请求顺序	Redis 计数器需要 TTL，网关拒绝时返回 Retry-After，不能让客户端盲目重试。	只改变与“请求顺序”相关的条件	逐样本输出、评分理由、Trace、指标窗口、失败标签、版本和发布判断
重试判定	只重试连接失败、429、部分 5xx 等可恢复错误；	只改变与“重试判定”相关的条件	逐样本输出、评分理由、Trace、指标窗口、失败标签、版本和发布判断
幂等键	创建订单、发送通知、执行 Agent Tool 等动作由客户端或服务端生成幂等键。	只改变与“幂等键”相关的条件	逐样本输出、评分理由、Trace、指标窗口、失败标签、版本和发布判断
权限与审计	高风险动作支持人工确认和撤销/补偿。	只改变与“权限与审计”相关的条件	逐样本输出、评分理由、Trace、指标窗口、失败标签、版本和发布判断
验收	供应商持续 429 时系统在预算内快速失败或切备用，队列不无限增长。	只改变与“验收”相关的条件	逐样本输出、评分理由、Trace、指标窗口、失败标签、版本和发布判断
AI 接口的生产稳定性来自边界控制	AI 接口的生产稳定性来自边界控制：先鉴权和租户过滤，再限流、超时、重试和幂等；	只改变与“AI 接口的生产稳定性来自边界控制”相关的条件	逐样本输出、评分理由、Trace、指标窗口、失败标签、版本和发布判断

8.1 记录本次实际实验

下面的记录用于“权限、限流、重试与幂等”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: "权限、限流、重试与幂等"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "同输入运行基线与候选，逐样本比较质量并关联线上延迟、错误与成本"
evidence: "逐样本输出、评分理由、Trace、指标窗口、失败标签、版本和发布判断"
pass_when: "目标切片改善且安全、延迟与成本不越界，失败样本能回链到首个异常阶段"
stop_when: "只报告均分、数据泄漏、评审器未校准、Trace 断链或回退阈值缺失"
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“权限、限流、重试与幂等”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：只报告均分、数据泄漏、评审器未校准、Trace 断链或回退阈值缺失，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	逐样本输出、评分理由、Trace、指标窗口、失败标签、版本和发布判断	目标切片改善且安全、延迟与成本不越界，失败样本能回链到首个异常阶段
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：只报告均分、数据泄漏、评审器未校准、Trace 断链或回退阈值缺失	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：停止扩量，保留基线，按数据、Prompt、模型、应用或评审阶段隔离失败	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“权限、限流、重试与幂等”，第一步是：停止扩量，保留基线，按数据、Prompt、模型、应用或评审阶段隔离失败。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。

“权限、限流、重试与幂等”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、权限、限流、重试与幂等 的结果解释

解释“权限、限流、重试与幂等”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	只报告均分、数据泄漏、评审器未校准、Trace 断链或回退阈值缺失	先执行：停止扩量，保留基线，按数据、Prompt、模型、应用或评审阶段隔离失败
异常链路无法恢复	只报告均分、数据泄漏、评审器未校准、Trace 断链或回退阈值缺失	先执行：停止扩量，保留基线，按数据、Prompt、模型、应用或评审阶段隔离失败
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

“权限、限流、重试与幂等”只有同时满足“目标切片改善且安全、延迟与成本不越界，失败样本能回链到首个异常阶段”，并且没有出现“只报告均分、数据泄漏、评审器未校准、Trace 断链或回退阈值缺失”，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“权限、限流、重试与幂等”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。

“权限、限流、重试与幂等”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、权限、限流、重试与幂等 的发布判断

发布判断需要把“权限、限流、重试与幂等”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。

• “权限、限流、重试与幂等”的基线与候选只存在一个计划内变量。
• “权限、限流、重试与幂等”的输入、代码、依赖、配置和数据版本可以追溯。
• “权限、限流、重试与幂等”的正常、临界、失败和恢复样本使用同一套断言。
• “权限、限流、重试与幂等”的原始输出、中间状态和失败现场已经保留。
• “权限、限流、重试与幂等”的日志、Trace、截图和测试数据已经脱敏。
• “权限、限流、重试与幂等”的停止条件、负责人和回滚入口已经演练。
• “权限、限流、重试与幂等”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“权限、限流、重试与幂等”的判断，就不能发布。

十一、总结

• 请求顺序：Redis 计数器需要 TTL，网关拒绝时返回 Retry-After，不能让客户端盲目重试。
• 重试判定：只重试连接失败、429、部分 5xx 等可恢复错误；
• 幂等键：创建订单、发送通知、执行 Agent Tool 等动作由客户端或服务端生成幂等键。
• 权限与审计：高风险动作支持人工确认和撤销/补偿。
• 验收：供应商持续 429 时系统在预算内快速失败或切备用，队列不无限增长。