workbuddy可通过指数退避、错误语义判断、令牌桶限频、长期记忆持久化及异步轮询五种方式实现高可用重试机制，提升自动化任务对外部api调用的容错性与稳定性。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用WorkBuddy构建自动化任务时遇到外部API调用失败、网络抖动或服务瞬时过载等问题，导致流程中断，则需通过编程方式嵌入高可用的重试机制。以下是利用WorkBuddy实现退避算法与频率控制的具体方法：
一、使用指数退避策略控制重试间隔
指数退避通过逐次延长重试等待时间，避免在下游服务恢复前密集重试，从而防止雪崩效应和资源耗尽。WorkBuddy支持在JavaScript脚本中直接实现该逻辑，无需依赖外部库。
1、定义初始延迟、最大重试次数及退避因子变量，例如：initialDelay = 1000, maxRetries = 3, backoffFactor = 2。
2、在调用外部接口的函数内，使用for循环配合setTimeout或Promise.delay模拟延迟，第n次重试等待时间为initialDelay * Math.pow(backoffFactor, n - 1)毫秒。
3、每次重试前检查是否已达最大次数，若未达上限则执行延迟后递归调用，否则抛出最终错误。
二、基于错误语义动态启用重试
并非所有错误都适合重试，需根据HTTP状态码、异常类型或响应体内容判断是否为可恢复的暂时性故障。WorkBuddy的脚本环境支持完整的错误类型识别与条件分支控制。
1、捕获请求返回的response对象，检查status字段是否属于503、429或超时类错误。
2、对网络层错误（如fetch reject、AbortError）进行instanceof判断，仅当err.name === 'TypeError' && err.message.includes('failed to fetch')时标记为可重试。
3、若响应体含retry_after字段，优先采用其指定秒数作为下一次重试间隔，覆盖默认退避值。
三、引入令牌桶限频机制约束重试总频率
在高频触发场景（如轮询任务或批量作业）中，单纯退避无法限制单位时间内的总请求数。需叠加令牌桶算法，在脚本中维护滑动窗口计数器，确保重试行为不突破预设QPS阈值。
1、初始化一个Map结构存储每个目标URL的最近请求时间戳数组，保留最近60秒内的记录。
WorkBuddy 桌宠工厂 —— 给一张角色图、一个 codex.pet 链接、一条 codex-pets.net 下载 URL、或一份现成的精灵表，就能自动创建一只可联动 WorkBuddy 状态的桌面宠物。当用户说"创建桌宠"、"做一只桌宠"、"用这张图做桌宠"、"从 codex.pet 安装桌宠"、"导入 codex 桌宠 XX"、"装一下 codex-pets.net 上的 XX&quo
2、每次准备发起重试前，先过滤掉早于当前时间减60秒的时间戳，再统计剩余数量。
3、若数量已达到阈值（如5次/分钟），则强制延长本次重试延迟至Math.max(0, 60000 - (Date.now() - earliestTimestamp))毫秒。
四、结合WorkBuddy长期记忆实现失败上下文持久化
WorkBuddy的memory API允许将重试过程中的关键状态（如已尝试次数、最后错误摘要、下次预计重试时间）写入长期记忆，确保任务在会话中断或进程重启后仍能延续原有重试节奏，避免重复或跳步。
1、在每次重试前调用workbuddy.memory.get('retry_state_for_api_x')读取历史状态。
2、若存在有效状态且未超最大次数，则基于saved.nextRetryAt时间戳决定是否立即执行或等待。
3、每次重试完成后，更新memory中对应键值，写入新的attemptCount、lastError和nextRetryAt（按退避公式计算得出）。
五、配置异步任务+轮询模式规避同步阻塞
对于可能超时较长的重试链路（如等待第三方系统回调），应避免在主线程中持续等待。WorkBuddy支持将重试逻辑封装为异步任务，并通过前端轮询或Webhook接收结果，提升整体流程吞吐能力与稳定性。
1、将原始重试函数注册为WorkBuddy异步工具，返回task_id而非实际响应。
2、前端使用setInterval定期调用workbuddy.task.status(task_id)查询执行状态，间隔设为退避后的最小延迟值。
3、当status返回completed时，提取result字段；若返回failed，则依据error.code决定是否触发新一轮异步重试任务。
