关键命令失败需先判错再重试，仅对临时故障（如超时、503/504）重试3次并指数退避；永久错误（如语法错、4xx）禁止重试；须加超时、唯一id、flock防护，并在最终失败时归档日志并告警。
关键命令失败时不能无差别重试，得先判断错误性质，再决定是否重试、重试几次、怎么等。核心是“该重才重”，避免把语法错误当网络抖动来反复执行。
识别哪些错误值得重试
临时性故障可以重试，永久性问题重试只会浪费资源甚至引发新问题：
- 适合重试：连接超时（timeout）、连接被拒（Connection refused）、路由不可达（No route to host）、HTTP 503 或 504
- 不该重试：语法错误（syntax error）、权限不足（Permission denied）、路径不存在（No such file or directory）、密钥解密失败、返回 HTTP 400/401/403/404
在脚本中结合退出码和 stderr 内容做双重判断：
if [[ $? -ne 0 ]] && grep -q -E "(timeout|refused|unreachable|503|504)" "$LOG_TMP"; then should_retry=true; fi用指数退避控制重试节奏
固定间隔容易撞上服务限流或触发雪崩。推荐最多 3 次，每次等待时间递增并加随机抖动：
Browser Setup (No-Root Linux)
下载
在无 root/sudo 权限的环境（云容器、VPS、隔离主机）中安装并配置 OpenClaw 浏览器工具的 headless Chrome。适用场景：...
- 第 1 次失败后等约 1 秒
- 第 2 次等约 2 秒
- 第 3 次等约 4 秒
抖动示例（防并发同步）：
sleep $(echo "scale=1; $((2**attempt)) * (0.8 + $RANDOM/32767*0.4)" | bc)循环结构建议用 for：
for ((i=1; i加防护层防止重试本身出问题
没保护的重试可能卡死、并发冲突或覆盖日志：
- 给主命令加硬性超时：
timeout 300s your_command - 每次运行生成唯一 ID：
run_id=$(date +%s)-$$，用于日志名、锁文件、临时目录 - 用 flock 防止 cron 多次触发并行：
exec 200>/tmp/mytask.lock; flock -n 200 || exit 1
失败后必须归档并告警
重试耗尽说明问题无法自愈，必须留痕并通知人：
- 把原始命令、完整 stderr、环境变量快照打包存入：
/var/log/mytask/failures/${run_id}_attempt3.tar.gz - 只在最终失败时发通知：用 mail 发邮件，或 curl 推送钉钉/企微机器人
- crontab 条目末尾统一重定向日志：
0 2 * * * /opt/scripts/task.sh >> /var/log/task.log 2>&1
