Executive Summary

该子场景覆盖任务节点失败后的自动重试、降级、补偿与人工协同流程。系统需要在 5 分钟内交付可恢复的结果或触发 Copilot 工单，自动重试成功率 ≥80%，所有动作具备审计闭环，防止无限重试或风险外溢。

Scope & Guardrails

• In Scope：失败检测、策略分级、重试/降级/回滚、Copilot 工单、人工决策回写、审计与指标。
• Out of Scope：人工工单处理细节、跨租户数据修复、外部系统权限审批。
• Environment & Flags：retry-manager-v2、copilot-handoff、audit-streaming；依赖补偿脚本库、Ops 工单系统、通知通道。

Participants & Responsibilities

Scope	Repository	Layer	责任与交付物	Owners
retry-engine	powerx	ops	重试/退避/熔断、失败统计	Agent Platform Guild
recovery-coordinator	powerx	ops	回滚、降级脚本、补偿编排	Ops Reliability Center
copilot-service	powerx	ops	工单创建、上下文打包、审批与通知	Ops Reliability Center

End-to-End Flow

1. Stage 1 – Failure Capture：子 Agent 报告失败，携带上下文、错误码、重试计数。
2. Stage 2 – Policy Evaluation：风险引擎判定是自动重试、降级还是直接人工。
3. Stage 3 – Automated Actions：按策略执行重试、回滚、降级，并记录结果。
4. Stage 4 – Copilot Handoff：超过阈值或敏感任务触发工单，由人工决策并回写结果。

Key Interactions & Contracts

• APIs / Events：EVENT agent.task.failed、POST /internal/agent/tasks/{id}/recover、POST /internal/plugins/{pluginId}/rollback、POST /ops/copilot/handoffs。
• Configs / Schemas：config/agent/retry_policies.yaml、config/agent/degrade_routes.yaml、docs/standards/powerx/backend/integration/09_agent/Agent_Metrics_and_Observability.md。
• Security / Compliance：工单脱敏、权限校验、失败动作审计、最大重试阈值、幂等补偿。

Usecase Links

• UC-AGENT-EXEC-RECOVERY-001 — 失败恢复与 Copilot 协同。

Acceptance Criteria

1. 自动重试成功率 ≥80%，退避策略避免无限重试。
2. 高风险/敏感任务在 5 分钟内转交 Copilot，人工决策记录原因与权限。
3. 所有恢复动作写入 agent.failure.* 审计流，提供回放能力。

Telemetry & Ops

• 指标：agent.retry.total、agent.retry.success_rate、agent.copilot.handoff_total、agent.failure.mtt_recovery。
• 告警阈值：重试成功率 <80%、Copilot 工单积压 >10、补偿脚本失败。
• 观测：Grafana「Agent Recovery」、Ops 工单面板、scripts/runbooks/agent-retry-drills.mjs。

Open Issues & Follow-ups

风险/事项	影响范围	负责人	ETA
Copilot 模板未完全脱敏	数据合规	Ops Reliability Center	2025-02-28
补偿脚本分散在各团队	回滚不一致	Plugin Guild	2025-03-15

Appendix

• docs/scenarios/agent-orchestration/SCN-AGENT-TASK-EXEC-001.md
• docs/meta/scenarios/powerx/agent-and-automation/agent-orchestration/agent-task-execution/primary.md
• scripts/qa/workflow-metrics.mjs