先对失败分类
只有在操作可安全重复时，才重试暂时网络中断、速率限制或短暂不可用。验证或权限错误需要更改请求或配置，不应持续重试。
根据工作流用途和用户预期设定最大次数与总时长。如果许多任务可能同时重试，应加入随机抖动；适用时遵循服务提供的 Retry-After 时间。
让耗尽的任务可恢复
达到上限后，将任务移至可见的失败或待审查状态，并保存尝试历史和关联标识。不要丢弃原始负载，也不要遗漏已完成的副作用。
修复原因后提供受控重放路径。保留幂等键并检查之前产生的效果，防止重复付款、消息或记录。
工作流步骤失败时应如何安排重试？
立即反复重试可能压垮正在恢复的依赖服务，并增加重复工作。应采用有上限的重试策略，间隔随失败次数增长或动态调整；当自动恢复希望不大时停止并明确暴露失败。