429表示服务端限流而非故障，需依Retry-After或X-RateLimit-Reset头退避；优先串行化请求、压缩输入token、改用批量接口；重试须抖动且仅限幂等操作。
☞☞☞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☜☜☜
Agent Space API返回429时，说明你的请求已触发服务端限流策略，不是网络中断或接口宕机，而是系统正在主动保护自身稳定性。此时若盲目重试，可能在几秒内引发重试风暴，导致后续所有请求持续失败。
先确认429具体由哪个维度触发
Agent Space API的429响应体中通常不带详细错误信息，但必须检查响应头：打开开发者工具的Network面板，点击失败请求→Headers→Response，重点找以下三项：
① 若存在 Retry-After: 15 → 表示服务端明确要求你等待15秒后再发起下一次请求，这是最优先遵循的信号；
② 若存在 X-RateLimit-Limit: 60 和 X-RateLimit-Remaining: 0 → 说明你已耗尽当前窗口（通常是1分钟）的请求数配额；
③ 若存在 X-RateLimit-Limit: 100000 且 X-RateLimit-Remaining 接近0 → 实际触发的是TPM（每分钟Token总量）限制，而非RPM，此时减少单次请求长度比降低请求频率更有效。
注意：没有Retry-After头时，不要自行猜测等待时间，应以X-RateLimit-Reset时间戳为准，转换为本地时间后计算差值。
立即生效的3种降频操作
方法一：强制串行化请求链
将原本并行发起的多个Agent调用改为严格顺序执行，例如从 asyncio.gather(...) 改为 for task in tasks: await task。这能立即将并发连接数压到1，对Agent Space这类长流式API特别有效——因为每个流式响应平均持续90秒以上，10个并发就等同于900秒的槽位占用。
方法二：动态压缩输入上下文
在请求前检查prompt长度，若超过3000 token，则启用自动截断+摘要策略：保留最新3轮对话+关键system指令，丢弃早期冗余历史。Agent Space对输入token敏感度高于输出，此举常可使TPM消耗下降60%以上。
方法三：切换请求粒度
避免高频小请求，改用批量接口。例如不循环调用 /v1/agent/run?task_id=1 → /v1/agent/run?task_id=2，而改用 /v1/agent/batch-run 并传入 task_ids=["1","2","3"]。Agent Space官方文档明确说明批量接口的RPM配额是单点接口的3倍。
客户端重试必须加抖动退避
第一步：解析Retry-After值，若存在则作为基础等待时间；若不存在，取X-RateLimit-Reset减去当前Unix时间戳，结果向上取整为秒数。
第二步：在该秒数基础上乘以随机因子（0.8～1.2），例如计算得需等8秒，则实际sleep 6.4～9.6秒之间某个随机值。
第三步：最多重试2次，且第二次重试前强制将并发数降至1，并禁用所有非必要header（如X-Request-ID、X-Correlation-ID等自定义追踪头，部分网关会将其计入限流维度）。
【关键前提】重试仅适用于幂等性操作（如数据查询），若请求含状态变更（如创建会话、提交动作），禁止重试，应直接返回用户“操作暂不可用”提示。
