一、LangChain 重试机制深度解析

当构建生产级AI应用时，with_retry() 机制可有效提升系统容错性，典型应用场景包括：

• API调用频率限制时的自动恢复
• 模型服务临时不可用的故障转移
• 网络波动导致的瞬时异常处理

---

参数详解与配置策略

1. 参数配置表

参数名	类型	默认值	作用说明	示例值
retry_if_exception_type	Tuple[Exception]	None	指定需要重试的异常类型	(APIError, TimeoutError)
wait_exponential_jitter	bool	True	启用指数退避+随机抖动策略	False
stop_after_attempt	int	3	最大重试次数（含初始调用）	5

2. 代码示例

想要让一个 Runnable 组件最多重试 2 次，只需在 with_retry() 函数中传递 stop_after_attempt参数即可，代码：

from langchain_core.runnables import RunnableLambdacounter = -1def func(x):global countercounter += 1print(f"当前的值为 {counter=}")return x / counterchain = RunnableLambda(func).with_retry(stop_after_attempt=2)resp = chain.invoke(2)print(resp)

3. 资料推荐

• 🔗 官方文档参考
• 💡大模型中转API推荐
• ✨中转使用教程

---

二、with_retry() 函数的运行原理

构建一个新的 Runnable，在执行调用类的函数时，循环特定次数，直到组件能正常执行结束即暂停，并且在每次循环的过程中，休眠特定的时间，运行流程图如下：