我们所有的计划AI代理作业因使用量限制停止运行19小时，而普通脚本持续运行

我们通过一个账户运行少数计划中的代理作业。九月中旬，该账户达到了其每周使用量限制，每个启动模型的作业在启动时失败了大约19小时。同一计划中的普通Python作业继续运行，仿佛什么都没发生，这使得问题容易被忽视：本应报告失败的代理从未运行。我们之后做出的更改：每个计划作业都从一个纯代码门控开始，决定是否真的需要模型。如果没有任务，它就从不启动，因此安静的日子不消耗配额。门控在运行日志中匹配确切的限制消息，并将其标记为配额问题，而非错误。通用重试逻辑会直接重试并撞上同样的墙。过期登录是一种不同的失败，有不同的消息和不同的修复方法（需要人工重新登录），因此它有自己的检查，而不是共享处理程序。常规作业默认使用更便宜的模型，因此每周配额持续更久。我们从中得出的一般规则：告诉你代理失败的东西不能是代理本身。你使用什么作为代理外部的心跳？有没有人找到一种简洁的方法来为最重要的作业预留配额？