排程技能失敗了，該讓它自己重跑幾次，還是馬上叫人？

凌晨三點，排程好的月結對帳任務因為對方 API 短暫逾時失敗了。系統可以做兩件事：默默重跑一次，通常第二次就成功；或者立刻發通知叫醒值班的人。多數團隊在設計排程任務時只想到「失敗了要通知」，卻沒想清楚「通知之前，要不要先自己試著救一次」——這個沒想清楚的空隙，決定了你團隊的手機半夜到底會不會響。先把「失敗」拆成兩種，不要當同一件事處理第一種是暫時性失敗：對方伺服器逾時、網路瞬斷、API 那端剛好在維護——這類失敗的特徵是「等一下再做同一件事，通常就會成功」，本質上跟你自己重新整理一次網頁沒有兩樣。第二種是結構性失敗：認證憑證過期、對方 API...