用 Claude API 跑短对话几乎不会出问题。但只要任务一变长——多轮 Agent 循环、长上下文代码分析、批量自动化处理——中断就密集起来：请求突然报 429，脚本跑到一半卡死，或者返回一条 529 之后整个流程停摆。很多人第一反应是「服务不稳定」，但真实原因往往藏在自己的调用方式里。

这篇文章把 Claude API 长任务的中断拆成三个可以单独定位的层面：上下文预算、速率限制、重试策略。搞清楚它们各自怎么触发中断、怎么区分、怎么修，长任务的稳定性才有着落。

一、先分清报错类型：429、529 和网络中断根本不是一回事

排错要从看清报错类型开始，因为这三类的成因和修法完全不同。

429（rate_limit_error）是你的组织在某个时间窗口内超过了账户允许的用量，属于账户侧限流，不是服务器故障。响应会带一个retry-after头，明确告诉你等多少秒再试，同时说明是哪一类限额被打满。

529（overloaded_error）是 Anthropic 服务端对所有用户暂时满载，跟你的个人用量无关。这种情况你能做的只有退避重试，加大用量没有任何意义。

第三类是纯粹的网络中断：代理连接被掐断、超时、连接被重置。长任务里这类问题尤其常见——单个请求持续时间一长，链路上任何一个环节抖动都可能让连接断开。

区分清楚这三类，才知道该拧哪个旋钮。下面按触发频率从高到低展开。

二、上下文膨胀：长任务最隐蔽的中断源

速率限制里最容易被忽视的一维，是输入令牌（ITPM，每分钟输入令牌数），它和上下文长度直接挂钩。

Claude 的限流目前主要看三个指标：

• RPM：每分钟请求数
• ITPM：每分钟输入令牌数
• OTPM：每分钟输出令牌数

三者分开计算，超过任意一个都会触发 429。麻烦在于，长对话会让 ITPM 悄悄逼近上限。

一个典型场景

会话上下文已经累积到相当规模，每发一条新消息，整段历史都要重新作为输入送进去。单条消息就可能吃掉这一分钟大半的输入预算，紧接着同一分钟内的第二条消息直接撞上限流。

这就是所谓的「prompt 膨胀」——会话长度增长得超过了任务本身的需要，每一轮都在为冗余历史付费。账户层级越低，这个问题越尖锐，因为输入令牌的每分钟余量本来就小，一次上下文突发就能把它打满。

四个可落地的应对方向

1. 主动裁剪上下文：定期清理不再需要的历史消息，只保留和当前步骤相关的内容，而不是无脑把全部对话往里塞。
2. 用摘要替代原文：长文档、长代码库先做一次结构化摘要，后续轮次引用摘要而不是全文。
3. 开启缓存：对稳定不变的系统提示、长文档前缀做缓存，能明显降低重复输入的令牌计费压力。
4. 拆分任务边界：一个能拆成多个独立子任务的长流程，让每个子任务用干净的上下文启动，往往比在一个超长会话里硬撑更省令牌、也更稳。

200K 级别的长上下文是 Claude 的核心能力，但「能放进去」不等于「每轮都要放满」。把长上下文当成一次性投入的资源来管理，而不是持续累加的负担，这是长任务稳定的关键前提。

三、速率限制：按维度减速，而不是盲目重试

确认是 429 而不是上下文问题后，正确的动作是先读头，再给对应维度减速。

retry-after头是第一手信息，直接告诉你需要等待的秒数。相关的限流头（剩余额度、重置时间）能帮你判断当前贴近哪个上限。立刻盲目重试只会再次撞线，把一次短暂限流拖成持续故障。

不同维度对应不同减速方式

• 撞 RPM：请求发得太密，需要降低并发、合并请求，或在请求之间加间隔。
• 撞 ITPM：问题回到上一节的输入令牌，要压缩上下文。
• 撞 OTPM：单位时间产出的内容太多，可以控制单次生成的最大长度，或降低生成频率。

容易踩的坑：加速限制

如果用量在短时间内急剧上涨——比如突然把并发从个位数拉到几十——即使没到静态上限，也可能因为流量曲线太陡而被限流。官方建议逐步增加流量、保持相对平稳的使用模式，别搞脉冲式打流量。

至于层级和额度：Claude API 的速率限制在组织级别设置，随使用层级提升而提高。各层级的 RPM、ITPM、OTPM 数值以及支出上限会随官方政策调整，这里不列固定数字，请以你在控制台 Limits 页面看到的当前值为准。需要更高限额时，通常在用量达到当前限制的一定比例后可以在控制台发起申请。

四、重试策略：同步重试是把小问题放大成故障的元凶

长任务中断能不能自愈，取决于重试逻辑写得对不对。

最典型的反面案例：多个 worker 或多个并行子任务，按固定间隔、没有随机抖动地重试。结果是所有 worker 齐步走，同一时刻一起再次发请求，一起再次踩到限流。原本一次短暂的限流，被同步重试放大成持续雪崩。

一套稳健的重试策略，核心是这几件事：

• 指数退避是基础：每次重试的等待时间成倍增长，给限流窗口留出恢复空间。
• 叠加随机抖动（jitter）：在退避时间上加随机量，打散并发请求的重试时刻，避免同步踩线。
• 尊重retry-after：响应带了这个头，优先按它给出的秒数等待，而不是用自己算的退避值。
• 区分可重试与不可重试：429、529、网络超时通常值得重试；4xx 里的参数错误、认证失败重试再多次也不会成功，应该直接失败并报警。
• 设置重试上限和总超时：避免无限重试把一个已经不可能成功的请求拖到永远。

用成熟的官方 SDK，很多退避逻辑已经内置。但只要你在 SDK 之外自己包了一层——CI 脚本、自定义 Agent 循环、批处理调度器——就得自己把抖动和退避补齐。这一层最容易被忽略，也最容易导致长任务反复中断。

真正的大批量任务还可以考虑消息批处理接口（Message Batches）。它有独立于 Messages API 的限流额度，适合那种不要求实时返回、可以异步等待结果的批量作业，能把同步调用的限流压力转移到更适合批处理的通道上。

五、Tool Use 与 Agent 循环：把中断当成正常状态来设计

Agent 类任务和 Tool Use 场景是长任务的重灾区，因为它们天然是「多轮 + 长上下文 + 高并发」的组合。

一个 Agent 循环可能连续发起几十次请求，每次都带着不断增长的上下文；同时跑多个子代理，并发又叠加上来。三个压力源一起作用，触发限流几乎是必然的。所以Agent 系统别假设每次调用都成功，而要把中断当成正常状态来设计。

三个设计要点

1. 每一步都可恢复：记录中间状态，中断后能从断点继续，而不是从头重跑，这既省令牌也省时间。
2. 控制子代理并发：并行度越高越容易同时踩线，给并发设一个合理上限，配合退避使用。
3. 保护 Tool Use 结构完整性：工具调用和工具结果的消息结构不能因为重试而错乱，重试要以完整的一轮为单位。

接入方式也影响稳定性

Claude Code 本身内置了指数退避重试，直接用它跑通常比自己裸调 API 省心。但如果你是在它周边做包装，或者用自定义 Agent 框架直连接口，退避和状态恢复就得自己保证。

这类任务对模型能力保真度的要求同样高。Tool Use 的稳定性、长上下文的完整召回、Agent 多轮推理的连贯性，都依赖模型本身没有被降级或裁剪。如果接入链路上做了某些逆向处理或能力阉割，表面上请求能通，实际 Tool Use 兼容性和长上下文表现却会打折——这类问题排查起来比限流更棘手。

以接入 Anthropic 官方原厂 Key 与 AWS Bedrock 官方渠道的直连服务（如 apito）为例，其目标就是保留 Opus / Sonnet / Haiku 的官方能力、200K 长上下文与 Tool Use 表现，减少因链路降智导致的隐性中断。选型时，能力保真和长期可用性值得和价格放在同等位置考量。

模型选型参考

配置时可以按任务类型选择对应模型：

• 高性能推理任务：claude-opus-4-8或claude-opus-4-7
• 日常均衡场景：claude-sonnet-5或claude-sonnet-4-6
• 轻量高频调用：claude-haiku-4-5-20251001

具体可用型号以平台当前模型列表和最新说明为准，建议在控制台模型列表中选择当前可见的型号。

六、长任务防中断检查清单

把上面的内容压成可执行的排查顺序，遇到中断时照着走：

1. 先看报错类型。429 是额度问题，529 是服务端满载，超时/连接重置是网络问题，三者修法完全不同。
2. 是 429 就读retry-after和限流头，确认撞的是 RPM、ITPM 还是 OTPM，对症减速。
3. ITPM 被打满，检查上下文是不是膨胀了。裁剪历史、用摘要、开缓存、拆任务。
4. 检查重试逻辑有没有指数退避加抖动、有没有尊重retry-after——同步重试是最常见的隐患。
5. Agent 和批量任务要做断点恢复，控制并发，别指望一次跑通。
6. 大批量非实时作业考虑走批处理接口，用独立额度分流。
7. 确认接入链路没有对模型能力做隐性降级，Tool Use 和长上下文的保真度直接影响长任务成败。

长任务的稳定性从来不靠「运气好没限流」，而靠对上下文、限流、重试这三层的主动管理。把这三层都控制住，Claude API 跑长任务的中断率会有肉眼可见的下降。