AI 应用发生异常怎样降级并阻断危险调用“异常输入、超时与重试的故障隔离”常被写成一串术语真正落地时却要回答几个朴素问题谁负责、何时停止、怎样证明结果。以AI 应用安全Agent 工具调用滥用、数据投毒与模型窃取防护为背景本文给出一套可讨论的工作方法。先确定最低目标先确定这次只解决什么、不解决什么并列出用户输入、工具权限、数据来源和模型输出。范围太大时优先保住高风险路径其余问题明确排入后续计划。实施中保持可回退异常输入在入口处被识别并拒绝比进入核心链路后再处理成本低。校验长度、类型、权限和资源配额同时给调用方返回稳定的失败语义。超时预算要沿调用链分配不能让每一层都等待同样长的时间。下游超时后取消无意义工作避免积压任务继续占用连接和线程。重试只适用于明确的暂时性失败并要限制次数、抖动和总时长。不可重试的权限或校验失败应立即返回防止放大流量。降级不能绕开限制模型异常时降级链路仍要遵循同一套权限和数据范围。可以返回受限功能、排队或转人工但不能因为主服务不可用就让备用模型获得更大的工具权限状态切换应有明确的恢复条件。完成后核对权限判定、工具调用结果与脱敏后的请求标识并注明尚未覆盖的条件。承认限制比给出宽泛承诺更有用。