Проще говоря, fallback отвечает на вопрос: “что делаем, если план А не сработал?”. Например, модель вернула невалидный JSON, API недоступен, RAG не нашел источники, guardrail заблокировал действие, confidence score низкий или пользователь просит оператора.
Хороший fallback не должен скрывать проблему. Он должен помогать пользователю или команде продолжить работу безопасно: объяснить ограничение, сохранить контекст, создать задачу, предложить следующий шаг, отправить на human review или временно использовать резервную модель.
В production fallback нужно проектировать заранее. Важно знать, какие ошибки ведут к retry, какие к fallback-модели, какие к handoff человеку, а какие к полной остановке. И обязательно логировать причины, чтобы потом улучшать промпт, RAG, tool calling, интеграции и guardrails.
Примеры
- Если основная модель недоступна, система переключается на fallback model.
- Если AI-агент не уверен в ответе, он передает диалог оператору.
- Если RAG не нашел источники, агент не выдумывает ответ, а просит уточнить вопрос.
- Если JSON не проходит schema validation, backend делает retry или возвращает безопасную ошибку.
- Если действие рискованное, workflow создает approval task вместо автоматического выполнения.
Где используется
- Надежная работа AI-агента при ошибках модели и API
- Переключение на fallback model или другой провайдер
- Передача сложных случаев человеку
- Безопасный отказ вместо галлюцинации или опасного действия
- Обработка невалидного structured output и tool result
- Деградация функциональности при сбоях внешних сервисов
- Мониторинг fallback rate и причин ухода с основного сценария
Связанные термины
Confidence score
Fallback model
Fallback rate
Guardrails
Human approval
Human handoff
Human review
JSON Schema
Частые вопросы
Чем fallback отличается от retry?
Retry повторяет тот же шаг, обычно после временной ошибки. Fallback меняет путь: другая модель, другой сценарий, человек, шаблонный ответ или безопасная остановка.
Чем fallback отличается от handoff?
Handoff — это один из видов fallback, когда задачу передают другому исполнителю: человеку, оператору, команде или другому агенту.
Когда нужен fallback в AI-агенте?
При timeout, rate limit, низкой уверенности, невалидном JSON, отсутствии источников, ошибке tool call, блокировке guardrail, запросе вне зоны ответственности или рискованном действии.
Как понять, что fallback настроен плохо?
Пользователь не понимает, что произошло, контекст теряется, команда не видит причину, fallback срабатывает слишком часто или система тихо ухудшает качество без логов и контроля.
