影刀RPA进阶教程：告警升级机制——从机器人通知到人工介入的链路

流程半夜挂了，你早上九点才知道，业务数据断了一整天——这种事经历过一次，你就会认真对待告警。但更常见的翻车是另一个极端：机器人每跑一次就往群里丢五条通知，一周后所有人把群设成了免打扰，真出事那天没人看见。我管着二十多个影刀RPA流程，被这两种极端都坑过，最后搭了一套告警升级机制：小事自动处理，中事发群通知，大事直接把人拉进来，一级一级往上升级。

这篇把这条链路完整拆开讲，从重试策略到人工介入的闭环，全是实操两年攒下来的经验。

告警的本质：分级，而不是有通知就行

先说结论：一套告警机制没有分级，等于没有告警。

我最早的告警就是所有异常都发钉钉群，跑了一周群里一天几十条消息，队友直接屏蔽了群。后来有个关键的对账流程在周五晚上失败，因为没人看群，周一才发现，损失不小。那次之后我明白，告警的价值不在于"发出去"，而在于"该看到的人必须看到，且不能看麻"。

我的分级方案是四级，也是现在稳定运行的版本：

升级机制的灵魂在L3到L4：第一次失败通知群，第二次失败说明通知没被处理，就要换更重的通道。这个判断需要一个"失败登记表"，后面细讲。

第一道防线：重试不是简单的再来一次

L1和L2全靠重试策略，这里最容易写糊。影刀RPA里Try-Catch异常处理的结构是Try-Catch-Finally，重试要靠While条件循环或者For次数循环包在Try外面自己实现。

我踩过的坑是"无脑重试三次"：页面结构真的变了，重试三次每次都在同一个地方死，白白多跑十分钟。正确的做法是分错误类型：

1. 网络类、超时类报错：等30秒重试，最多三次，间隔递增。
2. 元素定位失败：先判断元素是否存在，配合等待元素出现的指令再试一次，还失败就别重试了，直接进L3。
3. 数据类报错（比如表格里的脏数据）：跳过这条记录记进异常清单，绝不为单条数据重跑全流程。

每次重试都要在"输出日志"里记下第几次重试、报错指令名、报错信息。日志是后面所有升级判断的依据，Catch块里没有日志的告警机制，出了问题连复盘都做不了。

第二道防线：群机器人Webhook的正确用法

进入L3，就该群机器人上场了。影刀RPA的指令面板里有对接钉钉群机器人、企业微信群机器人、飞书群机器人的指令，原理都一样：在群里添加自定义机器人，拿到Webhook地址，流程里调用发送指令把消息推到群。

三个平台我都接过，配置上各有各的坑：

• 钉钉机器人：安全设置里如果选了关键词模式，消息内容必须包含那个关键词，否则发送直接被拒。另外文档里写得很清楚，钉钉机器人只支持发送富文本消息，不支持发文件，想发附件就得走别的通道。

• 企业微信机器人：Webhook有频控，短时间内连发大量消息会被限流，告警消息要做合并。

• 飞书机器人：同样拿到Webhook地址和密钥就能用，消息格式用markdown卡片，把流程名、报错指令、时间、重试次数排清楚。

消息内容我固定五个字段：流程名、失败阶段、报错摘要、已重试次数、处理指引（比如"请检查工单系统登录态"）。告警消息是写给三年后的自己看的，宁可啰嗦也别让人猜。

# 捕获元素：把报错信息从异常对象里整理成告警消息（伪代码）# 输入：app_name、stage、error_msg、retry_countalert_msg=("【L3告警】流程失败\n"f"流程：{app_name}\n"# 流程名，对应控制台应用f"阶段：{stage}\n"# 失败发生在哪个子流程f"报错：{error_msg[:80]}\n"# 报错截断，群里太长没人看f"重试：{retry_count}次后仍失败\n""处理：请检查页面结构或登录态，处理后回复已介入")

升级的关键：失败登记表与二次失败判定

L3升级到L4的判断，靠一张失败登记表。实现很简单：飞书多维表格或本地Excel，每次L3告警时写入一行（流程名、时间、是否已处理）。

下一次运行失败时，流程先查这张表：上一条同流程的失败记录还没被标记"已处理"，说明上次通知没人响应，直接走L4升级，同时在通知里@具体的人。

这里有个时序坑我踩过：登记表的读取要在流程开头做，写入要在告警发出后立刻做，中间隔了别的指令的话，并发跑的流程会读到脏数据。多个流程共用一张登记表时，尽量错峰调度，或者在表里加"流程名"字段严格隔离，这是文档里反复强调的多任务并发要注意的地方。

人工"已介入"的标记怎么回来？两条路：最土的办法是人在多维表格里手动把状态列改成已处理；优雅一点的做法是走对话式介入，下面细说。

人工介入闭环：从通知到对话再到重启

L4的"人工介入"不是发个消息就完了，要形成闭环：人能知道详情、能反馈处理结果、能触发补救动作。

第一层是双向消息。影刀RPA有钉钉机器人监听内部群消息的能力（新版指令），可以监听群里@机器人的回复。我把它用在告警确认上：负责人在群里回复"已介入+流程名"，监听流程捕获消息后，把登记表对应记录标记为已处理。这就把"谁看到、谁接手"落到了数据上。

第二层是Webhook触发器做远程重启。影刀的自动化能力里支持配置Webhook触发器：接收HTTP请求后启动流程。我把关键流程复制一个"恢复专用版"（清缓存、重新登录、从断点续跑），配置Webhook触发，负责人在手机上用快捷指令或浏览器访问一次那个地址，恢复流程就在服务器上跑起来了。半夜流程挂掉，人不用摸到电脑。

第三层兜底是告警邮箱。控制台本身支持设置告警邮箱和钉钉群，计划任务执行异常时可以收到告警通知，这是平台自带的最后一道保险，跟自己的升级机制并行用，成本为零。

定时任务调度：让告警链路自己也有心跳

升级机制里所有检查动作——失败登记表轮询、未处理告警的升级判定——都要靠定时任务驱动。控制台里配置计划任务，我设了三个节奏：业务流程按业务节奏跑（比如每天早上七点），告警升级判定每小时跑一次，登记表周度清理跑一次。

夜间执行有单独的坑：凌晨时段个别内网系统会维护，把敏感流程排在维护窗口之外，能少一半L3告警。错峰调度还有个好处，多个流程不抢同一台机器，调度器上有机器人状态的概念，空闲、运行中、离线都会显示，把任务分配给状态健康的机器人。

系统联动这块，邮件发送我也接了一条：每周五自动汇总本周全部L3/L4告警，发周报邮件给团队。告警不怕多，怕的是没有沉淀，周报就是沉淀。

告警链路搭建顺序与易错速查

建议的搭建顺序是：先把输出日志写规范，再接一个平台的群机器人，然后加重试分级，最后上失败登记表和升级判定。一次全上容易顾此失彼。

延伸阅读与模板

官方文档里群机器人对接、定时任务配置这几篇值得反复看，客户端帮助入口能直接搜到。我把这套四级升级机制的失败登记表模板、监听关单的写法、Webhook触发的恢复流程设计，整理在作者的代码仓库里了，地址 home.linyan.cloud ，照着模板改流程名就能用。最后提醒一句：告警机制上线后第一周，密切观察消息密度，宁可误报多发几条，也绝不能漏报——漏报一次的代价，可能就是一次没有预警

的数据事故。

#影刀RPA #RPA自动化 #异常处理 #定时任务 #钉钉

作者：林焱