# Ark批量打标限流自愈器 候选 id：`ark-batch-labeling-autotune` ## Ark 批量打标限流自愈器：诊断流程样例 ### 场景 stage1 用 128 并发跑 27,194 条 session，结束后结果为 21,449 成功、5,745 失败，失败日志集中出现 Ark TPM 429。 ### 输入 - `run_dir`: `output/ark_label_stage1_2026_xx_xx/` - `raw`: 主跑产出的 `raw_results.jsonl` - `config`: 包含 stage、model、concurrency、max_input_chars、retry 参数的 yaml - `source`: 原始 session 表，用于核对总行数和重建失败行输入 ### 检查步骤 1. 统计 `total_rows / ok_rows / error_rows / empty_response_rows / override_rows`。 2. 按错误类型聚合，确认失败主因是 `429`，而不是 prompt 解析、schema 校验或输入缺字段。 3. 估算 token 压力：按输入长度分位数和并发计算是否容易超过 TPM。 4. 检查 clean 规则：同一 row 只要历史上有一次 ok，就不能被后续 timeout/429 覆盖。 5. 生成 repair plan：只抽失败行，建议并发从 128 降到 48；如果 p95 输入过长，建议把原声截断到 4,500 字符。 6. 补跑后 finalize：再次核对 `ok_rows + accepted_override_rows == total_rows`，并输出残留失败清单。 ### 成功信号 - `error_rows = 0`，或仅剩少量可解释的 `empty_response` 且已进入人工 override 表。 - `clean.csv`、`summary.xlsx`、标签汇总和代表 case 均成功生成。 - 诊断报告明确记录主跑并发、补跑并发、截断策略和最终闭合口径。 ### 失败信号 - 429 比例持续高于阈值，降并发后仍无法下降。 - 同一 row 的成功结果被后续失败记录覆盖。 - finalize 后 `ok_rows + override_rows < total_rows`，说明仍有未处理缺口。 ### 建议输出 - `doctor_report.md`: 给人看的诊断结论和调参建议。 - `repair_plan.json`: 给脚本执行的补跑参数。 - `only_errors_input.csv`: 只包含失败行的补跑输入。 - `manual_override_candidates.csv`: 少量空响应或不可自动判定行。