retry: add exponential backoff

README.md

@@ -135,6 +135,10 @@ profileAutoInjectMaxUsers: 4
 profileAutoInjectSummaryMaxChars: 300
 # 备用接入点冷却时间（分钟）。某接入点失败后在此时间内会被排到重试队尾，避免每条消息都先卡在故障接入点上。0为禁用
 fallbackCooldownMinutes: 5
+# 对话、画像和视觉模型失败后的统一退避：首轮基础毫秒数、单次最大毫秒数；设为0可禁用
+# 实际等待会按失败次数指数增长，并加入20%以内的随机抖动，两个值最大均为60000
+retryBackoffBaseMillis: 1000
+retryBackoffMaxMillis: 10000
 # 推理模型额外请求体JSON，会合并到请求体中。例如DeepSeek启用思维: {"thinking": {"type": "enabled"}}
 reasoningModelExtraBody: ''
 # 视觉模型额外请求体JSON，会合并到请求体中。
@@ -428,10 +432,10 @@ fallbackCooldownMinutes: 5
 ### 工作机制
 
 - 主接入点为列表首位，备用接入点按配置顺序排在其后。
-- **单次对话内**：某接入点流式调用失败时，立即切换到下一个接入点重试，而非反复重试同一个故障点。
+- **单次对话内**：某接入点流式调用失败时，经短暂指数退避后切换到下一个接入点重试，而非反复重试同一个故障点。
 - **跨对话冷却**：失败的接入点进入冷却期（`fallbackCooldownMinutes` 分钟），冷却期内会被排到重试队尾。这样主接入点 key 到期后，后续消息会直接走健康的备用接入点，不必每条都先卡一次超时。调用成功或冷却到期后自动恢复。
 - 仅在**LLM 调用本身失败**时才切换接入点，后续工具执行异常不会误判正常接入点为故障。
-- 推理模型、视觉模型不受影响，仍各自独立配置。
+- 备用接入点切换只作用于聊天模型；推理模型和视觉模型仍使用各自接入点，其中视觉模型自身的失败重试也使用统一退避。
 - `/jgpt reload` 会重建接入点列表并清空冷却状态。
 
 ## 工具系统