AI流程执行中断率怎么统计：按中断次数还是受影响任务数

统计AI流程执行中断率时，按中断次数和按受影响任务数计算都成立，它们回答的是两个不同问题。中断频次率反映流程运行是否稳定，任务影响率反映有多少业务任务被波及。建议同时保留两个口径，对外汇报或验收以任务影响率为主、频次率为辅，并固定时间窗、去重规则和分母来源，让结果可以复算和比较。

要点总览（TL;DR）

• 中断率建议同时保留两个口径：按中断次数算“中断频次率”，按受影响任务数算“任务影响率”，两者回答的问题不同。
• 中断频次率 = 中断事件次数 ÷ 流程执行总次数 × 100%，反映流程运行稳定性，适合监控与问题定位。
• 任务影响率 = 至少中断一次的任务数 ÷ 进入流程的任务总数 × 100%，反映业务波及面，适合对外汇报与验收。
• 同一任务多次中断在任务影响率中只计一次，重试产生的执行计入频次率分母；两个指标须使用同一时间窗和同源分母。
• 中断率是描述性指标，需结合中断原因分类、人工接管率、恢复时长一起解读，不设通用达标线，以自身基线趋势判断。

先定评估目标：你要回答稳定性还是业务影响

中断率的分母和分子一旦确定，指标的含义就固定了。选择按中断次数还是按受影响任务数，本质上取决于评估要回答的问题。把目标先说清楚，可以避免团队在公式上反复争论，却算出一个无法解释的数字。

中断频次率回答“流程本身稳不稳”。它统计统计窗口内AI流程执行中断的事件次数，再除以同一窗口内的流程执行总次数。这个口径对每一次执行一视同仁，适合观察流程运行的连续性、版本发布后的稳定性变化，以及某类中断是否在增多。

任务影响率回答“业务被波及多少”。它统计至少经历一次中断的任务数，再除以同一窗口内进入该流程的任务总数。这个口径以任务为单位，一个任务无论中断几次都只计一次，适合向业务方说明影响面，也适合验收场景中判断自动化是否真正支撑了业务流转。

单一指标容易产生误导。一次中断如果卡住了批量任务，频次率可能很低，任务影响率却很高；反过来，一个任务反复重试失败，频次率被拉高，任务影响率仍然只反映一个任务。两种情形对应的处理动作不同：前者要查单点故障的扩散范围，后者要查特定任务的输入或依赖问题。

建议的分工是：任务影响率作为主口径，用于对外汇报、阶段验收和业务影响评估；中断频次率作为辅助口径，用于稳定性监控和问题定位。两个指标并列展示，并注明各自的统计窗口和分母来源，读者才能正确理解数值差异。

指标与范围：中断、任务、时间窗怎么界定

中断率是否可信，首先取决于“中断”和“任务”有没有被清楚定义。定义不清时，不同人统计同一段流程会得到不同结果，后续的去重和比较也失去基础。建议在统计前形成一份口径说明，逐项列明纳入和排除的情形。

什么算一次AI流程执行中断

中断指一次流程执行未能按预期完成，需要记录为一个中断事件。常见情形包括：执行失败并终止、执行超时、触发人工接管、等待外部依赖超时后放弃、输出校验不通过而中止。不同团队可以根据流程特点增减情形，但一旦确定就应在统计周期内保持一致，变更口径时要在报告中注明。

需要区分“中断”和“异常提示”。流程内部捕获并自动恢复的告警，如果没有导致本次执行失败或转人工，通常不计为中断事件；如果团队希望观察这类波动，可以单独设一个“告警率”指标，避免与中断率混在一起。

任务与流程执行次数的区别

任务是业务对象，例如一个需求评审、一次代码合并检查、一张工单处理；流程执行是任务进入自动化流程后的一次运行。一个任务可能因为重试、补充输入或分段处理而触发多次执行。统计频次率时以执行为单位，统计任务影响率时以任务为单位，两者的分母因此不同，不能互相替代。

时间窗与统计周期

两个指标必须使用同一时间窗，例如按自然周、按迭代周期或按发布批次。时间窗决定分子和分母的截取范围：在窗口内开始的执行计入分母，在窗口内发生的中断事件计入分子。跨窗口的长任务需要约定归属规则，常见做法是按任务进入流程的时间归属，避免同一任务在两个周期被重复统计。

纳入与排除范围

以下范围建议在口径中明确：

• 重试：重试产生的执行计入执行总次数；重试后成功，不改变该任务已发生中断的事实，任务影响率中该任务仍计为受影响一次。
• 人工取消：由业务方主动取消的执行，通常不计为中断，但应从执行总次数中排除或单独标注，避免稀释分母。
• 测试环境：测试与调试环境的执行默认排除，除非评估目标就是测试流程本身。
• 计划内停机与配置变更：因平台维护导致的执行失败，可单独归类并从常规中断率中剔除，同时在报告中说明剔除量。

数据口径与证据：分子分母从哪里取

中断率要能复算，取数来源、去重键和缺失值处理都需要写清楚。建议把每个数字追溯到具体记录，而不是只保留一个汇总结果。

取数来源

数据项	建议来源	用途
流程执行记录	流程运行日志、执行实例表	提供执行总次数、执行ID、开始与结束时间、执行状态
中断事件	执行日志中的失败、超时、转人工记录	提供中断次数、中断类型、发生时间
任务信息	任务工单、工作项状态记录	提供任务ID、任务进入流程时间、任务当前状态
人工接管记录	接管操作日志或处理记录	识别因人工介入而终止的执行为中断

当执行记录与任务状态分散在不同系统中时，需要用任务ID或执行ID做关联。关联字段的完整性直接决定去重是否准确，建议在统计前先做一次关联率检查，关联不上的记录单独列出。

去重键与去重规则

中断事件建议以“执行ID + 中断发生时间”作为唯一标识，同一次执行因同一原因重复上报的记录只保留一条。任务影响率以任务ID去重：同一任务在统计窗口内发生多次中断，只计为受影响任务一次。如果任务在窗口内被重新发起并形成新的任务实例，需要按任务定义判断是否视为同一任务，规则应写入口径说明。

缺失数据与状态未回写

日志断档、状态未回写、执行记录缺失会让分子或分母偏小。处理方式建议是：先统计缺失记录数量并在报告中披露；对无法判断是否中断的执行，不计入分子，但保留在分母中，同时标注不确定记录占比；缺失比例超过约定阈值时，该周期的指标只作趋势参考，不用于验收结论。

在研发流程场景中，中断事件和任务状态往往需要在同一处留痕。ONES 的工作项状态与流程记录可以承载任务从进入流程到完成或转人工的过程信息，便于按任务ID关联执行记录、核对中断次数，并在统计时按同一口径去重。取数前把状态字段和中断标记约定好，后续复算会省去大量人工核对。

计算步骤：两个公式与分母为零的处理

两个指标都使用百分比，保留一位或两位小数即可，关键是分子分母同源、同窗口。下表并列两个公式的口径，便于对照使用。

指标	分子	分母	单位	回答的问题
中断频次率	统计窗口内中断事件次数（按执行ID去重）	同一窗口内流程执行总次数	%	流程运行稳不稳
任务影响率	至少经历一次中断的任务数（按任务ID去重）	同一窗口内进入流程的任务总数	%	多少业务任务被波及

计算步骤可以固定为四步：

1. 确定时间窗和纳入范围，导出执行记录与任务记录。
2. 按去重键清洗中断事件，得到中断事件次数；按任务ID汇总，得到受影响任务数。
3. 分别统计执行总次数和任务总数，核对两者与原始记录的数量关系。
4. 套用公式计算，并按流程、团队或时间段分组输出。

分母为零时需要明确表述。某个流程在窗口内没有执行，频次率没有定义，应写“本期无执行，不计算”，不要写成0%。样本过小时，例如执行次数少于30次，建议同时给出绝对数和百分比，并注明样本量，避免用一个小样本的百分比下结论。

分组计算时保持口径一致：按流程分组，分母是该流程的执行次数或任务数；按团队分组，分母是该团队负责流程的执行次数或任务数。跨组汇总时先加总分子和分母再相除，不要对组内百分比取平均，否则会因各组样本量不同产生偏差。

算一个例子：同一批数据两种口径的差异

以下为演示数据，用于说明两个口径的计算差异，不代表任何真实系统表现。

假设某AI流程在一个自然周内的情况是：进入流程的任务共200个；这些任务共触发流程执行260次，其中20次因重试或分段处理产生；执行过程中记录到中断事件30次，涉及25个不同任务，其中一个任务中断了4次，另有2个任务各中断2次，其余受影响任务各中断1次。

中断频次率 = 30 ÷ 260 × 100% ≈ 11.5%。这个数值说明平均每次执行有约一成多的概率遇到中断，反映流程运行的稳定性水平。

任务影响率 = 25 ÷ 200 × 100% = 12.5%。这个数值说明有八分之一的任务在流转中至少被打断过一次，反映业务受影响的范围。

两个结果接近，但含义不同。如果换一组数据：一次批量执行中断导致50个任务同时卡住，中断事件只有1次，执行总次数为260次，则频次率约为0.4%，任务影响率为25%。频次率看起来很低，业务影响却明显更大。反过来，如果只有一个任务反复重试失败10次，频次率会被抬高，任务影响率仍然只反映一个任务。差异来源在于中断是否集中、波及面是否广，这也是两个口径需要并列展示的原因。

示例中的分母处理需要注意：重试产生的执行计入执行总次数，所以分母是260而不是200；任务影响率的分子按任务ID去重，30次中断只折算为25个受影响任务。统计时如果误用执行次数作任务影响率的分母，会得到偏低的数值，失去业务解释力。

解读与限制：指标能说明什么、不能说明什么

中断率是描述性指标，用来观察趋势和定位问题，不能单独作为流程质量的结论。解读时需要结合中断原因、任务粒度和配套指标，避免把数值高低直接等同于设计好坏。

中断率高不等于流程设计差。中断可能来自外部依赖不稳定、输入数据质量、权限配置或下游系统限流，原因不同，改进动作也不同。建议在统计中断率的同时按中断类型分类，例如执行失败、超时、人工接管、依赖超时，分别观察占比变化，再决定优先处理哪一类。

任务影响率受任务粒度影响。把一个大任务拆成多个小任务，受影响任务数会变化，指标随之波动。跨团队比较时必须确认任务定义和拆分规则一致，否则数值不可比。比较前先对齐口径，比事后解释差异更有效。

不设通用达标线。不同流程的复杂度、依赖数量和人工介入设计不同，中断率的合理区间也不同。建议以自身历史基线为参照，观察连续几个周期的趋势，结合版本发布和流程变更节点解释波动。确需设定目标时，应基于基线数据推导，并注明适用范围和统计窗口。

中断率需要与其他指标配合使用：人工接管率反映自动化在多大比例上需要人兜底；平均恢复时长反映中断发生后多久能回到正常流转；重试成功率反映系统自我恢复能力。几个指标一起看，才能判断问题是偶发波动还是结构性缺陷。

常见误用包括：用单周数据下结论、把不同口径的数值直接比较、忽略缺失记录导致分母偏小、把中断率下降直接归因于某次优化。规避方式是固定口径、披露样本量和缺失比例、在变更前后使用同一统计方法，并对归因保持谨慎。

常见问题

一个任务重试多次后成功，任务影响率里算不算受影响？

算。任务影响率统计的是“至少经历一次中断的任务数”，判断依据是任务在统计窗口内是否发生过中断，与最终是否成功无关。重试后成功只说明流程具备恢复能力，不改变该任务曾被中断的事实。

如果团队希望区分“中断后自愈”和“中断后仍需人工处理”，可以在任务影响率之外单独统计自愈任务占比，但不要把它并入任务影响率的分子或分母，否则口径会变得难以解释。

跨周期运行的长任务，中断应该记在哪个时间窗？

常见做法是按任务进入流程的时间归属，把该任务及其相关中断事件整体计入进入窗口，避免同一任务在两个周期被重复统计。另一种做法是按中断发生时间归属，适合观察中断的时间分布，但需要接受任务数与执行数在窗口间不完全对齐。

两种方式都能用，关键是全周期保持一致，并在口径说明中写明。切换归属方式时，前后两期的数值不可直接比较，应标注口径变更节点。

分母很小的时候，中断率还能直接对外报吗？

可以报，但要同时给出绝对数和样本量。例如“本期执行12次，中断2次，频次率约16.7%”，读者才能判断这个百分比的分量。执行次数很少时，百分比波动会被放大，单期数值更适合作为观察记录，不宜直接用于验收结论。

分母为零时写“本期无执行，不计算”，不要写成0%，两者含义完全不同。

中断原因分类应该分到多细？

建议先按处理动作分大类，例如执行失败、超时、人工接管、外部依赖超时、输出校验不通过，再在每类下按具体原因细分。分类粒度以“能对应到不同改进动作”为准：两类原因如果处理方式相同，可以合并；如果一类里既有配置问题又有下游限流，就值得拆开。

分类表确定后保持稳定，新增类别时在报告中注明，避免历史数据因分类变化而失去可比性。

中断率下降，能直接说明某次流程优化有效吗？

不能直接下这个结论。中断率受任务量、任务构成、外部依赖状态和统计口径共同影响，优化前后如果这些条件发生变化，数值波动可能来自其他因素。

更稳妥的做法是：优化前后使用同一口径和同一时间窗长度，同时观察中断原因分类的占比变化，看目标类型的中断是否真的减少；必要时对照未改动的流程作为参照。归因保持谨慎，结论才站得住。