1. 幂等性设计 (Idempotency)
AI 节点在遇到网络波动或strict_mode 校验失败时，会根据协议中的 max_retries 触发多次调用。
- 要求：Skill 接口必须支持幂等（尤其是涉及数据库写入或扣费的动作）。建议在请求 Header 中提取
X-Runly-Trace-ID作为幂等键。
2. 响应时间的“天花板” (Latency Control)
AI 任务通常是长链路的，如果外部 Skills 响应过慢，会产生链式延迟。- 建议：单次 Skill 调用响应应控制在 5s 以内；Knowledge 检索应控制在 1s 以内。如果任务耗时较长（如生成复杂报告），请改用异步模式（见协议的
ASYNC_PUSH规范）。
3. 数据脱敏与隐私 (Privacy by Design)
当 Knowledge Provider 返回背景知识给 Executor 时：- 建议：在服务端先行过滤 PII（个人身份信息）。不要将原始敏感数据直接塞入 AI 上下文，只返回推理所需的语义片段。
4. 友好的降级策略 (Graceful Degradation)
- 建议：当 Knowledge 检索不到匹配度高于
threshold的内容时，应返回一个结构化的“无匹配”说明，而不是返回 500 错误。这样可以引导 AI 节点进入“基于通用知识推理”的备选流。