一句话定义：Fallback 指的是当主模型或主链路不可用时，系统自动切到一套备用方案，让请求仍然返回一个"够用"的结果，而不是直接报错。
它解决的是一类很常见的问题：模型会超时、会被限流、会返回 5xx 错误，极端情况下整条服务都不可用。用户并不关心是哪一层出了问题，他只想拿到答案。所以成熟的 AI 服务会准备一条"阶梯"：先试主模型；失败就重试一两次；再不行换一个同级备用模型；还不行换更小更快的模型，牺牲一点质量换响应；仍然不行就退到规则、缓存或模板话术。
打个比方：电梯坏了走楼梯，高铁停运改签下一班，招牌菜卖完了服务员推荐替代菜——实在不行先上一碗面，总比让你饿着强。Fallback 就是这个"先上一碗面"的机制。
做 Fallback 有几个容易踩的坑。一是必须有超时预算（timeout budget）：整条链路总共只有几秒，不能每个备用方案都干等三十秒。二是要学会熔断（circuit breaker）：某个上游连续报错时，直接快速失败，别把线程全堆在那儿。三是警惕降级风暴：主模型一挂，流量瞬间砸到备用模型上，备用模型也被打垮，这时限流（rate limit）和排队就是必要的。四是降级最好留痕——日志里标清楚用了哪条路径，否则质量悄悄下滑，你只会看到"最近回答变笨了"却查不出原因。
它和几个邻居概念的区别：
| 概念 | 触发后做什么 | 关键点 |
|---|---|---|
| 重试 Retry | 同一个目标再发一次 | 只治偶发抖动，次数要克制 |
| 降级 Fallback | 换模型、换通道或换兜底话术 | 保证"有结果"优先于"最优结果" |
| 熔断 Circuit Breaker | 直接不调用，快速失败 | 防止被拖垮，给自己留恢复时间 |
| 缓存 Cache | 返回之前算过的结果 | 快，但可能过时 |
| 限流 Rate Limit | 挡住过多请求 | 保护上游和自己 |
对从业者来说，降级路径应该和主路径一样被当成正式功能来设计、测试和演练：压测时故意把主模型打挂，看备用链路能不能接住，接住的结果质量如何，用户能不能感知。对普通职场人来说，你遇到"当前请求较多，已为你切换到精简模式"，或者回答明显简短了一些，往往就是它在工作。它不制造惊喜，只负责不让体验断崖。具体阈值、超时时间、备用模型清单，以各家产品的官方页面为准。