帮我盯着这件事：定时监控与主动提醒的场景设计与自动化技巧

"每天帮我看一下有没有新邮件，有重要的就提醒我" —— 这句话把 Agent 从"被动应答"变成了"主动服务"。本文拆解定时监控和主动提醒的场景设计，分享让 Agent 成为你的"值班助手"的自动化技巧。

场景画像

高频指令：

• "每天帮我检查一下新邮件"
• "每小时看一下有没有 AI 新闻"
• "提醒我明天下午 3 点开会"
• "每周五下午提醒我写周报"
• "帮我盯着这个关键词的新闻"

为什么"主动提醒"是 Agent 的分水岭：

大多数 AI 助手是"你问我答"的模式——用户不发消息，助手就沉默。但真正有价值的助手应该能主动发现问题并通知你。这就是 CountBot 的 Cron 系统 + Heartbeat 系统的价值所在。

场景拆解：三种监控模式

模式一：定时检查 + 条件通知

"每天早上检查邮件，有重要的才通知我"

Cron 任务配置：
  Schedule: 0 9 * * *（每天早上 9 点）
  Message: 检查最近 24 小时的新邮件。
           如果有来自 @company.com 的邮件，或主题含"紧急""审批"的邮件，
           整理成摘要通知我。
           如果全是订阅和通知类邮件，不用打扰我。

关键点在于"条件通知"——Agent 不是每次都推送，而是判断后决定是否推送。这依赖 LLM 的推理能力。

模式二：周期性信息聚合

"每天下午 6 点帮我整理 AI 新闻"

Cron 任务配置：
  Schedule: 0 18 * * *（每天下午 6 点）
  Message: 搜索今天的 AI 技术新闻和社区动态，
           筛选出最重要的 5 条，生成简报。
           如果有重大发布（新模型、重要论文），在标题前加“重点”标记。

模式三：一次性提醒

"提醒我明天下午 3 点开会"

Agent 会创建一个一次性的 Cron 任务：

Schedule: 0 15 18 2 *（2 月 18 日 15:00）
Message: 提醒领导：下午 3 点有部门会议。

提示词技巧：让监控更智能

技巧一：定义"重要"的标准

Agent 需要知道什么算"重要"，什么可以忽略：

帮我创建一个邮件监控任务，每 4 小时检查一次。
重要邮件的标准：
- 来自 @company.com 的任何邮件
- 主题含"紧急""审批""deadline""会议"
- 来自我记忆中标记为"重要联系人"的发件人
不重要的：
- 订阅推送、系统通知、营销邮件
只在有重要邮件时通知我。

技巧二：渐进式监控频率

不同类型的监控需要不同的频率：

监控类型	建议频率	Cron 表达式
邮件检查	每 4 小时	0 */4 * * *
新闻聚合	每天 1 次	0 18 * * *
天气预警	每天 2 次	0 8,20 * * *
关键词监控	每 2 小时	0 */2 * * *
周报提醒	每周五	0 16 * * 5

技巧三：组合监控 + 行动

不只是通知，还可以让 Agent 采取行动：

每天早上 8 点：
1. 检查新邮件，有重要的通知我
2. 查询今天天气，如果有雨提醒我带伞
3. 读取记忆中今天的待办事项
4. 把以上信息整合成一条早报发给我

这实际上就是前面讲的"每日早报"场景，但从"监控"的角度来理解更直观。

技巧四：利用 Heartbeat 实现"关怀式提醒"

CountBot 内置的 Heartbeat 系统是一种特殊的主动提醒——它不是基于固定规则，而是基于用户行为：

Heartbeat 触发条件：
1. 当前时间在 8:00-22:00（上海时间）
2. 用户空闲超过 4 小时
3. 今天还没有问候过
4. 50% 的随机概率（让时间分布自然）

Heartbeat 生成的问候会参考用户的最近记忆，所以可能会说：

"领导，下午好。对了，你昨天提到的项目方案截止日期是后天，需要我帮忙整理吗？"

这种"记忆感知的主动关怀"是纯规则系统做不到的。

技巧五：监控结果的持久化

每次监控结果都帮我记录到记忆里，格式：
"[日期] [监控类型] [结果摘要]"
这样我以后可以问"上周的邮件监控发现了什么"。

技术细节：Cron 系统的精确唤醒

CountBot 的 CronScheduler 不使用固定间隔轮询（如每分钟检查一次），而是计算下一个最近的触发时间，然后精确 sleep：

async def _get_next_wake_time(self):
    """遍历所有启用的任务，找到最近的 next_run"""
    ...

def _arm_timer(self):
    """设置定时器，精确到秒"""
    delay = (self._next_wake - now).total_seconds()
    self._timer_handle = self._loop.call_later(delay, self._on_timer)

这种设计的优势：

• 零空闲 CPU 消耗：没有任务要执行时，调度器完全休眠
• 精确触发：误差在秒级
• 动态调整：新增或修改任务后，自动重新计算下一个唤醒时间

任务执行的隔离性

每个 Cron 任务的执行都被 _execute_job_safe 包装：

async def _execute_job_safe(self, job):
    try:
        await self._execute_job(job, service)
    except Exception as e:
        logger.error(f"Job {job.id} failed: {e}")
        # 失败不影响其他任务

这意味着即使某个监控任务失败（比如邮件服务超时），其他任务不受影响。

实战案例：构建个人监控仪表盘

把多个监控任务组合起来，构建一个完整的个人监控体系：

任务 1：每天 8:30 — 邮件分拣 + 天气 + 待办 → 早报
任务 2：每天 12:00 — AI 新闻快报
任务 3：每天 18:00 — 全天邮件回顾 + 明日预告
任务 4：每周五 16:00 — 周报提醒 + 本周记忆回顾
任务 5：每月 1 日 9:00 — 月度总结提醒

所有这些任务都通过 Cron 系统自动执行，结果通过 WebSocket 或渠道推送到用户。用户只需要在初始设置时花 5 分钟配置，之后就是纯被动接收。

边界与局限

• Cron 表达式学习成本：普通用户可能不熟悉 cron 语法，但 Agent 可以将自然语言转化为 cron 表达式
• 进程重启后恢复：CountBot 重启后会自动恢复所有定时任务（从数据库读取）
• 一次性任务清理：执行完的一次性任务需要手动删除或等待自动清理
• 时区问题：当前 Heartbeat 硬编码为上海时区（UTC+8）

小结

定时监控和主动提醒是 AI Agent 从"工具"进化为"助手"的关键能力。CountBot 的 Cron 系统（精确按需唤醒）+ Heartbeat 系统（行为感知的主动关怀）+ 记忆系统（偏好积累），构成了一个完整的"主动服务"体系。关键技巧是：定义清晰的"重要"标准、设置合理的监控频率、组合监控与行动、利用记忆实现个性化。当这些监控任务运行起来后，Agent 就真正成为了你的"24 小时值班助手"。