新闻详情

新闻详情

首页 / 资讯中心 / 详情

让AI智能体主动干活:mercury-agent cron定时任务与心跳监控使用教程

发布时间:2026/11/21 11:02:58来源:尧图网络
让AI智能体主动干活:mercury-agent cron定时任务与心跳监控使用教程
让AI智能体主动干活mercury-agent cron定时任务与心跳监控使用教程【免费下载链接】mercury-agentSoul-driven AI agent with permission-hardened tools, token budgets, and multi-channel access. Runs 24/7 from CLI, Telegram or More.项目地址: https://gitcode.com/gh_mirrors/me/mercury-agentmercury-agent 是一款可 7×24 小时运行的 Soul 驱动型 AI 智能体内置cron 定时任务与心跳监控机制让你用一句话就能给 AI 排班到点主动干活、定期自我维护、异常主动预警。本文带你快速上手这两个主动性核心功能。为什么需要定时任务与心跳大多数 AI 工具是你问它答的被动模式而 mercury-agent 反过来你不在时它也在干活。⏰定时任务cron每天早上 9 点自动巡检服务器、每周一上午生成周报到点自己执行心跳监控Heartbeat智能体按固定间隔醒来一次做记忆整理、预算预警、任务预告保证长期运行不跑偏。配合守护进程模式后台运行智能体就像一位永不打盹的值班员一句话创建 cron 定时任务mercury-agent 的定时任务不需要手写配置文件——直接在对话里说人话即可调度核心实现在 src/core/scheduler.ts创建工具逻辑在 src/capabilities/scheduler/schedule-task.ts。循环任务使用标准 5 段 cron 表达式例如每天早上 9 点提醒我检查服务器对应0 9 * * *每周一上午 10 点做一份周报汇总一次性延迟任务例如15 分钟后提醒我休息2 小时后提醒我跟进部署进度任务触发时智能体会执行你指定的 **prompt提示词**或调用指定的skill技能。创建任务会经过权限确认防止误操作。管理你的任务列表查看与取消创建之后随时可以在对话里查询和撤销查看任务由 src/capabilities/scheduler/list-tasks.ts 提供列出所有计划中的任务❌取消任务由 src/capabilities/scheduler/cancel-task.ts 提供说取消那个每日巡检任务即可。更多细节可参考官方文档 website/docs/reference/scheduling.mdx。任务持久化重启也不丢所有定时任务都会写入~/.mercury/schedules.yaml文件见 src/core/scheduler.ts。这意味着重启 mercury-agent 后任务自动恢复无需重新创建一次性延迟任务会根据剩余时间补算倒计时不会因重启而错过src/core/scheduler.ts任务结果会回到创建它的那个渠道——在 Telegram 里创建就回 Telegram在 CLI 里创建就回终端。心跳监控智能体的定期体检心跳机制由配置项heartbeat.intervalMinutes控制默认60 分钟一次可通过环境变量HEARTBEAT_INTERVAL_MINUTES调整见 src/utils/config.ts。每次心跳醒来智能体会自动做三件事核心逻辑见 src/core/agent.ts心跳动作说明对你的价值 记忆维护清理 7 天以上的短期记忆巩固第二大脑长期记忆记忆库保持精炼检索更准 预算预警Token 日用量达到80%时主动推送剩余量提醒避免额度悄悄耗尽⏳ 任务预告5 分钟内即将触发的一次性任务提前提醒你重要事情不遗漏任务进行中的工作心跳除了空闲心跳智能体执行长任务时还会发送工作心跳CLI 界面中会显示一行持续更新的⏳ Working... Xs elapsed进度提示同一行原地更新不会刷屏Telegram、Discord 等渠道则按间隔推送进度消息。这个设计解决了长任务黑盒问题——你再也不会面对一个十几分钟毫无响应的智能体每一步都看得见。上手建议从这 3 个场景开始每日站会式巡检每天早上自动检查服务器状态并推送摘要周报自动化每周一上午汇总本周工作生成报告发到你的 Telegram额度护栏把心跳间隔调短如 30 分钟让预算预警更及时。创建任务时给 prompt 写得越具体执行效果越好。结合 token 预算与多渠道路由mercury-agent 的 cron 定时任务 心跳监控让AI 主动干活从概念变成日常。【免费下载链接】mercury-agentSoul-driven AI agent with permission-hardened tools, token budgets, and multi-channel access. Runs 24/7 from CLI, Telegram or More.项目地址: https://gitcode.com/gh_mirrors/me/mercury-agent创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/20 0:44:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/19 15:17:14

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/20 20:45:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/20 16:11:20

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/20 18:41:01

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/20 0:44:55

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉