让AI Agent按时干活:learn-nanobot子Agent机制与CronJob定时任务配置实战
让AI Agent按时干活:learn-nanobot子Agent机制与CronJob定时任务配置实战
学 AI Agent 却只能陪聊,不会主动干活?learn-nanobot 学习指南带你吃透 HKUDS/nanobot 的两大核心机制:SubAgent 子代理(后台并发执行耗时任务)和 CronJob 定时任务(让 Agent 到点自动开工)。本文用 3 个真实场景 + 一步步配置演示,帮新手快速掌握"如何给 AI Agent 派活、按时收工"。
为什么你的 AI Agent 只会"陪聊",不会"按时干活"?
大多数 Agent 的工作方式是同步的:你发一条消息,它处理完才回复。这带来三个典型痛点:
| 场景 | 痛点 |
|---|---|
| "帮我调研 Rust 和 Go 的对比" | 要跑 10 分钟,用户只能干等 |
| "每天早上 8 点发我新闻摘要" | 需要定时触发,不是一次性对话 |
| "同时查天气、分析这份代码" | 两个任务本可以并行处理 |
上图展示了 nanobot 主 Agent 的基本循环:接收消息 → LLM 推理 → 工具执行 → 返回结果。所有消息(包括定时任务、后台任务的回报)都会走同一条 MessageBus 消息总线进入这个循环——这正是子 Agent 与定时任务能够无缝"接活"的关键。
nanobot 给出的解法很清晰:
- 耗时后台任务 → 用 SubAgent(子代理) 后台执行,主对话不阻塞
- 定时触发任务 → 用 Cron(CronJob 定时任务) 到点自动发送预设指令
- 周期性自主检查 → 用 Heartbeat(心跳) 定期唤醒 Agent 自行判断
SubAgent 子代理机制:一句话派活,后台并行执行
spawn 工具:主Agent如何"生孩子"干活
主 Agent 调用 spawn 工具即可启动一个子代理,整个过程像这样:
你:帮我详细调研 Rust 和 Go 的对比
Agent:好的,任务比较耗时,我启动一个后台任务。
[调用 spawn,task: "详细调研 Rust 和 Go 的对比..."]
Agent:后台调研已启动,完成后通知你,你可以继续问别的。
(几分钟后)
Agent:调研完成!以下是 Rust 和 Go 的详细对比...
后台由 SubagentManager 统一管理所有子代理的生命周期:收到 spawn 请求后创建 SubAgent 实例,用 asyncio.create_task 在后台运行,完成后通过 MessageBus 把结果发回父会话。
SubAgent 的三大限制(面试高频考点)
子代理不是"小号主 Agent",它被刻意限制了能力边界:
| 对比维度 | 主Agent | SubAgent |
|---|---|---|
| 迭代上限 | 40 次 | 仅 15 次 |
| 工具集 | 完整工具集 | 受限工具集 |
| 与用户交互(message 工具) | 可用 | 不可用 |
| 再启动子代理(spawn 工具) | 可用 | 禁用(防递归) |
| 创建定时任务(cron 工具) | 可用 | 禁用(防递归) |
| 执行方式 | 前台同步 | 后台异步,完成即终止 |
这套"受控并行"设计值得细品:
- 15 次迭代上限:子代理只做单一任务,15 次不够说明任务该拆了,防止资源失控
- 禁止 message:子代理不直接面对用户,结果一律走 MessageBus 回报
- 禁止 spawn / cron:子代理不能再生子代理,定时任务里不能再造定时任务——从工具层就掐断"指数级增长"的可能
结果如何回传给你?
SubAgent 完成后会构建一条 InboundMessage(channel 为 internal、sender 为 subagent),通过 MessageBus 发回父会话,主 Agent 把它当作普通消息消费并整合进对话。你感知到的只是:"哦,后台任务完成了。"
CronJob 定时任务配置实战:三步让Agent定点上班
nanobot 的定时任务基于 APScheduler 调度器实现,Agent 通过 cron 工具即可完成全部操作,无需写代码。
第一步:用 add 创建定时任务
对 Agent 说一句"每天早上 8 点给我发科技新闻摘要",它会调用 cron 工具:
{
"action": "add",
"name": "daily_news",
"schedule": { "cron_expr": "0 8 * * *", "tz": "Asia/Shanghai" },
"message": "请搜索今天的科技新闻,整理成摘要发给我"
}
其中 schedule 支持三种写法,按需选择:
| 配置方式 | 示例 | 适用场景 |
|---|---|---|
every_seconds |
{"every_seconds": 3600} |
固定间隔,如每小时提醒休息 |
cron_expr + tz |
"0 9 * * 1-5" |
经典 Cron 表达式:工作日 9 点 |
at |
"2026-10-25T09:00:00" |
指定时间只执行一次 |
Cron 表达式五个字段依次是 分、时、日、月、星期,常用示例:0 */2 * * *(每 2 小时)、30 18 * * 5(每周五 18:30)、0 0 1 * *(每月 1 日零点)。
第二步:用 list 查看任务清单
对 Agent 说"列出所有定时任务",它会以 list 操作返回每个任务的名称、调度规则、下次执行时间和触发消息,方便核对是否配置正确。
第三步:用 remove 清理任务
不需要的任务直接说"删除 daily_news 任务"即可,Agent 会执行 remove 操作。创建、查看、删除,三个动作全部通过自然语言对话完成——这就是"配置即对话"的体验。
执行流程与防递归红线
定时任务触发时,CronService 会把预设的 message 包装成一条 channel: "cron" 的消息注入 MessageBus,Agent 像处理普通用户消息一样执行任务,结果再发回原会话。
⚠️ 这里有一条安全红线:在 cron 触发的执行上下文中,cron 工具会直接拒绝 add 操作。为什么?
cron_A:"每分钟执行一次,内容就是再创建一个每分钟执行的 cron"
t=1 分钟 → 新增 1 个任务
t=2 分钟 → 任务变成 4 个
t=3 分钟 → 任务变成 16 个
……指数增长,系统直接被拖垮
防递归和 SubAgent 的限制一脉相承:在特定上下文中收走特定工具的权限,这是最小权限原则在 Agent 系统中的落地,也是面试中展示"系统设计思维"的好素材。
Heartbeat 心跳:让Agent自己"找活干"
Cron 是"闹钟"——明确告诉你 8 点要做什么;而 Heartbeat 更像"保安巡逻"——每隔固定时间把 Agent 唤醒,由它自主判断有没有事要处理。它通过 config.json 配置:
{
"agents": {
"defaults": {
"heartbeat": {
"enabled": true,
"interval_s": 1800,
"keep_recent_messages": 5
}
}
}
}
| 字段 | 说明 |
|---|---|
enabled |
是否启用心跳 |
interval_s |
唤醒间隔(秒),1800 即每 30 分钟 |
keep_recent_messages |
唤醒时只保留最近 N 条消息做上下文,省 token |
三者组合起来就是一套完整的"AI 员工"调度体系:
- Heartbeat 每 30 分钟巡逻:发现新邮件 → 顺手
spawn一个子代理处理 - Cron 定点上班:每天 8 点发日程、每周五 17 点生成周报
- SubAgent 按需顶岗:调研、汇总等耗时活儿全部后台消化
💡 实战建议:在
AGENTS.md里写清"收到心跳时该检查什么"(如检查 TODO.md、有无新文件),Agent 的巡逻才会有的放矢。
快速上手:跟着项目练一遍
仓库的 projects/ 目录提供了可直接运行的示例,建议按此顺序动手:
- 第一个 Agent:跑通 projects/01-hello-nanobot/,配置参考 config.json
- 多平台日报 Bot:projects/04-multi-platform-bot/ 接入了 Telegram 与飞书,内含日报生成技能 daily-report/SKILL.md——给它的 config 里加上 heartbeat 配置,就是一个"会巡逻"的工作助手
- 理论深读:docs/10-subagent-and-cron/README.md 完整覆盖本章机制、协作关系与 4 道面试高频题
- 项目落地:docs/12-nanobot-real-projects/README.md 的智能运维助手项目就是"cron + 工具调用"的组合拳
小结
| 机制 | 一句话记忆 | 触发方式 |
|---|---|---|
| SubAgent | 后台顶岗,受控并行 | 主Agent 调用 spawn |
| CronJob | 闹钟式定点任务 | every_seconds / cron_expr / at |
| Heartbeat | 巡逻式自主检查 | 固定间隔唤醒 |
记住三个关键词——受控并行、防递归、最小权限,你就掌握了 nanobot 并发与调度体系的核心,面试中足以应对"你的 Agent 如何管理后台任务"这类问题。动手把本文的三个练习跑一遍,你的 AI Agent 就能真正"按时干活"了 🚀


