OpenJarvis Daily Digest 实战指南:用 orchestrator Agent 构建你的每日晨间新闻简报

原创2026-09-23 20:55:491,843 阅读

OpenJarvis Daily Digest 实战指南:用 orchestrator Agent 构建你的每日晨间新闻简报

导读

Daily Digest 是 OpenJarvis 仓库中的一个轻量级示例(examples/daily_digest),它演示了如何用约 100 行 Python 代码构建一个"晨间简报(morning briefing)"型 AI Operator:自动搜索你指定主题的最新新闻,由 LLM 归纳为结构化摘要,并可落盘保存。读完本文,你将掌握 OpenJarvis 高阶 SDK(Jarvis.ask)与 orchestrator 智能体、web_search 与 think 两个工具的完整组合用法,并能自行定制主题、模型与引擎。

一、示例概览与核心思想

Daily Digest 是一个面向"每日定时信息聚合"场景的参考实现,它展示了 OpenJarvis 中一条重要的落地模式:用一个具备工具调用能力的 agent(orchestrator)去完成"搜索 → 推理 → 汇总"的多步任务。它与你可能在 docs/user-guide/morning-digest.md 中见到的语音晨报(TTS 播报、连接 Oura/Gmail/日历等个人数据源)不同,本示例更聚焦、更轻量——它只依赖 Web 搜索与模型推理两项能力,不要求任何个人数据源授权,是体验 OpenJarvis agent 编排能力的最低门槛入口。

示例目录包含两个文件:

二、环境要求

运行 Daily Digest 需要满足两个前提:

  1. OpenJarvis 已安装。仓库根目录使用 uv 管理依赖:

    git clone https://github.com/open-jarvis/OpenJarvis.git
    cd OpenJarvis
    uv sync                # 基础依赖
    # 或安装含开发依赖的完整环境
    uv sync --extra dev
    
  2. 有一个推理引擎正在运行。OpenJarvis 支持 Ollama、云端 API、vLLM 等多种引擎后端(详见 configs/openjarvis/config.toml 中 [engine.*] 各节的 host 配置)。最省事的做法是本地启动 Ollama:

    ollama serve
    ollama pull qwen3:8b   # 或你偏好的任意模型
    

    脚本默认使用 ollama 引擎与 qwen3:8b 模型,这两个默认值都可被命令行参数覆盖(见下一节)。

三、命令行用法

脚本入口是 daily_digest.py,三种典型运行方式如下(与 examples/daily_digest/README.md 中的用法完全一致):

# 查看全部参数说明
python examples/daily_digest/daily_digest.py --help

# 最小用法:使用默认模型(qwen3:8b)与默认引擎(ollama)生成三个主题的简报
python examples/daily_digest/daily_digest.py --topics "AI,robotics,space"

# 自定义模型、引擎,并将结果保存到文件
python examples/daily_digest/daily_digest.py --topics "finance,crypto" \
    --model gpt-4o --engine cloud --output digest.md

3.1 命令行参数详解

对照 daily_digest.py 中的 argparse 定义,共有四个参数:

参数 默认值 说明
--topics AI,tech 逗号分隔的主题列表,每个主题都会触发一轮独立的新闻搜索
--model qwen3:8b 用于生成简报的模型名
--engine ollama 推理引擎后端,可选 ollama、cloud、vllm 等,需与已运行的引擎匹配
--output 无 可选的文件路径,指定后将简报文本写入该文件

需要注意两点细节:

  • --topics 会被按逗号切分并去除空白([t.strip() for t in args.topics.split(",") if t.strip()]),空列表会直接报错退出;
  • 日期由脚本自动取 UTC 当天(datetime.now(timezone.utc)),并拼入提示词,保证模型知道"今天是几号",从而产出真正面向当天的简报。

四、工作原理:一次调用,两条工具链

Daily Digest 的核心调用链非常简洁(见 daily_digest.py):

from openjarvis import Jarvis

j = Jarvis(model=args.model, engine_key=args.engine)
response = j.ask(
    prompt,
    agent="orchestrator",
    tools=["web_search", "think"],
)
j.close()

即:创建一个 Jarvis 实例(模型与引擎可在此覆盖),以 orchestrator 为智能体、携带两个工具发起一次 ask。返回的 response 就是完整的简报文本。

4.1 底层调用链:SDK → Agent → 工具循环

从 src/openjarvis/sdk.py 可以看到,Jarvis.ask 在指定 agent 参数后走 _run_agent 路径(sdk.py#L443-L599):

  1. 从 AgentRegistry 中按名字取出 agent 类;
  2. 通过 _build_tools 把 ["web_search", "think"] 两个名字解析为真实的工具对象;
  3. 实例化 agent 并注入安全层(capability policy、rate limiter)、事件总线与系统提示词构建器;
  4. 调用 agent_obj.run(query, context=ctx) 执行多轮工具调用循环。

而 orchestrator 对应的是 src/openjarvis/agents/orchestrator.py 中注册的 OrchestratorAgent(@AgentRegistry.register("orchestrator"),默认 max_turns = 10)。其工作方式是标准的工具调用循环(tool-calling loop):

  1. 携带工具定义(OpenAI 格式)向引擎发送消息;
  2. 若响应含 tool_calls,执行工具并把结果作为 TOOL 角色消息追加回对话;
  3. 若无工具调用,则将当前内容作为最终答案返回;
  4. 超过 max_turns 轮仍未收敛则以当前内容收尾。

也就是说,"搜索每个主题 → 对结果进行推理与优先级排序 → 撰写每个主题的要点与结尾展望段"这一整套行为,并不是硬编码在脚本里的,而是由提示词驱动、由 orchestrator agent 自主编排完成的。

4.2 web_search:多引擎搜索工具

web_search 工具的实现位于 src/openjarvis/tools/web_search.py(注册名为 web_search)。它的关键设计是引擎选择显式化:支持 auto、youcom、tavily、duckduckgo、serply 五种取值(由 OPENJARVIS_WEB_SEARCH_ENGINE 环境变量或构造参数指定)。在 auto 模式下按以下优先级解析实际引擎:

  • 设置了 TAVILY_API_KEY → Tavily;
  • 设置了 YOUDOTCOM_API_KEY → You.com(带 key);
  • 设置了 SERPLY_API_KEY → Serply(Google SERP 代理);
  • 以上均无 → You.com 免 key 免费档(无需注册,按 IP 限流)——这意味着全新安装、零配置即可完成联网搜索;
  • 任何引擎失败时,最后兜底降级为 DuckDuckGo 抓取,并以 WARNING 日志记录降级原因。

此外,该工具对含 URL 的查询会直接抓取页面正文(自动处理重定向、SSRF 防护、PDF 提示、正文截断),并支持 Tavily/You.com/Serply/DuckDuckGo 四种来源的结果格式化输出。

4.3 think:零成本推理草稿纸

think 工具实现在 src/openjarvis/tools/think.py(注册名 think,类别 reasoning)。它不产生任何外部副作用,作用是为模型提供一个"推理草稿纸":模型可以先通过 think 把思路、优先级判断写下来,再决定最终答案结构。在 Daily Digest 场景中,它让模型在动笔汇总前先整理各主题的新鲜度与重要度,从而产出更有序的简报。

4.4 提示词设计

脚本内置的提示词(daily_digest.py#L70-L78)向模型明确了四条要求:

  1. 角色设定:你是晨间简报助手;
  2. 行为约束:使用 web_search 查找最新信息,用 think 组织发现后再写;
  3. 输出结构:每个主题 3–5 条要点,覆盖最重要进展;
  4. 结尾要求:一段当日 outlook 展望。

五、输出与文件保存

脚本运行时会先打印一个分隔横幅(含日期与主题列表),随后打印完整的简报文本。若指定了 --output,还会把响应原文写入该文件并打印确认信息。整个交互过程中,引擎初始化失败(如 Ollama 未启动)与生成过程异常都会被捕获并给出可操作的提示(如"确保 ollama serve 已运行"),随后以非零退出码结束。

六、进阶方向

Daily Digest 是"搜索型 Operator"的最小范式,仓库中同族能力可进一步探索:

  • 定时化:参考 docs/tutorials/scheduled-ops.md 的 cron 调度模式,把本脚本接入 OpenJarvis 的 scheduler,即可实现每天早晨自动产出简报;
  • 个人数据源:若希望简报融入健康、邮件、日历、天气等个人数据(并支持 TTS 语音播报),可参考 docs/user-guide/morning-digest.md 的 [digest] 配置体系(sections、persona、tts_backend 等)与 jarvis digest CLI;
  • 消息投递:将简报输出接入 Discord/Slack/Telegram 等渠道,可参见 docs/user-guide/channels.md;
  • 其他 Operator 配方:仓库的 src/openjarvis/recipes/data/operators 目录还提供了 news_briefing、researcher、sentinel、repo_watcher 等同类 TOML 配方,可作为扩展参考。

七、常见问题排查

  • Error: openjarvis is not installed:说明 openjarvis 包未导入成功,回到仓库根目录执行 uv sync --extra dev 后重试;
  • could not initialize Jarvis:通常是推理引擎未就绪。检查 ollama serve(或其他引擎)是否已启动、模型是否已 ollama pull;
  • 搜索结果为空或质量差:检查 web_search 引擎解析结果——默认走 You.com 免 key 档,若触发 402/429 限流可设置 TAVILY_API_KEY/YOUDOTCOM_API_KEY 升级(提示信息会给出明确指引);
  • 模型不理解工具:部分本地小模型对 function-calling 支持较弱,可改用能力更强的模型,或切换 --engine cloud 使用云端模型。

结语

Daily Digest 用最少的代码完整展示了 OpenJarvis 的 agent 编排能力:一条 Jarvis.ask 调用,串联起 orchestrator 的多轮工具循环、web_search 的多引擎搜索与 think 的推理组织,最终产出一份结构化的每日新闻简报。它既是"从 0 到 1 体验 OpenJarvis SDK"的最佳起点,也是构建更复杂定时信息聚合任务(个人简报、行业监控、竞品跟踪)的可靠样板。

登录后查看全文
OpenJarvis