OpenJarvis Daily Digest 实战指南:用 orchestrator Agent 构建你的每日晨间新闻简报
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:
- examples/daily_digest/README.md — 使用说明(本文的骨架来源);
- examples/daily_digest/daily_digest.py — 完整可运行的实现脚本。
二、环境要求
运行 Daily Digest 需要满足两个前提:
-
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 -
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):
- 从
AgentRegistry中按名字取出 agent 类; - 通过
_build_tools把["web_search", "think"]两个名字解析为真实的工具对象; - 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;
- 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):
- 携带工具定义(OpenAI 格式)向引擎发送消息;
- 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; - 若无工具调用,则将当前内容作为最终答案返回;
- 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:
- 角色设定:你是晨间简报助手;
- 行为约束:使用
web_search查找最新信息,用think组织发现后再写; - 输出结构:每个主题 3–5 条要点,覆盖最重要进展;
- 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 digestCLI; - 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。