用 Cron 自动化任何事情

每日简报机器人教程涵盖了基础知识。本指南更进一步——五种真实世界的自动化模式，你可以根据自己的工作流程加以改造。

核心概念

定时任务在全新的 Agent 会话中运行，不保留当前对话的记忆。提示词必须完全自包含——包含 Agent 所需的一切信息。

不需要 LLM？使用无 Agent 模式。

对于脚本已经能生成你想要发送的确切消息的周期性监控任务（内存警报、磁盘警报、CI 通知、心跳检测），可以使用纯脚本定时任务完全跳过 LLM。零 token 消耗，使用同一调度器。你可以在聊天中让 Hermes 帮你设置——cronjob 工具知道何时选择 no_agent=True 并为你编写脚本。

模式一：网站变更监控

监控某个 URL 的变化，仅在内容发生变化时发出通知。

script 参数是这里的秘密武器。每次执行前会运行一段 Python 脚本，其标准输出将成为 Agent 的上下文。脚本处理机械性工作（抓取、对比）；Agent 负责推理（这个变化是否值得关注？）。

创建监控脚本：

mkdir -p ~/.hermes/scripts

~/.hermes/scripts/watch-site.py
import hashlib, json, os, urllib.request

URL = "https://example.com/pricing"
STATE_FILE = os.path.expanduser("~/.hermes/scripts/.watch-site-state.json")

# Fetch current content
req = urllib.request.Request(URL, headers={"User-Agent": "Hermes-Monitor/1.0"})
content = urllib.request.urlopen(req, timeout=30).read().decode()
current_hash = hashlib.sha256(content.encode()).hexdigest()

# Load previous state
prev_hash = None
if os.path.exists(STATE_FILE):
    with open(STATE_FILE) as f:
        prev_hash = json.load(f).get("hash")

# Save current state
with open(STATE_FILE, "w") as f:
    json.dump({"hash": current_hash, "url": URL}, f)

# Output for the agent
if prev_hash and prev_hash != current_hash:
    print(f"CHANGE DETECTED on {URL}")
    print(f"Previous hash: {prev_hash}")
    print(f"Current hash: {current_hash}")
    print(f"\nCurrent content (first 2000 chars):\n{content[:2000]}")
else:
    print("NO_CHANGE")

设置定时任务：

/cron add "every 1h" "If the script output says CHANGE DETECTED, summarize what changed on the page and why it might matter. If it says NO_CHANGE, respond with just [SILENT]." --script ~/.hermes/scripts/watch-site.py --name "Pricing monitor" --deliver telegram

[SILENT] 技巧

当 Agent 的最终回复包含 [SILENT] 时，消息投递会被抑制。这意味着只有在真正发生变化时你才会收到通知——安静时段不会有骚扰。

模式二：每周报告

从多个来源汇总信息，生成格式化摘要。这个任务每周运行一次，投递到你的主频道。

/cron add "0 9 * * 1" "Generate a weekly report covering:

1. Search the web for the top 5 AI news stories from the past week
2. Search GitHub for trending repositories in the 'machine-learning' topic
3. Check Hacker News for the most discussed AI/ML posts

Format as a clean summary with sections for each source. Include links.
Keep it under 500 words — highlight only what matters." --name "Weekly AI digest" --deliver telegram

通过 CLI 方式：

hermes cron create "0 9 * * 1" \
  "Generate a weekly report covering the top AI news, trending ML GitHub repos, and most-discussed HN posts. Format with sections, include links, keep under 500 words." \
  --name "Weekly AI digest" \
  --deliver telegram

0 9 * * 1 是标准 cron 表达式：每周一上午 9:00。

模式三：GitHub 仓库监控

监控某个仓库的新 issue、PR 或发布。

/cron add "every 6h" "Check the GitHub repository NousResearch/hermes-agent for:
- New issues opened in the last 6 hours
- New PRs opened or merged in the last 6 hours
- Any new releases

Use the terminal to run gh commands:
  gh issue list --repo NousResearch/hermes-agent --state open --json number,title,author,createdAt --limit 10
  gh pr list --repo NousResearch/hermes-agent --state all --json number,title,author,createdAt,mergedAt --limit 10

Filter to only items from the last 6 hours. If nothing new, respond with [SILENT].
Otherwise, provide a concise summary of the activity." --name "Repo watcher" --deliver discord

自包含的提示词

注意提示词中包含了完整的 gh 命令。定时任务中的 Agent 不记得之前的运行结果或你的偏好——请把所有内容都写清楚。

模式四：数据采集流水线

定期抓取数据、保存到文件，并随时间推移检测趋势。该模式将脚本（负责采集）与 Agent（负责分析）结合使用。

~/.hermes/scripts/collect-prices.py
import json, os, urllib.request
from datetime import datetime

DATA_DIR = os.path.expanduser("~/.hermes/data/prices")
os.makedirs(DATA_DIR, exist_ok=True)

# Fetch current data (example: crypto prices)
url = "https://api.coingecko.com/api/v3/simple/price?ids=bitcoin,ethereum&vs_currencies=usd"
data = json.loads(urllib.request.urlopen(url, timeout=30).read())

# Append to history file
entry = {"timestamp": datetime.now().isoformat(), "prices": data}
history_file = os.path.join(DATA_DIR, "history.jsonl")
with open(history_file, "a") as f:
    f.write(json.dumps(entry) + "\n")

# Load recent history for analysis
lines = open(history_file).readlines()
recent = [json.loads(l) for l in lines[-24:]]  # Last 24 data points

# Output for the agent
print(f"Current: BTC=${data['bitcoin']['usd']}, ETH=${data['ethereum']['usd']}")
print(f"Data points collected: {len(lines)} total, showing last {len(recent)}")
print(f"\nRecent history:")
for r in recent[-6:]:
    print(f"  {r['timestamp']}: BTC=${r['prices']['bitcoin']['usd']}, ETH=${r['prices']['ethereum']['usd']}")

/cron add "every 1h" "Analyze the price data from the script output. Report:
1. Current prices
2. Trend direction over the last 6 data points (up/down/flat)
3. Any notable movements (>5% change)

If prices are flat and nothing notable, respond with [SILENT].
If there's a significant move, explain what happened." \
  --script ~/.hermes/scripts/collect-prices.py \
  --name "Price tracker" \
  --deliver telegram

脚本负责机械性的数据采集；Agent 在此基础上增加推理层。

模式五：多技能工作流

将多个技能串联起来，执行复杂的定时任务。技能（Skills）按顺序在提示词执行前加载。

# 使用 arxiv 技能查找论文，再使用 obsidian 技能保存笔记
/cron add "0 8 * * *" "Search arXiv for the 3 most interesting papers on 'language model reasoning' from the past day. For each paper, create an Obsidian note with the title, authors, abstract summary, and key contribution." \
  --skill arxiv \
  --skill obsidian \
  --name "Paper digest"

直接通过工具调用：

cronjob(
    action="create",
    skills=["arxiv", "obsidian"],
    prompt="Search arXiv for papers on 'language model reasoning' from the past day. Save the top 3 as Obsidian notes.",
    schedule="0 8 * * *",
    name="Paper digest",
    deliver="local"
)

技能按顺序加载——先加载 arxiv（教 Agent 如何搜索论文），再加载 obsidian（教 Agent 如何写笔记）。提示词将它们串联在一起。

管理你的任务

# 列出所有活跃任务
/cron list

# 立即触发某个任务（用于测试）
/cron run <job_id>

# 暂停某个任务而不删除
/cron pause <job_id>

# 编辑运行中任务的调度计划或提示词
/cron edit <job_id> --schedule "every 4h"
/cron edit <job_id> --prompt "Updated task description"

# 为现有任务添加或移除技能
/cron edit <job_id> --skill arxiv --skill obsidian
/cron edit <job_id> --clear-skills

# 永久删除某个任务
/cron remove <job_id>

投递目标

--deliver 标志控制结果的发送位置：

目标	示例	使用场景
`origin`	`--deliver origin`	创建该任务的同一对话（默认）
`local`	`--deliver local`	仅保存到本地文件
`telegram`	`--deliver telegram`	你的 Telegram 主频道
`discord`	`--deliver discord`	你的 Discord 主频道
`slack`	`--deliver slack`	你的 Slack 主频道
指定对话	`--deliver telegram:-1001234567890`	指定 Telegram 群组
话题线程	`--deliver telegram:-1001234567890:17585`	指定 Telegram 话题线程

技巧

让提示词自包含。 定时任务中的 Agent 不记得你的对话历史。请在提示词中直接包含 URL、仓库名称、格式偏好和投递说明。

大量使用 [SILENT]。 对于监控类任务，始终加入类似"如果没有变化，回复 [SILENT]"的指令。这可以防止通知噪音。

用脚本做数据采集。 script 参数让 Python 脚本处理枯燥的部分（HTTP 请求、文件 I/O、状态追踪）。Agent 只看到脚本的标准输出并对其进行推理。这比让 Agent 自己去抓取更经济、更可靠。

用 /cron run 测试。 在等待调度计划触发之前，使用 /cron run <job_id> 立即执行并验证输出是否正确。

调度表达式。 支持的格式：相对延迟（30m）、间隔（every 2h）、标准 cron 表达式（0 9 * * *）、ISO 时间戳（2025-06-15T09:00:00）。不支持"daily at 9am"这样的自然语言——请使用 0 9 * * *。

完整 cron 参考——所有参数、边缘情况和内部机制——请参阅定时任务（Cron）。

模式一：网站变更监控​

模式二：每周报告​

模式三：GitHub 仓库监控​

模式四：数据采集流水线​

模式五：多技能工作流​

管理你的任务​

投递目标​

技巧​