ARTICLE / 开源项目

补充定时任务优化顾问特性的研究

Updated
Reading time
5 min

PR 地址：NousResearch/hermes-agent#61588 · 给 cron 任务装一台 5 维自诊断仪

研究摘要

Hermes 的 cron 系统负责定时任务，但任务"跑得怎么样"长期无人过问：任务执行效率如何、用没用上智能能力、覆盖面够不够、稳定性怎么样、有没有提前预防故障——这些信息散落在日志里，没有一个任务级的诊断出口。现有系统有交互级学习（Background Review）和任务推荐（Suggestions），唯独缺任务级诊断这一环。

本 PR 在 cron 系统上新增任务级自诊断与优化建议能力：以 context manager 方式自动采集任务指标，用 5 维分析模型（效率、智能、覆盖、稳定、预防）评估任务健康状况，产出带代码位置与预估影响的量化优化建议，并接入既有的 Background Review 与 Suggestions 流程。新增 4 个文件（+685/-0），覆盖指标采集、分析引擎、集成示例与 RFC 文档。PR body 仅列出测试计划未附完成记录，实测章节按设计意图呈现。

一、问题背景：任务推荐有，任务诊断无

1.1 既有能力的缺口分析

PR body 明确给出了 Hermes 任务体系的能力盘点：

能力层级状态
Background Review交互级学习（从会话交互中学习）已有
Suggestionscron 任务推荐已有
任务级诊断单个任务的运行健康评估缺失
性能分析任务的耗时、资源消耗分析缺失
优化建议流水线诊断 → 建议 → 落地的通路缺失

交互级学习回答"这个用户喜欢什么"，任务推荐回答"该建什么任务"，但已经存在的任务本身处于盲区：它是否按预期效率运行、是否在空转、是否频繁失败、是否存在隐患，没有任何机制系统性地回答。

1.2 盲区的代价

任务盲区的典型表现：一个每天跑的数据同步任务，其实已经在连续失败一周，只有日志里躺着错误；一个每小时执行的任务，实际每次只处理 3 条记录却要拉起完整流程，效率严重浪费；一个核心任务从未失败过，但也没有任何告警机制，一旦失败无人知晓。这些问题的共同点：问题客观存在，但系统不主动说。

二、特性设计：5 维模型 + 自动采集 + 量化建议

2.1 五维分析模型

任务诊断采用 5 个维度：

  1. 效率（efficiency）：任务的执行耗时、资源消耗是否合理，有无明显浪费；
  2. 智能（intelligence）：任务是否用上了 Hermes 的智能能力，还是停留在机械执行；
  3. 覆盖（coverage）：任务是否覆盖了应覆盖的范围，有无遗漏或重复；
  4. 稳定（stability）：任务的成功率、失败模式、重试表现；
  5. 预防（prevention）：任务是否具备失败预警与自我恢复机制。

2.2 自动指标采集

指标采集封装为 context manager：任务运行被包进采集上下文后，执行过程的指标自动落盘，无需任务作者写任何埋点代码。采集是旁路行为，不改变任务的执行语义。

2.3 量化优化建议

分析引擎把 5 维评估结果转成优化建议，每条建议附带代码位置（建议改哪里）与预估影响（改了大概能带来什么收益），让建议可直接评估、可追踪落地。

2.4 与既有流程的集成

诊断结果不是孤岛：它接入既有的 Background Review 与 Suggestions 流程，让任务级诊断与交互级学习、任务推荐在同一套机制里流转。

2.5 新增文件

4 个新文件（+685/-0）按职责划分：任务指标采集、优化建议分析引擎、与既有系统的集成示例、以及记录设计与演进方向的 RFC 文档。

2.6 建议的形态与流转

优化建议不是笼统的"这个任务需要优化"，而是结构化条目：问题描述、所属维度、代码位置、预估影响四要素齐备。位置信息把建议钉在具体实现上，影响预估为优先级排序提供依据；建议进入 Background Review / Suggestions 流程后，与交互级学习产出的内容共用同一条消费链路，用户在同一处看到"任务该怎么改"与"新任务该不该建"。量化建议的形态是本特性的核心差异点——诊断输出从"报告"进化为"可执行的建议"。

三、实测结果

PR body 的测试计划列出三项但未标注完成状态（checkbox 未勾选）：代码结构评审、任务指标采集测试、优化报告生成验证。因此本节无实测数据，以下为设计意图与预期效果：

  • 预期效果一：一个配置了 context manager 采集的任务运行若干次后，能生成含 5 维打分的诊断结果；
  • 预期效果二：诊断出的问题（如失败率上升、覆盖缺口）能转换为带代码位置与预估影响的建议条目；
  • 预期效果三：建议能进入 Background Review / Suggestions 流程被用户看到。

以上均为设计意图，实际效果需在 PR 合入后以真实任务验证。

四、能力边界

  • 诊断依赖采集接入：只有被 context manager 包裹的任务才有指标数据，未接入的任务不在诊断范围内；
  • 建议是提示不是自动修复：优化建议输出位置与影响预估，具体改动仍需人工判断与实施；
  • 5 维模型是评估框架：维度权重与判定阈值是设计初值，对特殊形态的任务（如极低频任务）可能需要调参；
  • PR 未附自动化测试记录：采集、分析、报告三个环节的正确性缺乏测试套件背书，RFC 文档承担了设计留档职责；
  • 集成深度待验证：与 Background Review、Suggestions 的实际协同效果缺少运行数据。

五、PR 信息

  • PR 地址：https://github.com/NousResearch/hermes-agent/pull/61588
  • 改动规模：+685 / -0，4 个文件
  • PR 状态：closed
  • 提交时间：2026-07-09

本文记录 x7peeps 向 Hermes Agent 上游贡献的特性研究，所有数据来自 PR 实测记录。

RELATED SIGNALS

继续探索