im-reminder
À propos
Cette compétence permet de programmer des rappels dans les canaux de messagerie instantanée, prenant en charge à la fois les tâches ponctuelles et récurrentes via des tâches cron. Elle détecte automatiquement le canal de messagerie instantanée actuel pour garantir que les messages soient livrés au bon endroit. Les développeurs doivent l'utiliser lorsqu'ils ont besoin de déclencher des actions et des réponses d'agent programmées dans des contextes de conversation.
Installation rapide
Claude Code
Recommandénpx skills add agentbay-ai/agentbay-skills -a claude-code/plugin add https://github.com/agentbay-ai/agentbay-skillsgit clone https://github.com/agentbay-ai/agentbay-skills.git ~/.claude/skills/im-reminderCopiez et collez cette commande dans Claude Code pour installer cette compétence
Documentation
IM 定时提醒
跨平台定时提醒技能,保证准确的时间触发和消息送达。通过 cron job 配置,确保消息发送到用户请求提醒的原始频道,避免 NO_REPLY 问题。
适用场景
- 用户请求定时提醒(如"5 分钟后提醒我开会")
- 用户请求周期性任务(如"每小时提醒我喝水")
- 需要在指定时间触发 Agent 执行操作并回复用户
固定字段
以下字段在所有任务中取值固定,不可更改:
| 字段 | 固定值 | 说明 |
|---|---|---|
enabled | true | 必须为 true,否则任务不会执行 |
sessionTarget | "isolated" | 每次触发创建独立会话 |
payload.kind | "agentTurn" | 触发类型为 Agent 回合 |
payload.deliver | true | 确保消息发送到外部频道 |
动态字段
以下字段需根据当前会话上下文自动填充:
| 字段 | 说明 |
|---|---|
payload.channel | 当前频道类型,从运行时上下文获取(如 feishu) |
payload.to | 必填,当前频道目标用户 ID,从会话上下文获取,缺失会导致消息无法送达 |
调度方式
一次性定时(at)
在指定时间点触发一次,适用于"X 分钟后提醒我"这类场景。
"schedule": {
"kind": "at",
"atMs": 1770449700000
}
atMs 为目标触发时间的 Unix 时间戳(毫秒)。
周期性定时(every)
按固定间隔重复触发,适用于"每隔 X 分钟提醒我"这类场景。
"schedule": {
"kind": "every",
"everyMs": 60000
}
everyMs 为触发间隔的毫秒数(如 60000 = 1 分钟)。
Cron 表达式定时(cron)
使用标准 cron 表达式调度,适用于"每天早上 7 点提醒我"这类基于日历规律的场景。
"schedule": {
"kind": "cron",
"expr": "0 7 * * *"
}
expr 为标准五位 cron 表达式,格式如下:
┌───────────── 分钟 (0-59)
│ ┌───────────── 小时 (0-23)
│ │ ┌───────────── 日 (1-31)
│ │ │ ┌───────────── 月 (1-12)
│ │ │ │ ┌───────────── 星期 (0-6,0=周日)
│ │ │ │ │
* * * * *
常用表达式:
| 场景 | 表达式 |
|---|---|
| 每天早上 7 点 | 0 7 * * * |
| 每天中午 12 点 | 0 12 * * * |
| 工作日早上 9 点 | 0 9 * * 1-5 |
| 每周一早上 10 点 | 0 10 * * 1 |
| 每月 1 号上午 9 点 | 0 9 1 * * |
完整示例
示例一:一次性提醒
在指定时间点触发,执行一次后结束。
{
"version": 1,
"jobs": [
{
"id": "0dd466ae-d52a-448f-ad01-2fc719f1f48c",
"name": "test2",
"description": "test2",
"enabled": true,
"schedule": {
"kind": "at",
"atMs": 1770449700000
},
"sessionTarget": "isolated",
"wakeMode": "next-heartbeat",
"payload": {
"kind": "agentTurn",
"message": "回复内容是test2",
"deliver": true,
"channel": "feishu",
"to": "ou_XXXXXXXXXXX"
}
}
]
}
示例二:周期性提醒
每隔固定时间触发一次,持续执行。
{
"version": 1,
"jobs": [
{
"id": "50f53ed1-4ad6-4ed2-9984-fdd4eba1fdab",
"name": "测试1",
"description": "测试1",
"enabled": true,
"schedule": {
"kind": "every",
"everyMs": 60000
},
"sessionTarget": "isolated",
"wakeMode": "next-heartbeat",
"payload": {
"kind": "agentTurn",
"message": "回复这是测试1",
"deliver": true,
"channel": "feishu",
"to": "ou_XXXXXXXXXXX"
}
}
]
}
示例三:Cron 表达式定时提醒
按 cron 表达式调度,适用于基于日历规律的周期性任务。
{
"version": 1,
"jobs": [
{
"id": "0ec68ffa-07b2-4ca6-93ee-75edd26b4b74",
"name": "cron",
"description": "cron",
"enabled": true,
"schedule": {
"kind": "cron",
"expr": "0 7 * * *"
},
"sessionTarget": "isolated",
"wakeMode": "next-heartbeat",
"payload": {
"kind": "agentTurn",
"message": "cron",
"deliver": true,
"channel": "feishu",
"to": "ou_XXXXXXXXXXX"
}
}
]
}
频道检测
- 获取频道类型:从运行时
channel属性获取(如feishu) - 获取用户 ID:从当前会话或消息上下文获取(如
ou_xxxx) - 始终自动检测:使用发起请求的原始频道,不要硬编码
消息内容指南
- 避免纯文本消息,需要包含让 Agent 生成响应的指令
- 使用完整的指令句,确保 Agent 处理后产生可见回复
实现步骤
- 检测当前频道类型和用户 ID
- 将用户的时间请求转换为时间戳(毫秒)或间隔毫秒数
- 构建完整的 job 配置(固定字段 + 动态字段)
- 调用 API 创建定时任务
- 确认创建成功,告知用户
常见坑点
| 错误做法 | 正确做法 |
|---|---|
| 硬编码 channel 和 to | 从当前上下文自动检测 |
sessionTarget 设为 main | 必须设为 isolated |
deliver 缺失或设为 false | 必须设为 true |
enabled 缺失或设为 false | 必须显式设为 true |
payload.to 缺失或为空 | 必须填写,否则消息无法送达 |
Dépôt GitHub
Compétences associées
llamaguard
AutreLlamaGuard est le modèle de Meta, doté de 7 à 8 milliards de paramètres, conçu pour modérer les entrées et sorties des LLM selon six catégories de sécurité comme la violence et les discours haineux. Il offre une précision de 94 à 95 % et peut être déployé avec vLLM, Hugging Face ou Amazon SageMaker. Utilisez cette compétence pour intégrer facilement le filtrage de contenu et des garde-fous de sécurité dans vos applications d'IA.
cost-optimization
AutreCette compétence de Claude aide les développeurs à optimiser les coûts du cloud grâce au redimensionnement des ressources, aux stratégies d'étiquetage et à l'analyse des dépenses. Elle fournit un cadre pour réduire les dépenses cloud et mettre en œuvre une gouvernance des coûts sur AWS, Azure et GCP. Utilisez-la lorsque vous devez analyser les coûts d'infrastructure, redimensionner les ressources ou respecter des contraintes budgétaires.
quantizing-models-bitsandbytes
AutreCette compétence quantifie les LLMs en précision 8 bits ou 4 bits à l'aide de bitsandbytes, permettant une réduction de 50 à 75 % de la mémoire utilisée avec une perte de précision minime. Elle est idéale pour exécuter des modèles plus volumineux sur une mémoire GPU limitée ou pour accélérer l'inférence, prenant en charge des formats comme INT8, NF4 et FP4. La compétence s'intègre à HuggingFace Transformers et permet l'entraînement QLoRA ainsi que l'utilisation d'optimiseurs en 8 bits.
dispatching-parallel-agents
AutreCette compétence Claude déploie plusieurs agents pour enquêter et résoudre simultanément 3 problèmes indépendants ou plus. Elle est conçue pour des scénarios impliquant des défaillances non liées qui peuvent être résolues sans état partagé ni dépendances. La capacité fondamentale est la résolution de problèmes en parallèle, en assignant un agent par domaine problématique indépendant afin de maximiser l'efficacité.
