返回技能列表

im-reminder

agentbay-ai
更新于 2 days ago
3 次查看
40
2
40
在 GitHub 上查看
其他general

关于

This skill enables scheduled reminders in IM channels, supporting both one-time and recurring tasks via cron jobs. It automatically detects the current IM channel to ensure messages are delivered to the correct location. Developers should use it when they need to trigger timed agent actions and replies within conversation contexts.

快速安装

Claude Code

推荐
主要方式
npx skills add agentbay-ai/agentbay-skills -a claude-code
插件命令备选方式
/plugin add https://github.com/agentbay-ai/agentbay-skills
Git 克隆备选方式
git clone https://github.com/agentbay-ai/agentbay-skills.git ~/.claude/skills/im-reminder

在 Claude Code 中复制并粘贴此命令以安装该技能

技能文档

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
enabledtrue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.delivertrue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

  1. 获取频道类型:从运行时 channel 属性获取(如 feishu
  2. 获取用户 ID:从当前会话或消息上下文获取(如 ou_xxxx
  3. 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

  1. 检测当前频道类型和用户 ID
  2. 将用户的时间请求转换为时间戳(毫秒)或间隔毫秒数
  3. 构建完整的 job 配置(固定字段 + 动态字段)
  4. 调用 API 创建定时任务
  5. 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

GitHub 仓库

agentbay-ai/agentbay-skills
路径: im-reminder
0

相关推荐技能

llamaguard

其他

LlamaGuard是Meta推出的7-8B参数内容审核模型,专门用于过滤LLM的输入和输出内容。它能检测六大安全风险类别(暴力/仇恨、性内容、武器、违禁品、自残、犯罪计划),准确率达94-95%。开发者可通过HuggingFace、vLLM或Sagemaker快速部署,并能与NeMo Guardrails集成实现自动化安全防护。

查看技能

cost-optimization

其他

这个Claude Skill帮助开发者优化云成本,通过资源调整、标记策略和预留实例来降低AWS、Azure和GCP的开支。它适用于减少云支出、分析基础设施成本或实施成本治理策略的场景。关键功能包括提供成本可视化、资源规模调整指导和定价模型优化建议。

查看技能

quantizing-models-bitsandbytes

其他

这个Skill使用bitsandbytes库量化大语言模型,能在GPU内存有限时通过8位或4位量化减少50-75%内存占用,同时保持精度损失最小。它支持INT8、NF4、FP4等多种量化格式,可与HuggingFace Transformers无缝集成,适用于需要部署更大模型或加速推理的场景。还提供QLoRA训练和8位优化器支持,让开发者能轻松实现高效模型压缩。

查看技能

dispatching-parallel-agents

其他

该Skill用于并行处理3个以上无依赖关系的独立故障,可为每个问题域分派专属Claude代理同时执行调查修复。它通过并发处理多个独立问题显著提升故障排查效率,特别适用于测试文件、子系统等无共享状态的场景。

查看技能