搭一个定时运行的监控摘要 Agent：4 个组成与接口选择指南

作者注：拆解定时运行的监控摘要 Agent 的 4 个组成部分，讲清模型调用层如何借助 OpenAI 兼容接口与具体 SDK 解耦，并给出可运行的 Python 示例。

OpenRouter 最近发布了一篇教程，用 @openrouter/agent 0.11.0 在 TypeScript 里搭了一个定时运行的常驻 AI Agent，自动监控 Hacker News 并生成摘要。这个场景很有代表性，很多团队都想要类似的东西：每天早上自动汇总行业资讯、竞品动态或技术社区热帖。本文以它为引子，拆出一套 不绑定特定 SDK 的监控摘要 Agent 通用架构。

这不是那篇教程的复述。原教程只公开了摘要信息，我们不推测它的具体实现。本文关注更通用的问题：一个监控摘要 Agent 由哪几部分组成，模型调用层怎样设计才能随时切换模型和服务商。

核心价值：读完本文，你会掌握「定时触发、数据获取、模型摘要、结果输出」四段式结构，并拿到一份基于 OpenAI 兼容接口、可直接改造的 Python 实现。

监控摘要 Agent 核心要点

先用一张表概括整篇文章的结论，后续章节逐项展开。

监控摘要 Agent 的四个组成部分

所谓「常驻 Agent」，本质上是一个被定时器反复唤醒的流水线。它不需要复杂的多步推理，但对稳定性要求很高，因为没人会盯着它跑。把它拆成四个职责清晰的组件，是让它长期稳定运行的前提。

这四个部分之间只通过简单的数据结构交互：获取器输出「条目列表」，摘要器输出「摘要文本」，输出器负责消费文本。这样设计的好处是任何一环出问题都能单独定位，比如摘要质量差就只调摘要器，推送失败就只查输出器。

很多人第一版会把所有逻辑塞进一个脚本，能跑但难维护。一旦想把 Hacker News 换成 GitHub Trending，或者把模型换成另一家，就得改动整段代码。按组件拆开之后，扩展信息源只是新增一个获取器，模型层更是只改配置。

监控摘要 Agent 的定时触发方式选择

定时触发是「常驻」二字的来源。OpenRouter 的教程把它做成了常驻进程，但在实际部署中你有多种选择，关键看你已有的基础设施。

对于每小时或每天跑一次的摘要任务，系统 cron 加一个「跑完即退出」的脚本通常是性价比最高的方案。它天然避免了常驻进程的内存增长问题，失败后下一轮会自动重试。只有当你需要分钟级的高频监控，或者要在多轮之间共享较重的资源时，才值得上常驻进程。

监控摘要 Agent 的模型调用层如何解耦

这是本文的重点。OpenRouter 的教程使用自家的 @openrouter/agent SDK，这对快速起步很方便。但 SDK 是否支持自定义 OpenAI 兼容端点，目前公开的摘要信息里没有说明，我们也没有核实，因此本文不讨论把该 SDK 接到其他平台的做法。

我们换一个思路：不让业务代码直接依赖任何一家的 Agent SDK，而是在中间加一层很薄的「摘要接口」。业务代码只调用 summarize(items)，至于背后用哪家模型、哪个端点，全部由这一层根据配置决定。

监控摘要 Agent 的调用层接口设计

调用层的设计原则可以归纳为三条，都不复杂，但能省下以后大量返工：

• 只暴露业务语义：对外提供 summarize(items) -> str，不把 messages、temperature 等底层参数泄漏给业务代码。
• 底层统一协议：内部使用 OpenAI 兼容的 Chat Completions 格式，base_url、api_key、model 全部从环境变量读取。
• 失败可降级：调用失败时重试有限次数，仍失败则输出原始标题列表，保证当天至少有一份可读结果。

选择 OpenAI 兼容协议作为底座，是因为它已经成为事实上的通用格式，官方 SDK 和大量第三方工具都支持修改 base_url。只要服务端兼容这套格式，切换模型就退化成改一行配置。

按这种设计，API易 这类聚合平台就可以作为模型调用层的一个选项。API易 兼容 OpenAI API 格式，支持 OpenAI 官方 SDK 接入，切换模型只需修改模型名称。对监控摘要 Agent 来说，这意味着你可以在同一个 Key 下对比不同模型的摘要效果，而不用为每家模型各写一套接入代码。

为监控摘要任务选择模型要考虑什么

摘要任务看起来简单，但不同信息源对模型的要求差别很大。我们目前没有针对这类任务的系统测试数据，因此不给出「哪个模型最好」的结论，只列出决策时应该权衡的维度。

💡 选择建议：摘要模型没有标准答案，最可靠的办法是用你真实的信息源跑几天对比。建议通过 API易 apiyi.com 用同一套代码切换几个候选模型，比较格式稳定性和中文表达，再决定长期使用哪一个。

监控摘要 Agent 快速上手

下面用 Python 实现一个最小可用版本。信息源选用 Hacker News 公开 API（hacker-news.firebaseio.com/v0），与 OpenRouter 教程的场景保持一致，方便对照理解。

极简示例：抓取并摘要

以下代码拉取 Hacker News 热门前 10 条标题，交给模型生成中文摘要，用来验证整条链路是否跑通：

import requests
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # OpenAI 兼容端点
)

HN = "https://hacker-news.firebaseio.com/v0"
ids = requests.get(f"{HN}/topstories.json", timeout=10).json()[:10]
titles = [requests.get(f"{HN}/item/{i}.json", timeout=10).json().get("title", "") for i in ids]

resp = client.chat.completions.create(
    model="gpt-4o-mini",  # 示例模型名，以平台模型列表为准
    messages=[{"role": "user", "content": "用中文分 3 点总结这些热帖的主题：\n" + "\n".join(titles)}]
)
print(resp.choices[0].message.content)

这段代码能跑通，但还不能「常驻」：它没有去重、没有失败处理、模型和端点也是写死的。下面的完整版把四个组件拆开，并加上状态管理。

import json
import os
import time
from pathlib import Path

import openai
import requests

HN = "https://hacker-news.firebaseio.com/v0"
STATE_FILE = Path(os.getenv("STATE_FILE", "seen_ids.json"))
TOP_N = int(os.getenv("TOP_N", "30"))


# ---------- 数据获取器 ----------
def fetch_new_stories(seen: set) -> list:
    ids = requests.get(f"{HN}/topstories.json", timeout=10).json()[:TOP_N]
    items = []
    for i in ids:
        if i in seen:
            continue
        item = requests.get(f"{HN}/item/{i}.json", timeout=10).json() or {}
        if item.get("title"):
            items.append({"id": i, "title": item["title"],
                          "url": item.get("url", ""), "score": item.get("score", 0)})
    return items


# ---------- 状态管理 ----------
def load_seen() -> set:
    return set(json.loads(STATE_FILE.read_text())) if STATE_FILE.exists() else set()

def save_seen(seen: set) -> None:
    STATE_FILE.write_text(json.dumps(sorted(seen)[-2000:]))  # 只保留最近的 ID


# ---------- 摘要器（模型调用层） ----------
class Summarizer:
    def __init__(self):
        self.client = openai.OpenAI(
            api_key=os.environ["LLM_API_KEY"],
            base_url=os.getenv("LLM_BASE_URL", "https://api.apiyi.com/v1"),
        )
        self.model = os.getenv("SUMMARY_MODEL", "gpt-4o-mini")

    def summarize(self, items: list, retries: int = 2) -> str:
        lines = "\n".join(f"- [{x['score']}] {x['title']}" for x in items)
        prompt = ("你是技术资讯编辑。请用中文把下面的 Hacker News 新热帖归纳为 3-5 个主题，"
                  "每个主题一句话，并列出最值得关注的 3 条标题。\n" + lines)
        for attempt in range(retries + 1):
            try:
                resp = self.client.chat.completions.create(
                    model=self.model,
                    messages=[{"role": "user", "content": prompt}],
                    max_tokens=800,
                )
                return resp.choices[0].message.content
            except Exception as e:
                print(f"摘要失败（第 {attempt + 1} 次）：{e}")
                time.sleep(2 ** attempt)
        return "【模型暂不可用，以下为原始标题】\n" + lines  # 降级输出


# ---------- 输出器 ----------
def deliver(text: str) -> None:
    webhook = os.getenv("WEBHOOK_URL")
    if webhook:
        try:
            requests.post(webhook, json={"text": text}, timeout=10).raise_for_status()
            return
        except Exception as e:
            print(f"推送失败，改为落盘：{e}")
    Path(f"digest-{time.strftime('%Y%m%d-%H%M')}.md").write_text(text, encoding="utf-8")


# ---------- 一次运行（由定时器触发） ----------
def run_once() -> None:
    seen = load_seen()
    items = fetch_new_stories(seen)
    if not items:
        print("没有新条目，本轮跳过")
        return
    deliver(Summarizer().summarize(items))
    save_seen(seen | {x["id"] for x in items})


if __name__ == "__main__":
    run_once()

完整版有几个关键设计值得说明。首先，Summarizer 只对外暴露 summarize，模型名、端点、Key 全部来自环境变量，这正是前文说的调用层解耦。其次，状态文件只保留最近的一批 ID，避免长期运行后文件无限增长。最后，模型失败时输出原始标题，推送失败时落盘保存，保证每一轮都有可追溯的产出。

监控摘要 Agent 的定时部署

脚本设计成「跑一次就退出」，因此直接交给系统 cron 即可。下面的配置表示每天 8 点和 20 点各运行一次：

# crontab -e
0 8,20 * * * cd /opt/hn-digest && LLM_API_KEY=xxx SUMMARY_MODEL=gpt-4o-mini /usr/bin/python3 agent.py >> run.log 2>&1

如果想对比另一个模型，只需把 SUMMARY_MODEL 改成其他模型名，代码一行不动。生产环境建议把密钥放进 .env 文件或密钥管理服务，不要直接写在 crontab 里。

🚀 快速上手建议：先用极简示例确认链路通畅，再切换到完整版接入 cron。API易 apiyi.com 为新用户提供免费测试额度，一个 Key 即可在 OpenAI、Claude、Gemini 等模型之间切换，适合在原型阶段快速比较摘要效果。

常见问题 FAQ

监控摘要 Agent 核心要点 Key Takeaways

• 四段式结构：定时触发、数据获取、模型摘要、结果输出各自独立，便于替换和排错
• 跑完即退出更稳：低频摘要任务用 cron 加一次性脚本，比常驻进程更省心
• 状态决定质量：记录已见 ID，每轮只摘要增量，避免重复和浪费
• 调用层要解耦：业务只依赖 summarize 接口，模型、端点、Key 全部来自配置
• 兼容协议做底座：OpenAI 兼容格式让换模型变成改一行环境变量
• 模型靠实测选：按上下文、指令遵循、语言、成本、稳定性对比，可在 API易 apiyi.com 用同一套代码切换验证
• 失败要有降级：模型失败输出原始标题，推送失败落盘保存

总结

搭建一个定时运行的监控摘要 Agent，关键不在于用多么复杂的框架，而在于把结构拆清楚：

1. 组件拆分：触发、获取、摘要、输出四个组件通过简单数据结构衔接，每一环都能单独测试
2. 接口解耦：用一层薄薄的摘要接口隔离具体 SDK，底层采用 OpenAI 兼容协议
3. 稳定优先：去重、重试、降级是无人值守任务的必备设计

OpenRouter 的 Hacker News 教程提供了一个很好的场景样板，而本文的通用架构让你可以把同样的思路迁移到任何信息源和任何模型上。下一步，建议先用极简示例跑通链路，再接入 cron 连续运行几天，观察摘要质量后再决定长期使用的模型。

推荐通过 API易 apiyi.com 快速验证效果，一个 API Key 即可在多个主流模型之间切换，新用户还有免费测试额度可用于原型阶段的对比测试。

📚 参考资料

1. OpenRouter 教程摘要：用 Agent SDK 搭建常驻 AI Agent 监控 Hacker News
2. 链接：aihot.news/items/upl3hjjdokqe13w3ieo9opr0v

3. 说明：本文的引子，介绍了用 @openrouter/agent 0.11.0 在 TypeScript 中搭建定时 Agent 的场景

4. Hacker News 官方 API：公开的只读数据接口

5. 链接：github.com/HackerNews/API

6. 说明：包含 topstories、item 等接口的字段说明，是本文示例数据源的文档

7. OpenAI Python SDK：官方客户端库

8. 链接：github.com/openai/openai-python
9. 说明：介绍如何通过 base_url 参数接入兼容端点

作者：APIYI 技术团队
技术交流：欢迎在 API易 网站首页联系我们，更多接入资料可访问 docs.apiyi.com 文档中心

延伸阅读

• Google Cloud 伦敦停电 7 小时 52 分：别把业务只挂在一家模型上:Google Cloud 伦敦一个可用区停电 7 小时 52 分，DeepSeek 几天前也中断了 4 小时 52 分。模型是工作流里的一环，提前留好第二条、第三条路，比干等上游修好有用。
• ChatGPT 定时任务、Codex 代理与 Dot 全自动化对比：3 种自动化的 6 个核心差异:从触发、执行、持续统筹三个层面，对比 ChatGPT 定时任务、Codex 代理与 ChatGPT Dot 的全自动化能力、费用、可靠性与选型建议。
• 解决 gpt image 2.5 出图彩条问题：5 类彩条诊断与 quality 参数选择指南:拆解 gpt-image-2.5-sunburst 出图出现彩条、彩色噪点的 5 种类型与成因，解释 quality 档位与算力预算的关系，给出“2.5 high 约等于 2 medium”的档位换算、成本对照和不涨太多预算的消除方案。