搭一個定時運行的監控摘要 Agent：4 個組成與接口選擇指南

作者注：拆解定時運行的監控摘要 Agent 的 4 個組成部分，講清模型調用層如何藉助 OpenAI 兼容接口與具體 SDK 解耦，並給出可運行的 Python 示例。

OpenRouter 最近發佈了一篇教程，用 @openrouter/agent 0.11.0 在 TypeScript 裏搭了一個定時運行的常駐 AI Agent，自動監控 Hacker News 並生成摘要。這個場景很有代表性，很多團隊都想要類似的東西：每天早上自動彙總行業資訊、競品動態或技術社區熱帖。本文以它爲引子，拆出一套 不綁定特定 SDK 的監控摘要 Agent 通用架構。

這不是那篇教程的複述。原教程只公開了摘要信息，我們不推測它的具體實現。本文關注更通用的問題：一個監控摘要 Agent 由哪幾部分組成，模型調用層怎樣設計才能隨時切換模型和服務商。

核心價值：讀完本文，你會掌握「定時觸發、數據獲取、模型摘要、結果輸出」四段式結構，並拿到一份基於 OpenAI 兼容接口、可直接改造的 Python 實現。

監控摘要 Agent 核心要點

先用一張表概括整篇文章的結論，後續章節逐項展開。

監控摘要 Agent 的四個組成部分

所謂「常駐 Agent」，本質上是一個被定時器反覆喚醒的流水線。它不需要複雜的多步推理，但對穩定性要求很高，因爲沒人會盯着它跑。把它拆成四個職責清晰的組件，是讓它長期穩定運行的前提。

這四個部分之間只通過簡單的數據結構交互：獲取器輸出「條目列表」，摘要器輸出「摘要文本」，輸出器負責消費文本。這樣設計的好處是任何一環出問題都能單獨定位，比如摘要質量差就只調摘要器，推送失敗就只查輸出器。

很多人第一版會把所有邏輯塞進一個腳本，能跑但難維護。一旦想把 Hacker News 換成 GitHub Trending，或者把模型換成另一家，就得改動整段代碼。按組件拆開之後，擴展信息源只是新增一個獲取器，模型層更是隻改配置。

監控摘要 Agent 的定時觸發方式選擇

定時觸發是「常駐」二字的來源。OpenRouter 的教程把它做成了常駐進程，但在實際部署中你有多種選擇，關鍵看你已有的基礎設施。

對於每小時或每天跑一次的摘要任務，系統 cron 加一個「跑完即退出」的腳本通常是性價比最高的方案。它天然避免了常駐進程的內存增長問題，失敗後下一輪會自動重試。只有當你需要分鐘級的高頻監控，或者要在多輪之間共享較重的資源時，才值得上常駐進程。

監控摘要 Agent 的模型調用層如何解耦

這是本文的重點。OpenRouter 的教程使用自家的 @openrouter/agent SDK，這對快速起步很方便。但 SDK 是否支持自定義 OpenAI 兼容端點，目前公開的摘要信息裏沒有說明，我們也沒有核實，因此本文不討論把該 SDK 接到其他平臺的做法。

我們換一個思路：不讓業務代碼直接依賴任何一家的 Agent SDK，而是在中間加一層很薄的「摘要接口」。業務代碼只調用 summarize(items)，至於背後用哪家模型、哪個端點，全部由這一層根據配置決定。

監控摘要 Agent 的調用層接口設計

調用層的設計原則可以歸納爲三條，都不復雜，但能省下以後大量返工：

• 只暴露業務語義：對外提供 summarize(items) -> str，不把 messages、temperature 等底層參數泄漏給業務代碼。
• 底層統一協議：內部使用 OpenAI 兼容的 Chat Completions 格式，base_url、api_key、model 全部從環境變量讀取。
• 失敗可降級：調用失敗時重試有限次數，仍失敗則輸出原始標題列表，保證當天至少有一份可讀結果。

選擇 OpenAI 兼容協議作爲底座，是因爲它已經成爲事實上的通用格式，官方 SDK 和大量第三方工具都支持修改 base_url。只要服務端兼容這套格式，切換模型就退化成改一行配置。

按這種設計，API易 這類聚合平臺就可以作爲模型調用層的一個選項。API易 兼容 OpenAI API 格式，支持 OpenAI 官方 SDK 接入，切換模型只需修改模型名稱。對監控摘要 Agent 來說，這意味着你可以在同一個 Key 下對比不同模型的摘要效果，而不用爲每家模型各寫一套接入代碼。

爲監控摘要任務選擇模型要考慮什麼

摘要任務看起來簡單，但不同信息源對模型的要求差別很大。我們目前沒有針對這類任務的系統測試數據，因此不給出「哪個模型最好」的結論，只列出決策時應該權衡的維度。

💡 選擇建議：摘要模型沒有標準答案，最可靠的辦法是用你真實的信息源跑幾天對比。建議通過 API易 apiyi.com 用同一套代碼切換幾個候選模型，比較格式穩定性和中文表達，再決定長期使用哪一個。

監控摘要 Agent 快速上手

下面用 Python 實現一個最小可用版本。信息源選用 Hacker News 公開 API（hacker-news.firebaseio.com/v0），與 OpenRouter 教程的場景保持一致，方便對照理解。

極簡示例：抓取並摘要

以下代碼拉取 Hacker News 熱門前 10 條標題，交給模型生成中文摘要，用來驗證整條鏈路是否跑通：

import requests
import openai

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

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，以平臺模型列表爲準
    messages=[{"role": "user", "content": "用中文分 3 點總結這些熱帖的主題：\n" + "\n".join(titles)}]
)
print(resp.choices[0].message.content)

這段代碼能跑通，但還不能「常駐」：它沒有去重、沒有失敗處理、模型和端點也是寫死的。下面的完整版把四個組件拆開，並加上狀態管理。

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"))


# ---------- 數據獲取器 ----------
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


# ---------- 狀態管理 ----------
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（模型調用層） ----------
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 = ("你是技術資訊編輯。請用中文把下面的 Hacker News 新熱帖歸納爲 3-5 個主題，"
                  "每個主題一句話，並列出最值得關注的 3 條標題。\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"摘要失敗（第 {attempt + 1} 次）：{e}")
                time.sleep(2 ** attempt)
        return "【模型暫不可用，以下爲原始標題】\n" + lines  # 降級輸出


# ---------- 輸出器 ----------
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"推送失敗，改爲落盤：{e}")
    Path(f"digest-{time.strftime('%Y%m%d-%H%M')}.md").write_text(text, encoding="utf-8")


# ---------- 一次運行（由定時器觸發） ----------
def run_once() -> None:
    seen = load_seen()
    items = fetch_new_stories(seen)
    if not items:
        print("沒有新條目，本輪跳過")
        return
    deliver(Summarizer().summarize(items))
    save_seen(seen | {x["id"] for x in items})


if __name__ == "__main__":
    run_once()

完整版有幾個關鍵設計值得說明。首先，Summarizer 只對外暴露 summarize，模型名、端點、Key 全部來自環境變量，這正是前文說的調用層解耦。其次，狀態文件只保留最近的一批 ID，避免長期運行後文件無限增長。最後，模型失敗時輸出原始標題，推送失敗時落盤保存，保證每一輪都有可追溯的產出。

監控摘要 Agent 的定時部署

腳本設計成「跑一次就退出」，因此直接交給系統 cron 即可。下面的配置表示每天 8 點和 20 點各運行一次：

# 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

如果想對比另一個模型，只需把 SUMMARY_MODEL 改成其他模型名，代碼一行不動。生產環境建議把密鑰放進 .env 文件或密鑰管理服務，不要直接寫在 crontab 裏。

🚀 快速上手建議：先用極簡示例確認鏈路通暢，再切換到完整版接入 cron。API易 apiyi.com 爲新用戶提供免費測試額度，一個 Key 即可在 OpenAI、Claude、Gemini 等模型之間切換，適合在原型階段快速比較摘要效果。

常見問題 FAQ

監控摘要 Agent 核心要點 Key Takeaways

• 四段式結構：定時觸發、數據獲取、模型摘要、結果輸出各自獨立，便於替換和排錯
• 跑完即退出更穩：低頻摘要任務用 cron 加一次性腳本，比常駐進程更省心
• 狀態決定質量：記錄已見 ID，每輪只摘要增量，避免重複和浪費
• 調用層要解耦：業務只依賴 summarize 接口，模型、端點、Key 全部來自配置
• 兼容協議做底座：OpenAI 兼容格式讓換模型變成改一行環境變量
• 模型靠實測選：按上下文、指令遵循、語言、成本、穩定性對比，可在 API易 apiyi.com 用同一套代碼切換驗證
• 失敗要有降級：模型失敗輸出原始標題，推送失敗落盤保存

總結

搭建一個定時運行的監控摘要 Agent，關鍵不在於用多麼複雜的框架，而在於把結構拆清楚：

1. 組件拆分：觸發、獲取、摘要、輸出四個組件通過簡單數據結構銜接，每一環都能單獨測試
2. 接口解耦：用一層薄薄的摘要接口隔離具體 SDK，底層採用 OpenAI 兼容協議
3. 穩定優先：去重、重試、降級是無人值守任務的必備設計

OpenRouter 的 Hacker News 教程提供了一個很好的場景樣板，而本文的通用架構讓你可以把同樣的思路遷移到任何信息源和任何模型上。下一步，建議先用極簡示例跑通鏈路，再接入 cron 連續運行幾天，觀察摘要質量後再決定長期使用的模型。

推薦通過 API易 apiyi.com 快速驗證效果，一個 API Key 即可在多個主流模型之間切換，新用戶還有免費測試額度可用於原型階段的對比測試。

📚 參考資料

1. OpenRouter 教程摘要：用 Agent SDK 搭建常駐 AI Agent 監控 Hacker News
2. 鏈接：aihot.news/items/upl3hjjdokqe13w3ieo9opr0v

3. 說明：本文的引子，介紹了用 @openrouter/agent 0.11.0 在 TypeScript 中搭建定時 Agent 的場景

4. Hacker News 官方 API：公開的只讀數據接口

5. 鏈接：github.com/HackerNews/API

6. 說明：包含 topstories、item 等接口的字段說明，是本文示例數據源的文檔

7. OpenAI Python SDK：官方客戶端庫

8. 鏈接：github.com/openai/openai-python
9. 說明：介紹如何通過 base_url 參數接入兼容端點

作者：APIYI 技術團隊
技術交流：歡迎在 API易 網站首頁聯繫我們，更多接入資料可訪問 docs.apiyi.com 文檔中心

延伸閱讀

• Google Cloud 倫敦停電 7 小時 52 分：別把業務只掛在一家模型上:Google Cloud 倫敦一個可用區停電 7 小時 52 分，DeepSeek 幾天前也中斷了 4 小時 52 分。模型是工作流裏的一環，提前留好第二條、第三條路，比干等上游修好有用。
• ChatGPT 定時任務、Codex 代理與 Dot 全自動化對比：3 種自動化的 6 個核心差異:從觸發、執行、持續統籌三個層面，對比 ChatGPT 定時任務、Codex 代理與 ChatGPT Dot 的全自動化能力、費用、可靠性與選型建議。
• 解決 gpt image 2.5 出圖彩條問題：5 類彩條診斷與 quality 參數選擇指南:拆解 gpt-image-2.5-sunburst 出圖出現彩條、彩色噪點的 5 種類型與成因，解釋 quality 檔位與算力預算的關係，給出“2.5 high 約等於 2 medium”的檔位換算、成本對照和不漲太多預算的消除方案。