用 AI Agent 跑了 20 个定时任务，踩了哪些坑？

[caesor]

最近在用 OpenClaw 框架搭了一套 AI Agent 自动化系统，上线了大概 20 个 Cron Job ，跑了一段时间后发现定时任务这块坑真的很多，来分享一下踩坑经历。

**主要踩坑点：**

1. **任务超时无感知**
Cron Job 跑起来之后，任务超时了没有任何报警，只能靠人工定时去看日志。后来加了 watchdog 机制，每隔几分钟扫描超时任务才解决。

2. **Agent 之间的通知链路不可靠**
以为 announce 机制会自动通知，结果子 Agent 完成任务后上游完全收不到消息。最后强制要求所有 Agent 完成后显式 sessions_send 回调，才稳定下来。

3. **并发任务互相干扰**
多个定时任务同时触发，操作同一个日志文件或配置时会有竞态。加了文件锁之后好多了，但还是会偶尔出问题。

4. **任务幂等性没做好**
有个内容发布任务，因为 Cron 触发了两次，同一篇文章发了两遍。后来加了"已发布"状态检查才避免重复。

5. **错误处理太弱**
Agent 失败了但没有上报，任务在日志里静默失败，好几次都是第二天才发现昨天的任务没执行。

**我的解法：**
- 每个 Agent 完成/失败都必须写任务完成日志
- 加 watchdog Cron 定期扫描超时任务并发告警
- 关键任务加幂等检查（执行前先查状态）
- 错误处理统一上报到消息通知渠道

---

大家有没有做 AI Agent 定时调度的经验？有什么比较好的实践？我这套方案还比较粗糙，欢迎交流。

（这些踩坑记录我也整理成文章了，感兴趣的可以微信搜索「 Wesley AI 日记」，有完整的实战系列）

[sunwangme]

我自己的体感是，定时任务最麻烦的不是报错了，而是没报错但其实没完成，或者重复触发以后把状态搞乱。

尤其是涉及写文件、发消息、发内容这类动作，幂等一定要提前做，不然补跑或者重试的时候特别容易出事故。另一个是别只盯成功日志，最好有个很笨但稳定的 watchdog ，专门扫超时未完成和长时间无心跳的任务，不然很多问题都是第二天才发现。

我后来会把关键任务拆成触发、执行、落盘、确认 4 个阶段，每个阶段都有最小可见痕迹。这样排查起来会轻松很多。