Aller au contenu

Opérations personnelles programmées

Ce tutoriel parcourt examples/scheduled_ops/ — trois scripts qui font tourner des agents autonomes sur des horaires à la cron pour prendre en charge les tâches personnelles qui reviennent. Ensemble, ils montrent comment combiner le SDK Diapason, la CLI du programmateur et l'API Python TaskScheduler pour bâtir une couche d'opérations personnelles qui tourne en arrière-plan.

Prérequis

  • Python 3.10 ou plus récent
  • Diapason installé : uv sync --extra dev depuis la racine du dépôt
  • Un moteur d'inférence en marche (Ollama avec qwen3:8b téléchargé, ou une clé d'API cloud)
  • Pour la prise en charge complète des expressions cron, installe croniter : uv add croniter

Les trois scripts

Script Agent Outils Horaire par défaut À quoi il sert
daily_digest.py orchestrator web_search, think Tous les jours à 9 h Chercher et résumer l'actualité sur les sujets choisis
code_review.py native_react git_log, git_diff, file_read, think Le lundi à 8 h Relire la semaine de commits écoulée dans un dépôt
gym_scheduler.py orchestrator web_search, think Lun/mer/ven à 6 h Vérifier les horaires de la salle et les places en cours

Chaque script suit le même motif SDK : créer une instance Diapason, appeler j.ask() avec un agent et des outils, afficher le résultat, fermer l'instance. L'horaire, lui, est géré de l'extérieur par le démon programmateur de Diapason.

Démarrage rapide : lancer les scripts à la main

Teste chaque script sans programmateur en marche, en l'appelant directement :

Terminal
# Résumé matinal de l'actualité sur l'IA et la robotique
uv run python examples/scheduled_ops/daily_digest.py --topics "AI,robotics"

# Revue de code du dépôt courant (les 7 derniers jours de commits)
uv run python examples/scheduled_ops/code_review.py --repo-path .

# Vérification des horaires de la salle de sport
uv run python examples/scheduled_ops/gym_scheduler.py --gym "24 Hour Fitness"

Tous les scripts acceptent les drapeaux --model et --engine :

Terminal
uv run python examples/scheduled_ops/daily_digest.py \
    --model qwen3:8b --engine ollama --topics "AI,finance"

Comment fonctionne le programmateur

graph TD
    A[diapason scheduler start] --> B[Démon programmateur]
    B --> C{Le déclencheur cron se lève}
    C -->|0 9 * * *| D[daily_digest.py]
    C -->|0 8 * * 1| E[code_review.py]
    C -->|0 6 * * 1,3,5| F[gym_scheduler.py]
    D --> G[OrchestratorAgent]
    E --> H[NativeReActAgent]
    F --> G
    G --> I[web_search + think]
    H --> J[git_diff + git_log + file_read + think]
    I --> K[Sortie / Canal]
    J --> K

Le démon programmateur lit les tâches enregistrées dans SQLite, les déclenche à l'heure dite et passe à l'agent le prompt configuré. Chaque script peut aussi se lancer directement — le programmateur ne sert qu'au fonctionnement récurrent et sans surveillance.

Poser les horaires avec la CLI

Enregistre chaque script comme tâche récurrente avec diapason scheduler create :

Terminal
# Résumé matinal tous les jours à 9 h
diapason scheduler create "Run daily news digest" \
    --type cron --value "0 9 * * *"

# Revue de code hebdomadaire, tous les lundis à 8 h
diapason scheduler create "Run weekly code review" \
    --type cron --value "0 8 * * 1"

# Vérification de la salle les lundi, mercredi et vendredi à 6 h
diapason scheduler create "Check gym schedule" \
    --type cron --value "0 6 * * 1,3,5"

Démarre ensuite le démon programmateur au premier plan (ou comme service en arrière-plan) :

Terminal
diapason scheduler start

Liste les tâches enregistrées quand tu veux :

Terminal
diapason scheduler list

La syntaxe des expressions cron

Diapason emploie la syntaxe cron standard à cinq champs : minute heure jour-du-mois mois jour-de-la-semaine. Installe croniter (uv add croniter) pour la prise en charge complète des expressions, plages et pas compris. Sans lui, les motifs simples heure:minute fonctionnent quand même.

Configurer les horaires en TOML

Le fichier schedules.toml de examples/scheduled_ops/ définit les trois horaires de façon déclarative. Pratique pour versionner la configuration de tes opérations personnelles, ou pour la partager d'une machine à l'autre :

examples/scheduled_ops/schedules.toml
[schedules.daily_digest]
type = "cron"
value = "0 9 * * *"
description = "Morning news and social media digest"
script = "daily_digest.py"

[schedules.code_review]
type = "cron"
value = "0 8 * * 1"
description = "Weekly code review"
script = "code_review.py"

[schedules.gym_scheduler]
type = "cron"
value = "0 6 * * 1,3,5"
description = "Gym hours and class check"
script = "gym_scheduler.py"

Pointe ton propre outillage, ou un chargeur maison, sur ce fichier pour enregistrer les tâches en lot.

Enregistrer des tâches par l'API Python

Le script gym_scheduler.py porte un drapeau --register qui montre l'enregistrement d'une tâche par programme, en passant directement par TaskScheduler :

Terminal
uv run python examples/scheduled_ops/gym_scheduler.py \
    --register --gym "Planet Fitness"

Le code Python équivalent :

Enregistrement d'une tâche par programme
from diapason.scheduler import TaskScheduler
from diapason.scheduler.store import SchedulerStore

store = SchedulerStore()
scheduler = TaskScheduler(store)

task = scheduler.create_task(  # (1)!
    prompt="Check gym schedule for 'Planet Fitness'",
    schedule_type="cron",
    schedule_value="0 6 * * 1,3,5",
    agent="orchestrator",
    tools="web_search,think",
)
print(f"Tâche enregistrée  : {task.id}")
print(f"Prochain lancement : {task.next_run}")
  1. create_task() écrit la tâche dans SQLite et calcule l'heure du prochain déclenchement. Le démon programmateur la reprend sans redémarrer.

Le script du résumé quotidien

Le script du résumé est le plus simple des trois. Il construit un prompt daté et le passe à un orchestrateur muni de web_search et de think :

examples/scheduled_ops/daily_digest.py
from diapason import Diapason

j = Diapason()  # reprend les valeurs par défaut de ~/.diapason/config.toml
response = j.ask(
    f"Today is {today}. Search and summarize the top news on: {topics}",
    agent="orchestrator",
    tools=["web_search", "think"],
)
j.close()

L'orchestrateur cherche chaque sujet dans un tour distinct, se sert de think pour faire la synthèse d'un sujet à l'autre, et rend un résumé structuré : des points par sujet et une perspective en un paragraphe.

Envoyer les résultats vers un canal

Pour aiguiller la sortie d'un script vers Slack ou n'importe quel autre canal pris en charge, passe la sortie standard dans diapason channel send :

Terminal
uv run python examples/scheduled_ops/daily_digest.py \
    --topics "AI,finance" | diapason channel send slack

Ou ajoute la sortie vers le canal à l'intérieur du script :

Sortie vers un canal depuis le script
from diapason.channels import ChannelRegistry

channel = ChannelRegistry.create("slack", webhook_url="https://hooks.slack.com/...")
channel.send(response)

Liste tous les canaux disponibles :

Terminal
diapason channel list

Les identifiants des canaux

Une sortie réelle vers un canal demande les identifiants propres à ce canal. Lance diapason add slack (ou le fournisseur voulu) pour poser le serveur MCP et le coffre à identifiants, puis règle les variables d'environnement dans ton fichier .env avant de démarrer le démon programmateur.

Conseils de personnalisation

  • Changer les sujets : passe --topics "finance,healthcare,sports" à daily_digest.py pour un autre résumé.
  • La fenêtre de revue : passe --days 14 à code_review.py pour un cycle de revue de deux semaines au lieu d'une.
  • Échanger les agents : remplace orchestrator par native_react dans n'importe quel script pour comparer le comportement des agents sur la même tâche.
  • Écrire dans un fichier : ajoute "file_write" à la liste tools et mets le prompt à jour pour enregistrer les rapports sur le disque au lieu de les afficher.
  • Les tâches uniques : emploie --type once --value "2026-04-01T09:00:00" avec diapason scheduler create pour les tâches qui ne se répètent pas.

Voir aussi