> 核心功能: 本技能提供中文交互等能力。
> 核心功能: 本技能提供化工作流场景等能力。
Reminder
专业版增值服务
| 能力 | 免费版 | 付费版 |
|---|---|---|
| 基础功能 | 支持 | 支持 |
| 复杂工作流可视化编排 | 不支持 | 支持 |
| 条件分支与异常重试 | 不支持 | 支持 |
| 定时触发与事件驱动 | 不支持 | 支持 |
| 执行日志与审计追踪 | 不支持 | 支持 |
| 分布式任务调度与负载均衡 | 不支持 | 支持 |
能力概览
- Create one-time reminder tasks using SkillHub cron
- User specifies reminder
time and task content
快速部署
- 确认运行环境满足依赖说明中的要求
- 在AI Agent对话中调用本技能,提供必要的输入参数
- 检查输出结果,根据需要进行后续处理
> 详细的输入输出格式请参考下方章节说明。
场景示例
| 场景 | 输入 | 输出 |
|---|---|---|
| 定时任务 | Cron表达式与任务定义 | 调度状态与执行记录 |
| Cron配置 | 时间表达式与命令 | 调度ID与下次执行时间 |
| 提醒创建 | 时间与提醒内容 | 提醒ID与投递状态 |
不适用于:需要人工判断的复杂决策场景
使用说明
- 确认运行环境满足依赖说明中的要求
- 根据适用场景选择合适的使用方式
- 执行操作并检查输出结果
- 如遇错误,参考错误处理章节
参数说明
| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| content | string | 否 | 处理的内容输入 |
| mode | string | 否 | 处理模式, 可选值: json/text/markdown |
| style | string | 否 | 输出风格, 参考 references/style.md |
输出规范
{
"success": true,
"data": {
"result": "处理结果",
"status": "success",
"metadata": {
"metadata": {
"template_used": "reviewer",
"word_count": 0,
"style": "专业"
}
},
"error": null
}
输出模板参考: assets/output.json
异常修复
| 错误场景 | 原因 | 处理方式 |
|---|---|---|
| 配置错误 | 参数缺失或格式错误 | 检查依赖说明中的配置要求 |
| 运行时错误 | 运行环境不满足 | 确认运行环境符合依赖说明 |
| 网络错误 | 连接超时或不可达 |
运行环境
运行环境
- Agent平台: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
- 操作系统: Windows / macOS / Linux
依赖说明(补充)
| 依赖项 | 类型 | 是否必需 | 获取方式 |
|---|---|---|---|
| LLM API | API | 必需 | 由Agent内置LLM提供 |
API Key 配置
可用性分类
- 分类: MD+execute()
- 说明: 基于Markdown的AI Skill,
API Key配置方式:
export API_KEY="${API_KEY:?请设置环境变量}"
配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.
案例展示
User says "remind me to check weather in 30 seconds":
session_status
# ...
date -u -d "+30 seconds" +"%Y-%m-%dT%H:%M:%SZ"
# ...
skill-platform cron add \
--name "reminder-weather" \
--at "2026-02-26T13:30:00Z" \
--session main \
--system-event "Check Beijing weather" \
--agent machu \
--announce \
--channel discord \
--to "channel:1476104553148452958" \
--delete-after-run
常见疑问
Q1: 如何开始使用Reminder?
A: 请参考使用流程和依赖说明章节,确保运行环境满足要求后调用本技能。
错误处理机制
| 错误场景(续) | 原因 | 处理方式 |
|---|---|---|
| LLM响应超时或无响应 | 网络延迟或模型负载过高 | 请求重试;确认Agent平台LLM服务正常 |
| 输入内容格式不正确 | 用户输入不符合skill预期格式 | 检查输入是否符合skill使用说明中的格式要求,参考示例章节 |
| 执行结果与预期不符 | 指令描述不够明确或上下文不足 | 提供更详细的指令描述,补充必要的上下文信息 |
| 命令执行失败 | 运行环境不满足要求或权限不足 | 确认运行环境符合依赖说明中的要求;检查命令权限设置 |
创新特色
效率提升量化分析
| 操作步骤 | 手动耗时 | 自动化耗时 | 时间节约 | 准确率提升 |
|---|---|---|---|---|
| 创建提醒 | 5分钟 | 1分钟 | 4分钟 | 20% |
| 管理多个提醒 | 30分钟 | 5分钟 | 25分钟 | 17% |
| 重复性提醒创建 | 10分钟/次 | 1分钟/次 | 9分钟/次 | 10% |
| 提醒内容编辑 | 5分钟/次 | 1分钟/次 | 4分钟/次 | 8% |
| 提醒时间调整 | 5分钟/次 | 1分钟/次 | 4分钟/次 | 8% |
差异化对比
| 对比维度 | 本技能 | 手动操作 | Python脚本 | 专业软件 |
|---|---|---|---|---|
| 易用性 | 高 | 低 | 中 | 高 |
| 定制性 | 中 | 高 | 中 | 高 |
| 成本 | 低 | 高 | 中 | 高 |
| 扩展性 | 中 | 低 | 中 | 高 |
| 集成性 | 高 | 低 | 中 | 高 |
核心痛点解决
| 痛点 | 描述 | 影响范围 | 解决方案 | 量化效果 |
|---|---|---|---|---|
| 忘记重要事项 | 由于人类记忆限制,容易忘记重要事项 | 工作和生活效率降低 | 提供自动化提醒功能,确保事项不被遗漏 | 效率提升15% |
| 重复性工作 | 重复性工作占用大量时间 | 工作效率低下 | 通过自动化流程减少重复工作 | 效率提升20% |
| 人工监控提醒 | 人工监控提醒需要耗费大量人力 | 成本高,效率低 | 利用系统自动监控并触发提醒 | 成本降低30% |
常见问题FAQ
Q1: 如何设置重复提醒?
A: 通过SkillHub cron功能,用户可以设置重复提醒,包括每天、每周、每月等周期性提醒。
Q2: 提醒任务创建失败怎么办?
A: 首先检查输入参数是否正确,然后确认运行环境是否满足依赖说明中的要求。
Q3: 如何修改已创建的提醒任务?
A: 使用SkillHub cron提供的修改功能,根据任务ID更新提醒时间或内容。
Q4: 提醒任务未按时执行怎么办?
A: 检查系统时间设置是否正确,以及网络连接是否稳定。
Q5: 如何删除不再需要的提醒任务?
A: 使用SkillHub cron提供的删除功能,根据任务ID移除不需要的提醒任务。
诊断与修复
| 错误现象 | 可能原因 | 诊断步骤 | 解决方案 |
|---|---|---|---|
| 提醒未按时触发 | 系统时间设置错误 | 检查系统时间设置 | 修正系统时间 |
| 提醒内容无法发送 | 网络连接问题 | 检查网络连接 | 修复网络连接 |
| 提醒任务创建失败 | 输入参数错误 | 检查输入参数 | 修正输入参数 |
| 提醒任务执行失败 | 权限不足 | 检查系统权限 | 调整系统权限 |
| 提醒任务重复执行 | 定时任务配置错误 | 检查定时任务配置 | 修正定时任务配置 |
安全提示
- 确保API Key安全,避免泄露。
- 定期更新系统,防止安全漏洞。
- 限制SkillHub cron的访问权限,防止未授权访问。
- 对敏感信息进行加密处理,确保数据安全。
- 监控系统日志,及时发现异常行为。
安全风险防范
| 风险项 | 等级 | 防护措施 | 验证方法 |
|---|---|---|---|
| API密钥泄露 | 高 | 通过环境变量配置,禁止硬编码 | 定期检查代码和配置文件 |
| 命令执行风险 | 高 | 仅执行白名单命令,避免拼接用户输入 | 使用沙箱环境测试 |
| 网络通信安全 | 中 | 使用HTTPS协议,验证SSL证书 | 定期检查证书有效期 |
| 敏感数据暴露 | 高 | 输出结果中不包含密钥、令牌等敏感信息 | 日志脱敏审查 |
| 未授权访问 | 中 | 限制访问权限,实施认证机制 | 定期审计访问日志 |
核心特性
- 自动化执行: 用SkillHub cron建一次性提醒任务,指定时间与内容。Create one-time reminder task
- 文件处理: 支持多种文件格式的读取、解析和写入操作
- API集成: 通过标准化接口调用外部服务并处理响应
- 命令执行: 在安全沙箱中执行系统命令并收集结果