两种模式的核心区别
| 维度 | no_agent脚本模式 | LLM模式 |
|---|---|---|
| 成本 | 极低（无LLM调用） | 按token计费 |
| 速度 | 快（脚本直出） | 慢（需要LLM推理） |
| 稳定性 | 高（脚本确定性强） | 有不确定性 |
| 灵活性 | 低（固定格式） | 高（能适应变化） |
| 适合场景 | 输出固定、不需要推理 | 需要理解、推理、灵活输出 |
no_agent模式适用场景
- ✅ A股每日技术指标计算（数字确定，格式固定）
- ✅ 系统健康检查（返回是/否）
- ✅ 定时数据采集并保存到文件
- ✅ 监控告警（有阈值就报警，无则静默）
# no_agent模式配置示例
cronjob(
action='create',
name='A股每日复盘',
script='a_stock_daily_review.sh', # 脚本路径
no_agent=True, # 关键：不调用LLM
schedule='0 9 * * 1-5',
deliver='origin'
)LLM模式适用场景
- ✅ AI日报（需要筛选、总结、润色）
- ✅ 投资学习日报（需要根据日期推算内容）
- ✅ 需要推理的分析报告
- ✅ 动态内容生成
混合模式（推荐用于日报类任务）
#!/usr/bin/env bash
# 脚本负责数据采集（稳定、快速）
CONTENT=$(python3 daily_report.py) # 采集数据，生成草稿
# 输出给LLM润色（可选）
echo "$CONTENT" | hermes -z "请润色这份日报，保留所有链接，总字数不超过900字"这种混合模式的优点：数据采集稳定（脚本保证），输出格式优美（LLM负责），同时控制了LLM的token消耗（只做润色，不做采集）。
判断用哪种模式的核心问题：这个任务需要"理解和推理"吗？需要就用LLM，不需要就用脚本。