zc/autoAiWorkSys

Fork 0

Files

张成 e27c0dc41a 1

2025-11-26 15:00:14 +08:00

10 KiB

Raw Blame History

任务与指令的区别说明

📋 概述

在调度系统中，任务（Task） 和 指令（Command） 是两个不同层次的概念，它们的关系是：一个任务可以包含多个指令。

⚠️ 重要说明

当前系统实际情况：

真正的任务：目前只有 auto_deliver（自动投递任务）是真正的任务，它包含多个步骤和指令
伪任务：虽然代码中有 get_resume、get_job_list、send_chat、apply_job 等任务处理器，但它们实际上只是包装了单个指令，本质上就是直接执行指令

为什么会有伪任务：

统一的任务追踪和日志记录
保持接口的一致性
未来可能扩展为真正的任务（包含多个步骤）

🔄 层级关系

任务（Task）
  ├── 指令1（Command）
  ├── 指令2（Command）
  └── 指令3（Command）

📊 详细对比

维度	任务（Task）	指令（Command）
概念层级	业务层	执行层
数据库表	`task_status`	`task_commands`
管理模块	TaskQueue（任务队列）	CommandManager（指令管理器）
处理模块	TaskHandlers（任务处理器）	jobManager（业务管理器）
粒度	粗粒度（业务流程）	细粒度（具体操作）
包含关系	包含多个指令	属于某个任务
执行方式	由任务队列调度	由指令管理器执行
通信方式	内部调度	通过 MQTT 发送到客户端

🎯 任务（Task）

定义

任务是业务层面的概念，代表一个完整的业务流程或工作单元。

特点

业务导向：代表一个完整的业务目标
可包含多个步骤：一个任务可以包含多个指令
有生命周期：pending → running → completed/failed
有优先级：可以设置任务优先级
有超时机制：任务级别有超时保护

任务类型示例

真正的任务（包含多个步骤）：

auto_deliver - 自动投递任务（包含多个子操作：获取简历、获取岗位列表、筛选职位、批量投递）
auto_chat - 自动沟通任务（待实现：自动与HR进行沟通，回复消息等）
auto_active_account - 自动活跃账号任务（待实现：自动执行操作保持账号活跃度）

注意：目前系统中只有 auto_deliver 是已实现的真正任务，auto_chat 和 auto_active_account 是待实现的任务框架。

任务表结构（task_status）

{
  id: 1,
  sn_code: 'GHJU',
  taskType: 'auto_deliver',
  taskName: '自动投递 - 前端开发',
  status: 'running',
  priority: 7,
  taskParams: { keyword: '前端', platform: 'boss' },
  result: {},
  startTime: '2024-01-01 10:00:00',
  endTime: null,
  duration: 0
}

任务执行流程

// 1. 添加任务到队列
await taskQueue.addTask(sn_code, {
  taskType: 'auto_deliver',
  taskName: '自动投递',
  taskParams: { keyword: '前端' }
});

// 2. 任务队列调度执行
// 3. 任务处理器处理任务
// 4. 任务处理器创建并执行指令

⚙️ 指令（Command）

定义

指令是执行层面的概念，代表一个具体的操作，通过 MQTT 发送到客户端执行。

特点

执行导向：代表一个具体的操作
原子性：一个指令是一个不可分割的操作
有执行顺序：指令可以按顺序执行
有超时机制：指令级别有超时保护
MQTT 通信：通过 MQTT 发送到客户端

指令类型示例

getOnlineResume - 获取在线简历
getJobList - 获取岗位列表
applyJob - 投递简历
sendChatMessage - 发送聊天消息
getLoginQrCode - 获取登录二维码

指令表结构（task_commands）

{
  id: 1,
  task_id: 100,  // 关联的任务ID
  command_type: 'getOnlineResume',
  command_name: '获取在线简历',
  command_params: '{"sn_code":"GHJU"}',
  status: 'completed',
  sequence: 1,
  priority: 9,
  start_time: '2024-01-01 10:00:00',
  end_time: '2024-01-01 10:00:30',
  duration: 30000
}

指令执行流程

// 1. 任务处理器创建指令
const commands = [{
  command_type: 'getOnlineResume',
  command_name: '获取在线简历',
  command_params: JSON.stringify({ sn_code })
}];

// 2. 指令管理器执行指令
await command.executeCommands(taskId, commands, mqttClient);

// 3. 通过 MQTT 发送到客户端
// 4. 客户端执行并返回结果

🔗 关系示例

示例1：自动投递任务

任务：auto_deliver（自动投递任务）

包含的指令：

getOnlineResume - 获取在线简历
getJobList - 获取岗位列表
applyJob - 投递简历（可能多个）

// 任务处理器创建多个指令
async handleAutoDeliverTask(task) {
  // 1. 获取简历指令
  const getResumeCommand = {
    command_type: 'getOnlineResume',
    command_name: '获取在线简历',
    ...
  };
  
  // 2. 获取岗位列表指令
  const getJobListCommand = {
    command_type: 'getJobList',
    command_name: '获取岗位列表',
    ...
  };
  
  // 3. 投递指令（可能多个）
  const applyCommands = jobs.map(job => ({
    command_type: 'applyJob',
    command_name: `投递简历 - ${job.jobTitle}`,
    ...
  }));
  
  // 执行所有指令
  await command.executeCommands(task.id, [
    getResumeCommand,
    getJobListCommand,
    ...applyCommands
  ], mqttClient);
}

示例2：获取简历（伪任务，实际是指令）

说明：虽然代码中有 get_resume 任务处理器，但它实际上只是包装了单个指令，本质上就是直接执行指令。

任务：get_resume（获取简历任务）

包含的指令：

getOnlineResume - 获取在线简历

async handleGetResumeTask(task) {
  // 实际上只是创建一个指令并执行
  const commands = [{
    command_type: 'getOnlineResume',
    command_name: '获取在线简历',
    command_params: JSON.stringify({ sn_code: task.sn_code })
  }];
  
  await command.executeCommands(task.id, commands, this.mqttClient);
}

注意：这种"任务"实际上可以直接作为指令执行，不需要通过任务队列。它们存在的原因可能是为了：

统一的任务追踪和日志记录
未来可能扩展为真正的任务（包含多个步骤）
保持接口的一致性

📈 执行流程图

┌─────────────────┐
│  任务队列        │
│  (TaskQueue)    │
└────────┬────────┘
         │ 调度任务
         ↓
┌─────────────────┐
│  任务处理器      │
│ (TaskHandlers)  │
└────────┬────────┘
         │ 创建指令
         ↓
┌─────────────────┐
│  指令管理器      │
│ (CommandManager)│
└────────┬────────┘
         │ 执行指令
         ↓
┌─────────────────┐
│  业务管理器      │
│  (jobManager)   │
└────────┬────────┘
         │ MQTT 发送
         ↓
┌─────────────────┐
│  客户端设备      │
│  (Python Client)│
└─────────────────┘

🎨 设计优势

1. 职责分离

任务层：负责业务逻辑和流程编排
指令层：负责具体操作和 MQTT 通信

2. 灵活性

一个任务可以包含不同数量的指令
可以根据业务需求动态创建指令

3. 可追踪性

任务级别：可以追踪整个业务流程
指令级别：可以追踪每个具体操作

4. 错误处理

任务级别：处理业务逻辑错误
指令级别：处理执行错误和超时

📝 代码示例

任务处理器创建指令

// api/middleware/schedule/taskHandlers.js
async handleAutoDeliverTask(task) {
  const { sn_code, taskParams } = task;
  
  // 1. 创建获取简历指令
  const getResumeCommand = {
    command_type: 'getOnlineResume',
    command_name: '获取在线简历',
    command_params: JSON.stringify({ sn_code, platform: 'boss' })
  };
  
  // 2. 创建获取岗位列表指令
  const getJobListCommand = {
    command_type: 'getJobList',
    command_name: '获取岗位列表',
    command_params: JSON.stringify({ 
      sn_code, 
      keyword: taskParams.keyword,
      platform: 'boss'
    })
  };
  
  // 3. 执行指令序列
  const result = await command.executeCommands(
    task.id, 
    [getResumeCommand, getJobListCommand], 
    this.mqttClient
  );
  
  return result;
}

指令管理器执行指令

// api/middleware/schedule/command.js
async executeCommand(taskId, command, mqttClient) {
  // 1. 创建指令记录
  const commandRecord = await db.getModel('task_commands').create({
    task_id: taskId,
    command_type: command.command_type,
    command_name: command.command_name,
    status: 'pending'
  });
  
  // 2. 调用业务管理器执行
  const result = await jobManager[commandType](
    sn_code, 
    mqttClient, 
    commandParams
  );
  
  // 3. 更新指令状态
  await this.updateCommandStatus(commandId, 'completed', result);
  
  return result;
}

🔍 总结

任务（Task）：业务层面的工作单元，代表一个完整的业务流程
- 真正的任务：包含多个步骤/指令，如 auto_deliver
- 伪任务：虽然叫任务，但实际只是包装了单个指令，如 get_resume、get_job_list 等
指令（Command）：执行层面的操作单元，代表一个具体的操作
- 通过 MQTT 发送到客户端执行
- 如：getOnlineResume、getJobList、applyJob 等
关系：
- 真正的任务包含多个指令，指令按顺序执行
- 伪任务只是指令的包装，本质上就是直接执行指令
管理：任务由任务队列管理，指令由指令管理器管理
通信：任务在服务端内部调度，指令通过 MQTT 发送到客户端
当前状态：
- 目前系统中只有 auto_deliver 是真正的任务（包含多个步骤）
- 其他如 get_resume、get_job_list、send_chat、apply_job 虽然叫任务，但实际只是指令的包装

这种设计实现了业务逻辑和执行逻辑的分离，提高了系统的灵活性和可维护性。伪任务的存在可能是为了统一的任务追踪和未来扩展。

10 KiB Raw Blame History Unescape Escape