Harness 与 Agent 工程 · 运行控制与长任务 · 2026-03-13

OpenClaw 如何用纯 TypeScript 造了一套 Agent 调度系统

OpenClaw 用纯 TypeScript 打造了一套轻量级 Agent 调度系统,解决了任务调度中的时间漂移和惊群效应等工程难题。

核心内容:

  1. OpenClaw 的 Planning 模块设计理念与 Linux crontab 的异同
  2. 锚点对齐算法解决定时任务时间漂移问题
  3. 哈希防惊群技术实现任务错峰执行

一个 AI Agent 能自动回答问题、写代码、分析数据,这已经不稀奇了。但如果你想让它每天早上 9 点自动生成工作摘要、每半小时检查一次邮件、出了故障自动告警——而你完全不用盯着它——事情就变得有意思了。

光有一个聪明的 Agent 不够,你还需要回答三个工程问题:什么时候启动?结果发给谁?挂了怎么办?

拆解 OpenClaw 的源码,发现它内部有一个叫 Planning 的模块,就是专门解决这三个问题的。8900 行核心代码,不依赖 Redis、不依赖数据库、不需要消息队列,纯 TypeScript 单进程搞定。

这篇文章拆解一下它背后几个让我觉得"确实讲究"的工程设计。

先说清楚:

此 Planning 非彼 Planning

搞 AI 的同学看到"Planning"这个词,第一反应大概是 Plan-and-Execute——Agent 先推理出执行计划,再逐步完成。

OpenClaw 的 Planning 跟这个没关系。它更接近 Linux 世界里的 crontab,是一个运行在 Gateway 进程内部的持久化任务调度系统。关心的不是"怎么思考",而是"怎么准时、可靠地把活干了"。

打个比方:Agent 是员工,Planning 是排班表。

时间对齐:

一个容易忽略的漂移问题

系统支持三种调度模式:一次性定时、固定间隔循环、Cron 表达式。前两种直觉上很简单,但固定间隔模式里藏着一个经典陷阱。

假设一个任务设定每 30 分钟执行一次,10:00 创建。最朴素的实现方式是"跑完当前任务,在完成时间上加 30 分钟"。如果第一次跑到 10:20 才结束,下次就是 10:50,再下次 11:20、11:50……

看出问题了吗?执行时间在不断漂移,越来越偏离预期的整点节奏。

OpenClaw 的做法是引入了锚点对齐算法:以任务创建时间为锚点,下次执行时间永远对齐到锚点的整数倍位置。

锚点 = 10:00,间隔 = 30min,当前 = 10:20→ 下次执行 = 10:30(而非 10:50)

不管中间每次执行耗时多久,长期运行下时间线永远不会偏。一个很小的设计决策,但体现了做基础设施和做应用层之间的思维差异——基础设施要考虑的是"跑一个月之后还对不对"。

哈希防惊群:

让十个任务不再"挤门口"

另一个经典问题出现在 Cron 表达式模式下。

假设配了十个任务都在整点触发,到了整点全部同时启动,CPU 和内存瞬间被打满。这在分布式系统领域有个名字叫惊群效应(Thundering Herd)。

OpenClaw 的解法是给每个任务分配一个确定性偏移量:用任务 ID 的 SHA-256 哈希值对 5 分钟窗口取模。

效果很直观:十个整点任务被自动散开到 0~5 分钟的窗口里,各自错峰执行。因为哈希是确定性的,同一个任务每次算出来的偏移量完全一致,不会忽前忽后,也不需要任何人工配置。

一个让我印象最深的 Bug

在所有设计细节里,让我印象最深的其实是一个已修复的 Bug。

list() 是一个查询任务列表的接口——标准的读操作。但工程师发现,调用它的时候,系统会悄悄把过期任务的下次执行时间往后推。

一个读操作,产生了写的副作用。

这导致了一种"灵异现象":有些…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/Openclaw/2026031351249.html