背景
在构建 AI Agent 应用时，常常需要实现跨系统的任务调度。传统方案多用轮询机制，定期检查任务队列，但这会带来一个问题：Token 浪费。
即使没有新任务，Agent 也要定期"空转"查询，浪费 API 调用额度。
解决思路
我开源了一个小工具 qclaw-workbuddy-bridge，用文件触发机制替代轮询：
任务提交 → 写入 .trigger 文件 → launchd 检测 → 启动处理
只有真正有任务时才启动，零浪费。
技术实现
1. 任务队列结构
{
"tasks": [
{
"id": "task_001",
"status": "pending",
"command": "分析文档并生成摘要",
"created_at": "2026-04-21T10:00:00Z"
}
]
}
```
### 2. 触发机制
```python
# 提交任务时
with open(QUEUE_FILE, 'w') as f:
json.dump(queue, f)
# 写入触发文件
Path(TRIGGER_FILE).touch()
```
### 3. launchd 配置
```xml
<key>WatchPaths</key>
<array>
<string>/Users/xxx/.workbuddy/queue/.trigger</string>
</array>
```
当 `.trigger` 文件被修改时，launchd 自动启动处理脚本。
### 4. 处理流程
```python
def process_tasks():
tasks = load_queue()
for task in tasks:
if task['status'] == 'pending':
execute(task)
task['status'] = 'done'
save_queue(tasks)
# 处理完成后删除触发文件
Path(TRIGGER_FILE).unlink()
```
## 效果对比
| 方案 | Token 消耗 | 响应延迟 |
|------|-----------|----------|
| 轮询（每分钟） | 1440 次/天 | <60s |
| 文件触发 | 仅实际任务 | <1s |
按每天 10 个任务计算，轮询方案浪费 **99%** 的 API 调用。
## 实际应用场景
### 场景 1: 微信任务自动化
```
用户在微信/QClay 提交任务 → WorkBuddy 自动执行 → 结果推送回微信
```
无需切换 App，微信就是 AI 指挥中心。
### 场景 2: 跨 Agent 通信
```
Agent A 提交任务 → Agent B 处理 → 结果回传
```
不同 AI Agent 之间通过共享队列通信，无需中心化服务。
## 开源地址
GitHub: https://github.com/liuboacean/qclaw-workbuddy-bridge
**功能特性**：
- ✅ 零轮询设计 — 不浪费 API 调用
- ✅ 双向通信 — 任务提交 + 结果查询
- ✅ macOS 原生 — launchd 支持
- ✅ 事件驱动 — 文件触发机制
欢迎 Star、Issue 和 PR！
## 总结
文件触发机制适合：
- 任务密度不高的场景
- 需要节省 API 调用
- macOS 环境
如果你的 AI Agent 也在为轮询烦恼，不妨试试这个思路。
---
**相关项目**：
- [ticktick-cli](https://github.com/liuboacean/ticktick-cli) - 滴答清单命令行工具
- [workbuddy-evolution-stack](https://github.com/liuboacean/workbuddy-evolution-stack) - AI 自学习记忆引擎
