这个Java程序员把AI塞进了定时任务里

JobRunr团队最近干了一件挺有意思的事——他们给自家用了多年的后台任务调度库，塞进去一个能聊天、能干活、还能自己记事的AI代理。名字叫ClawRunr，代码全开源，跑在你自己的机器上。

这事听起来有点混搭：一边是传统企业里跑批处理、发邮件、清日志的"老派"定时任务，一边是现在最火的对话式AI代理。但仔细想，这俩东西确实在解决同一个痛点——怎么让电脑自动干活，且干完能告诉你结果。

一张图看懂：ClawRunr的三层骨架

ClawRunr的架构图很能说明问题。整个项目拆成三个Spring Modulith（模块化单体）模块，像搭积木一样摞起来：

最底层是base模块，塞着核心代理逻辑、任务定义、工具集成、聊天渠道和配置。中间app模块负责Spring Boot的启动和组装。最上面可选的modules层，留给用户自己扩展。

这种设计有个好处：你想用它的AI能力，但不想碰它的Web界面？可以。你想接Telegram机器人，但不用Discord？也可以。模块化在这里不是炫技，是真的在解决"企业里一半功能用不上，另一半不够用"的尴尬。

状态存在嵌入式H2数据库里，意味着开箱即用，不用先配个MySQL。这对想快速试水的团队很友好——虽然生产环境大概率会换掉。

它到底能干什么？比ChatGPT多出的那部分

ClawRunr的前身叫JavaClaw，是OpenClaw的Java移植版。现在改头换面，核心能力可以分成四块：

第一，定时与持久化。这是JobRunr的老本行。ClawRunr继承了这套引擎，所以_retries（重试）、_persistence（持久化）、_scheduling（调度）、_monitoring（监控）这四件事，从"后期补丁"变成了"一等公民"。

很多AI代理演示很炫，但断网重启后任务全丢。ClawRunr的设计假设是：企业里的自动化任务可能跑几小时、几天，甚至跨版本升级，状态必须能存、能恢复、能查。

第二，对话式交互。用户可以通过Web聊天、Telegram、Discord三种渠道跟代理说话。让它"每周一早上9点拉销售报表发给我"，或者"现在立刻扫描这个目录的日志文件，把错误行挑出来"。

第三，工具集成。通过MCP（模型上下文协议）连接外部系统。MCP是Anthropic推的标准，现在逐渐被各家接受。ClawRunr支持它，意味着可以接数据库、API、文件系统，甚至其他代理。

第四，多模型支持。OpenAI、Anthropic、Ollama都能接。Ollama那条线尤其有意思——这意味着你可以完全离线跑，用本地模型，数据不出内网。

技术栈的选择：为什么用Java 25和Spring全家桶？

ClawRunr的技术栈很"Spring生态"：Java 25、Spring Boot、Spring AI、Spring Modulith，加上JobRunr本体。

这个选择本身就在筛选用户。用Python写AI代理是主流，但Java在企业后台的地位没人能撼动。ClawRunr的潜台词是：你们现有的Java系统不用重写，加几行依赖就能用上AI能力。

Spring AI是Spring官方出的AI集成框架，现在还在快速迭代。Spring Modulith则是解决"微服务太碎、单体太肿"的中间路线——一个代码库，但内部边界清晰。

JobRunr本身是个成熟的分布式任务调度库，支持CRON表达式、延迟任务、批量处理，还有带仪表板的监控界面。ClawRunr把它当成"执行引擎"，AI负责理解意图、拆解步骤，JobRunr负责保证步骤按时、可靠地跑完。

这种分工挺务实。AI擅长模糊输入和灵活推理，但不可靠；传统调度系统死板，但稳定。把两者焊在一起，各干各的强项。

开源、本地、多模型：这三个词的组合意味着什么

ClawRunr的发布时机很有意思。2025年到2026年，AI代理从演示走向生产，企业最关心的三个问题浮出水面：数据隐私、供应商锁定、运行成本。

ClawRunr的答案是全开源（代码在GitHub）、全本地（跑你自己的硬件）、多模型（随时换供应商或切本地）。这三张牌打出去，瞄准的显然是"想试水AI自动化，但不敢把数据往云端送"的那批企业。

Ollama支持尤其值得玩味。这意味着你可以用Llama 3、Mistral、Qwen这些开源模型，完全离线运行。对于金融、医疗、政务这类场景，合规门槛一下子低了很多。

当然，代价也有。本地模型的能力目前还不如GPT-4o或Claude 3.5 Sonnet，复杂任务可能需要更多提示工程。但ClawRunr的架构留了后门——今天用本地模型跑简单任务，明天API降价了，配置一改就能切过去。

一个值得观察的交叉点

ClawRunr的出现，把两个原本不太搭界的圈子拉到了一起：一边是写Spring Boot、搞定时任务、关心数据库连接池的传统Java后端；另一边是玩提示工程、调RAG、追AI代理新框架的前沿开发者。

它的 bet 是：企业真正需要的AI落地场景，可能不是什么炫酷的多代理协作，而是"把原来需要人盯着的定时任务，变成能对话、能自适应的自动化流程"。

这个 bet 对不对？现在说太早。但至少，它提供了一个完整的开源参考实现——从架构设计到模型接入，从持久化策略到聊天渠道扩展，代码都在那里。

如果你正在Java生态里找AI代理的落地姿势，ClawRunr值得拉下来跑一遍。毕竟，能同时支持"每周三凌晨2点执行"和"现在立刻帮我查一下"这两种语气的系统，市面上还真不多见。