🕐 Cron Scheduling
O cron.py transforma o Jarvis de reativo em proativo. Tarefas agendadas em formato padrão cron com recuperação automática de erros.
📌 Exemplos de Tarefas Agendadas
- •0 9 * * 1-5 → relatório diário de pendências às 9h (dias úteis)
- •*/30 * * * * → verificação de e-mails importantes a cada 30min
- •0 18 * * 5 → resumo semanal toda sexta às 18h
- •0 0 * * 0 → backup do memory.db todo domingo à meia-noite
- •*/5 * * * * → heartbeat de serviços críticos a cada 5min
💡 Dica Prática
Evite schedules muito frequentes em modelos caros. Um heartbeat a cada 5min com GPT-4o custa ~R$50/dia. Use modelos baratos para verificações periódicas.
💓 Heartbeat — Monitoramento Ativo
O Heartbeat é o sistema nervoso do Jarvis. Verificações periódicas configuráveis que alertam proativamente quando algo sai do normal.
📌 O que o Heartbeat Monitora
- •APIs de serviços críticos: status code != 200 → alerta
- •Uso de memória: memory.db > 100MB → compactar
- •Custo diário de API: > threshold → alerta e throttle
- •Arquivos importantes: hash mudou? → possível comprometimento
- •Uptime do próprio Jarvis: timeout de resposta → auto-restart
💡 Dica Prática
Configure heartbeats em múltiplos intervalos: rápido (5min) para serviços críticos, lento (1h) para verificações não-urgentes. Balance custo vs responsividade.
🔗 Webhooks com n8n e Zapier
Webhooks conectam o Jarvis ao ecossistema de automação existente. n8n, Zapier, Make.com podem disparar ações do Jarvis via HTTP.
📌 Fluxo de Integração por Webhook
- •n8n detecta novo lead no CRM → POST para /webhook/new-lead
- •Jarvis recebe evento, analisa com LLM, gera e-mail personalizado
- •Jarvis chama GmailTool para enviar e-mail ao lead
- •Jarvis atualiza CRM via API com resultado da ação
- •Audit log registra toda a cadeia
💡 Dica Prática
Sempre valide a assinatura HMAC do webhook antes de processar. Webhooks sem autenticação são vulneráveis a replay attacks e spam.
🤖 Sub-Agentes em Background
Sub-agentes permitem paralelismo real. O Jarvis principal cria sub-agentes para tarefas longas sem bloquear a conversa principal.
📌 Casos de Uso de Sub-Agentes
- •Análise de repositório grande: sub-agente varre e indexa, principal conversa
- •Pesquisa web extensa: 3 sub-agentes pesquisam em paralelo, principal agrega
- •Compilação de relatório: sub-agente coleta dados, principal formata e envia
- •Monitoramento contínuo: sub-agente monitora em loop, principal recebe alertas
- •Deploy pipeline: sub-agente executa passos, principal reporta progresso
💡 Dica Prática
Limite o número de sub-agentes simultâneos (recomendado: max 5). Cada sub-agente consome tokens e custo. Use pool de agentes para reutilização.
🤝 Multi-Agentes TinyClaw
TinyClaw é o padrão de equipes de agentes do INTELECTO. Agentes especializados colaboram passando trabalho entre si com papéis definidos.
📌 Papéis Comuns em TinyClaw
- •@coder: gera código e testes baseado no spec
- •@reviewer: analisa código gerado por bugs e style
- •@writer: documenta o código e gera changelog
- •@deployer: executa scripts de deploy com aprovação
- •@orchestrator: coordena o trabalho entre os outros agentes
💡 Dica Prática
Cada agente do TinyClaw tem seu SOUL.md especializado. O @reviewer é deliberadamente crítico; o @coder é focado em funcionamento; o @writer prioriza clareza.
📊 Observabilidade do Sistema
Sem observabilidade, otimização é chute. O metrics.py coleta latência, custo, erros e uso de tools em tempo real.
📌 Métricas Coletadas
- •Latência por request: p50, p95, p99 em ms
- •Tokens por request: input + output + custo em USD
- •Tool calls: frequência e taxa de sucesso por tool
- •Error rate: por tipo de erro e por provider
- •Agent loop depth: distribuição de rounds usados por conversa
💡 Dica Prática
Exporte métricas para um dashboard via /metrics endpoint. Grafana + Prometheus ou apenas um endpoint simples que o Jarvis lê quando perguntado.
✅ Resumo do Módulo 4.3
Próximo:
Trilha 5: Arquiteturas