之前接到一个比较特殊的自动化需求:每天固定时间登录某款手游,按清单完成一组日常任务,结束后自动录制全程操作并生成截图回执,方便核对执行情况。这类需求本质上是“定时任务 + 桌面自动化 + 录屏日志”的组合。单人手动执行不仅效率低,而且容易漏项;更合理的方式是用脚本搭一套托管执行系统,让机器按计划完成,并把过程记录沉淀下来。
这篇文章就围绕这套系统展开,完整拆解任务调度、自动录屏、日志返图三大模块的实现方案,配套 Python 代码与运行方式。零基础可以按步骤搭建,有开发经验的朋友也可以直接取核心代码改造。
1. 托管任务系统到底在解决什么问题
先明确一个概念:所谓“托管”,就是把一类重复性、规则固定、时间敏感的执行工作交给程序自动跑。典型流程是:
text复制配置任务清单 → 定时触发 → 脚本执行操作 → 录制过程 → 生成日志/截图 → 交付回执
这里面有几个核心诉求:
- 定时性:每天固定时间开始,不能靠人肉闹钟。
- 可追溯:执行了哪些任务、是否成功、失败原因,都要有记录。
- 可视化:不光要有文字日志,还要有录屏和截图,便于事后核对。
- 可配置:任务清单和运行时间经常调整,配置文件要容易改。
很多人以为这只是游戏代练圈的玩法,其实这套技术在业务里更常见:
- 定时巡检线上服务,自动截取监控面板。
- 每日自动执行数据报表任务,生成过程截图归档。
- UI 自动化测试中的用例执行与录像留存。
- 定时备份系统关键页面或接口返回。
也就是说,理解了这套系统,你就能应对一大类“定时 + 执行 + 记录”的开发需求。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 环境准备与版本说明
本文示例以 Python 为主,重点演示设计思路,不绑定特定游戏或平台。具体环境如下:
| 项目 | 建议版本 | 说明 |
|---|---|---|
| 操作系统 | Windows 10/11 或 Linux | 录屏模块在 Windows 更简单,Linux 需额外配桌面环境 |
| Python | 3.9 以上 | 推荐 3.10+ |
| APScheduler | 3.x | 定时调度库 |
| mss | 最新稳定版 | 跨平台截屏/录屏 |
| Pillow | 8.0 以上 | 图片处理与拼接 |
| schedule | 1.x | 备选调度方案 |
安装命令:
bash复制pip install apscheduler mss pillow schedule
版本需要根据你的实际项目调整,本文示例以常见环境为例,重点演示配置思路。
建议项目结构如下:
text复制task_host/
├── config.yaml # 任务清单与时间配置
├── main.py # 程序入口
├── scheduler_manager.py # 调度器模块
├── executor.py # 任务执行器
├── recorder.py # 录屏与截图模块
├── logger_util.py # 日志与返图模块
└── output/ # 输出目录
├── logs/
└── screenshots/
3. 核心模块与设计思路
3.1 任务描述模型
在设计系统前,先定义任务的数据结构。一个任务至少要包含以下字段:
| 字段 | 类型 | 说明 |
|---|---|---|
| task_id | string | 唯一标识 |
| name | string | 任务名称 |
| cron | string | 定时表达式,如 0 8 * * * |
| actions | list | 具体的执行动作序列 |
| enabled | bool | 是否启用 |
用 Python 字典或数据类描述即可。注意不要把任务逻辑硬编码在调度器里,而是通过配置驱动。
3.2 调度器模块
调度器负责“什么时候执行”。APScheduler 有三种常用调度方式:
DateTrigger:指定某个时刻执行一次。IntervalTrigger:按固定间隔循环。CronTrigger:按类 crontab 表达式执行,最常用。
为什么用 CronTrigger?因为日常托管任务往往需要精确到“每天 8 点整执行”,而不是“每 24 小时执行一次”。两者的差别在跨天、跨时区场景下非常明显。
示例:
python复制from apscheduler.schedulers.blocking import BlockingScheduler
from apscheduler.triggers.cron import CronTrigger
def job():
print("执行任务")
scheduler = BlockingScheduler()
scheduler.add_job(job, CronTrigger.from_crontab("0 8 * * *"), id="daily_job")
scheduler.start()
这段代码注册了一个每天 8 点执行的定时任务。scheduler.start() 会阻塞主进程,所以在实际项目中,需要把调度器封装成一个独立服务来管理。
3.3 录屏与截图模块
录屏有两个层级:
- 完整录像:用于全程追溯,但文件大、占用磁盘。
- 关键帧截图:用于快速返图,占用空间小,便于交付。
工程化建议是“主力截图 + 可选录屏”。用 mss 库可以快速截取屏幕,速度远快于 pyautogui。
全屏截图核心代码:
python复制import mss
def capture_screen(file_path):
with mss.mss() as sct:
monitor = sct.monitors[1]
shot = sct.grab(monitor)
mss.tools.to_png(shot.rgb, shot.size, output=file_path)
这个截图函数可以塞进任务执行的任意步骤,用来记录关键操作节点。
3.4 日志与返图模块
日志模块不能只是简单打印,要区分级别、写入文件、附带时间戳。Python 内置的 logging 足够用:
python复制import logging
def setup_logger(log_file):
logging.basicConfig(
level=logging.INFO,
format="%(asctime)s [%(levelname)s] %(name)s - %(message)s",
handlers=[
logging.FileHandler(log_file, encoding="utf-8"),
logging.StreamHandler()
]
)
return logging.getLogger("task_host")
返图的意思是:一天执行结束后,系统自动把多个截图拼接成一张汇总图,并生成 Markdown/HTML 报告,方便直接查看。用 Pillow 可以快速实现:
python复制from PIL import Image
def merge_images(image_paths, output_path, cols=3):
if not image_paths:
return
images = [Image.open(p) for p in image_paths]
width = max(img.width for img in images)
height = max(img.height for img in images)
rows = (len(images) + cols - 1) // cols
canvas = Image.new("RGB", (width * cols, height * rows), "white")
for idx, img in enumerate(images):
x = (idx % cols) * width
y = (idx // cols) * height
canvas.paste(img, (x, y))
canvas.save(output_path)
这样每天执行完,直接查看一张拼图即可,不用逐个打开几十张截图。
4. 完整实战:从配置到运行
下面实现一个简化但完整的托管任务系统。它能完成以下工作:
- 读取配置中的任务清单。
- 每天按时触发执行。
- 执行时按步骤截图。
- 生成日志文件和拼接汇总图。
4.1 创建配置文件 config.yaml
yaml复制global:
output_dir: ./output
tasks:
- task_id: gate_01
name: 第三扇门
cron: "0 8 * * *"
enabled: true
actions:
- type: wait
seconds: 2
- type: screenshot
name: step_01
- type: wait
seconds: 5
- type: screenshot
name: step_02
- task_id: dusk_02
name: 黄昏的音序
cron: "30 8 * * *"
enabled: true
actions:
- type: wait
seconds: 3
- type: screenshot
name: step_01
- task_id: silence_03
name: 无声综合症
cron: "0 9 * * *"
enabled: true
actions:
- type: screenshot
name: step_01
这里把用户提到的几个目标作为示例任务名,实际项目中完全替换成自己的清单即可。actions 是动作序列,目前支持等待和截图两种类型,便于扩展到点击、按键等操作。
4.2 调度管理器 scheduler_manager.py
调度管理器的职责是把配置文件里的任务注册到 APScheduler:
python复制import yaml
from apscheduler.schedulers.blocking import BlockingScheduler
from apscheduler.triggers.cron import CronTrigger
from executor import execute_task
class SchedulerManager:
def __init__(self, config_path):
with open(config_path, "r", encoding="utf-8") as f:
self.config = yaml.safe_load(f)
self.scheduler = BlockingScheduler()
def register_tasks(self):
tasks = self.config.get("tasks", [])
for task in tasks:
if not task.get("enabled", True):
continue
task_id = task["task_id"]
cron = task["cron"]
self.scheduler.add_job(
execute_task,
CronTrigger.from_crontab(cron),
id=task_id,
args=[task]
)
print(f"已注册任务: {task['name']} -> {cron}")
def run(self):
self.register_tasks()
self.scheduler.start()
这里注意:如果两个任务使用相同 cron 时间,APScheduler 默认会串行执行还是并发执行?默认情况下线程池会并行运行,如果任务之间有资源冲突,需要自行加锁或用队列串行化。
4.3 执行器 executor.py
执行器的职责是把任务配置中的 actions 逐条执行:
python复制import time
from recorder import capture_screen
from logger_util import get_logger
logger = get_logger()
def execute_task(task):
task_id = task["task_id"]
name = task["name"]
action_list = task.get("actions", [])
logger.info(f"[{task_id}] 任务开始: {name}")
for idx, action in enumerate(action_list):
action_type = action.get("type")
if action_type == "wait":
logger.info(f"[{task_id}] 等待 {action['seconds']} 秒")
time.sleep(action["seconds"])
elif action_type == "screenshot":
step_name = action.get("name", f"step_{idx}")
file_path = f"./output/screenshots/{name}_{step_name}.png"
capture_screen(file_path)
logger.info(f"[{task_id}] 截图保存: {file_path}")
else:
logger.warning(f"[{task_id}] 未知动作类型: {action_type}")
logger.info(f"[{task_id}] 任务执行完成: {name}")
return True
如果是真实业务,actions 里可以增加 click、input_text、wait_until_appear 等动作,核心结构不用变,只需在执行器里补充对应分支。
4.4 录屏与截图模块 recorder.py
这里独立出截图能力,方便执行器调用:
python复制import os
import mss
def ensure_dir(path):
os.makedirs(path, exist_ok=True)
def capture_screen(file_path):
ensure_dir(os.path.dirname(file_path))
with mss.mss() as sct:
monitor = sct.monitors[1]
shot = sct.grab(monitor)
mss.tools.to_png(shot.rgb, shot.size, output=file_path)
return file_path
如果还需要全流程录屏,可以用 mss 的 screen 对象持续抓帧写视频,或者更快的方式是调用系统自带的录制工具,ffmpeg 也可以。但录屏文件通常较大,建议只在任务执行时按需录制。
4.5 日志模块 logger_util.py
日志模块用一个统一入口,避免每个文件各写一套:
python复制import logging
def get_logger():
logger = logging.getLogger("task_host")
if not logger.handlers:
logging.basicConfig(
level=logging.INFO,
format="%(asctime)s [%(levelname)s] %(module)s - %(message)s",
handlers=[
logging.FileHandler("./output/logs/task_host.log", encoding="utf-8"),
logging.StreamHandler()
]
)
return logger
生产环境建议按日期切分日志文件,避免单文件无限膨胀。
4.6 返图汇总模块 reporter.py
每天任务全部结束后,可以手动或定时生成汇总图:
python复制from PIL import Image
import glob
def merge_screenshots_by_date(screenshot_dir, output_path, cols=3):
files = sorted(glob.glob(os.path.join(screenshot_dir, "*.png")))
if not files:
return
images = [Image.open(f) for f in files]
width = max(img.width for img in images)
height = max(img.height for img in images)
rows = (len(images) + cols - 1) // cols
canvas = Image.new("RGB", (width * cols, height * rows), "white")
for idx, img in enumerate(images):
x = (idx % cols) * width
y = (idx // cols) * height
canvas.paste(img, (x, y))
canvas.save(output_path)
4.7 入口文件 main.py
python复制from scheduler_manager import SchedulerManager
if __name__ == "__main__":
manager = SchedulerManager("config.yaml")
manager.run()
运行方式:
bash复制python main.py
预期效果:
text复制已注册任务: 第三扇门 -> 0 8 * * *
已注册任务: 黄昏的音序 -> 30 8 * * *
已注册任务: 无声综合症 -> 0 9 * * *
到达设定时间后,对应任务被执行器拉起,依次截图并写入日志。
5. 常见问题与排查思路
| 问题现象 | 常见原因 | 解决思路 |
|---|---|---|
| 定时任务不触发 | cron 表达式格式错误、时区不一致 | 先在 console 打印当前时间,检查系统时区和 APScheduler 的 timezone 配置 |
| 截图全是黑屏 | 无桌面会话环境,或窗口被最小化锁屏 | 确保有完整的桌面会话,不要锁屏,或改用无头浏览器方案 |
| 任务并发冲突 | 多个任务同一时间执行,抢占鼠标键盘 | 引入全局锁或采用单线程串行调度 |
| 日志文件过大 | 没有做日志切割 | 使用 TimedRotatingFileHandler 按天归档 |
| 截图数量过多 | 每个动作都截图 | 增加截图关键节点配置,控制采集频率 |
| 磁盘空间不足 | 截图为 PNG 大图 | 定期清理旧文件,或压缩为 JPEG |
排查时建议顺序为:先确认调度是否触发,再确认执行器是否报错,最后检查输出文件是否生成。
这里有一个容易踩的坑:在 Windows 上,脚本后台运行时,截屏可能只能截到锁屏界面,因为桌面没有处于活跃状态。解决方案是保持会话不锁屏,或改用虚拟显示器方案,例如配置虚拟显卡输出。
6. 工程化与合规建议
这类自动化系统虽然看起来简单,但要放到生产环境长期稳定运行,还需要注意几个层次的问题。
6.1 配置管理
建议把任务配置放到独立的 yaml 或 json 文件里,配合配置中心使用。每次修改直接改配置,不要改代码。配置字段要加上注释,方便其他成员接手。
同时所有按天变化的时间参数要写成可配置项。比如今天要执行的任务,可能和明天不同,那就在配置里加一个日期维度:
yaml复制tasks:
- task_id: gate_01
name: 第三扇门
cron: "0 8 * * *"
start_date: "2026-08-19"
end_date: "2026-08-25"
6.2 异常处理与重试
执行任务时,任何一步失败都应该被捕获并记录,而不是让线程直接崩溃。建议包裹一层统一异常处理:
python复制try:
execute_task(task)
except Exception as e:
logger.error(f"任务执行异常: {task['task_id']}, error: {e}", exc_info=True)
网络类或偶发类错误可增加最多三次重试,但注意幂等性,防止重复执行副作用。
6.3 日志与监控
生产环境建议把日志接入统一的日志平台,或者每天定时把日志文件上传归档。除了文件日志,还可以在任务完成后发送钉钉、企业微信或邮件通知,便于第一时间感知异常。
6.4 权限与安全边界
涉及账号登录类自动化操作时,必须确保已获得账号所有者的明确授权。不要使用脚本绕过安全验证,不要窃取会话信息。自动化操作应当遵循平台规则与相关服务条款。
如果系统部署在服务器上,建议使用低权限账号运行,限制输出目录访问范围,防止敏感截图和日志泄露。截图内容可能包含业务敏感信息,归档时需要考虑加密存储和访问审计。
6.5 清理策略
自动生成的日志和截图会快速占用磁盘。建议保留周期按业务需求来定,例如:
- 日志保留 30 天。
- 截图保留 7 天。
- 汇总返图保留 90 天。
这些清理也可以做成定时任务,属于托管系统的一部分。
7. 实测效果与验收标准
一套系统是否达标,不只看“能跑”,更要有明确的验收指标:
| 指标 | 标准 |
|---|---|
| 调度准确性 | 连续 7 天,触发时间误差小于 30 秒 |
| 截图成功率 | 每次任务截图成功率达到 99% 以上 |
| 日志完整度 | 每个任务执行周期有开始、步骤、结束日志 |
| 返图可用性 | 每日汇总图能看清每个步骤状态 |
| 异常感知时效 | 任务失败后 5 分钟内能收到通知 |
建议在上线前先连续跑 3 天测试,确认日志和截图完整后再进入正式周期。新的任务动作加入后,要在测试环境单独验证,不要直接上生产。
8. 总结与后续扩展
这套托管执行系统用了三个很基础的能力:定时调度、截屏、日志。把三者巧妙地组合起来,就是一个能稳定运行、可追溯、可视化交付的自动化工具。核心代码量不大,但工程化之后可以应用到很多业务场景。
你可以在当前版本基础上继续扩展:
- 加入
click和input_text动作,处理需要交互的操作。 - 接入图像识别,判断某个界面元素是否出现,实现智能等待。
- 增加任务依赖关系,比如 A 任务执行完才允许 B 任务开始。
- 接入消息推送,把每日返图直接发送到钉钉/企微群。
- 把配置改为数据库存储,配合一个简单的 Web 管理界面。
这套技术本身的价值在于“把重复的工作交给机器,把核对的过程标准化”。如果你也有类似的需求,不妨从今天的示例搭建一个最小原型跑起来,后续慢慢迭代完善。
