用Hook让Agent感知时间

简介: 本文采用 Hook 机制为 Agent 注入时间感知能力,实现方式为 UserPromptSubmit 事件 Hook + 全局规则声明,Shell 脚本共 23 行。Agent 的时间感知问题指的是:模型权重是静态的,训练数据有截止日期,推理时没有内置时钟,它的时间停在上一次预训练那天。一周前的会话今天接着聊,对用户来说过了一周,对 AI 来说时间没有流动。目前不少 Agent 框架通过系统提示词注入时间,本文介绍一种基于 Hook 的通用实现,详细介绍见全文

一、LLM没有时间感知

1. 现象

随便问一个时效性相关问题:"最近3年云栖大会都是什么时候开的?"

一个没有时间感知的 Agent 其实不知道"最近3年"指哪三年。它可能翻训练数据里的旧记忆(这个时间大概率是过时的),可能瞎编一个日期,更可能直接卡住——"最近"这个词需要一个基准点,而这个基准点它根本没有。类似的还有:晚上十一点聊天它说"美好的一天开始了",周一问它事情它祝你"周末愉快"。这些都属于是系统性的时间感知缺失

2. 原因

这并不是模型本身能力的问题,大模型推理时权重已经被冻结,没有进程级的时钟,没有系统调用,拿不到当前时间。除非在 prompt 里告诉它,否则它只能拿训练数据里"见过的最近日期"去猜,而这个日期可能是一年前。

Fine-tune 不能解决,时间一直在变,没法训进权重。接 API 拿服务器时间可以,但每次对话多一次调用,延迟、成本、依赖链都增加。最简方案是:每次用户提交 prompt 时,往上下文注入一行当前时间。不改模型,不微调,不调外部 API,一个 Hook 搞定

二、时间注入 Hook

主流 Agent 工具大多提供 Hook 机制,允许在特定事件点执行自定义脚本。UserPromptSubmit 事件在每次用户提交 prompt 时触发,脚本的输出可以通过 hookSpecificOutput.additionalContext 字段注入到模型上下文中。整个方案分三步,从注册到执行到声明,缺一不可。

1. 注册 Hook

在配置文件中注册 UserPromptSubmit 事件:

{
   
  "hooks": {
   
    "UserPromptSubmit": [
      {
   
        "matcher": "*",
        "hooks": [
          {
   
            "type": "command",
            "command": "~/.qoder/hooks/inject-time.sh",
            "timeout": 5
          }
        ]
      }
    ]
  }
}

matcher: "*" 表示所有 prompt 都触发,timeout: 5 防止脚本卡死阻塞对话。这一层只负责一件事:用户说话时,跑一下这个脚本。

2. 执行脚本

inject-time.sh,23 行,全部逻辑在这里:

#!/bin/bash
# UserPromptSubmit Hook — 时间注入(极简版)
# 每次提交 Prompt 时向 AI 上下文注入当前系统时间。
# 仅记录一行时间戳到 audit 目录,不记录任何聊天内容。
# Fail-Open: hook 出错绝不影响宿主。
trap 'exit 0' ERR EXIT
set +e +u

# 丢弃 stdin(不解析 prompt,避免管道阻塞)
cat >/dev/null 2>&1

NOW="$(date '+%Y-%m-%d %H:%M:%S' 2>/dev/null)"
WEEKDAY="$(date '+%A' 2>/dev/null)"

# 极简日志: 仅时间戳,统一到 audit 目录,不含聊天内容
LOG_FILE="${HOME}/.qoder/audit/inject-time.log"
mkdir -p "${HOME}/.qoder/audit" 2>/dev/null
printf '[%s]\n' "$NOW" >> "$LOG_FILE" 2>/dev/null || true

# 注入时间上下文 (JSON 格式: hookSpecificOutput.additionalContext)
[ -n "$NOW" ] && printf '{"hookSpecificOutput":{"hook_event_name":"UserPromptSubmit","additionalContext":"当前系统时间: %s %s"}}' "$NOW" "$WEEKDAY"
exit 0

脚本很简单,功能大致如下:

  • 取时间:精确到秒,带完整星期名
  • 注入上下文:通过 additionalContext 把时间塞进模型上下文,最终模型看到的是 当前系统时间: 2026-07-16 21:01:35 Thursday
  • 审计日志:只记一行时间戳,不含任何聊天内容
  • Fail-Open:任何异常静默退出,绝不影响对话;stdin 直接丢弃,不解析、不存储用户输入

3. 声明能力

光注入时间不够,得告诉 Agent"你有这个能力",否则那行时间戳只是上下文里的噪音。推荐是在全局规则文件里加一条:

## 时间感知
- 每轮会话会自动触发hook注入时间,注入时间格式: %Y-%m-%d %H:%M:%S
  所以你是具备时间感知能力的, 回答用户问题需要有时间意识,优先使用注入时间

模型推理时会读 system prompt,这条规则相当于一份能力声明。有了它,Agent 才会主动把时间作为推理锚点,而不是把注入的时间戳当成无关信息忽略掉

三、效果对比

无时间注入的 Agent:面对"最近3年云栖大会都是什么时候开的",不知道"最近"的基准点,可能拿训练数据截止日期当基准,可能直接猜。调用搜索工具时查询意图缺少时间锚点,搜"最新"可能翻出几年前的结果,搜"上周"无法锚定到具体日期区间 并不固定

当然, 随着模型推理能力愈发强大、Agent足够完善,其实这类意图可能会被 LLM识别, 继而优先调用时间工具获取当前时间, 但是这种依然是不够稳定的, 因为时间注入其实完全依赖当时LLM是否觉得去看下当前几点了

注入时间后的 Agent:看到上下文里的 2026-07-16,立刻知道"最近3年"是 2024、2025、2026,然后主动调搜索工具查这三年的实际举办日期。搜"最新"不会翻出 2023 年的结果,搜"上周"能锚定到上周一到周日。时间戳成了理解相对时间词的基准
2026-07-18-11-38-25

真人感的差别更明显,加上时间感知后, 晚上十一点它不会回复你说"美好的一天开始了",周一不会祝你"周末愉快",周四聊到周末计划接得住。这些细节单独看没什么,累积起来就是像人和不像人的分界。它不是调参调出来的,是上下文里有没有"当下"这个锚点

本文配置以 Qoder 为例(配置文件 ~/.qoder/settings.json,规则文件 ~/.qoder/rules/system.md),其他支持 Hook 机制的同类 Agent 工具按需调整路径和字段即可,思路完全通用。

参考文档

目录
相关文章
|
2月前
|
存储 文字识别 架构师
“图片翻译”的一次工程化拆分
本文探讨图片翻译的工程化拆分实践:因合规要求弃用海外模型后,发现单靠千问图像模型直接编辑易致乱码、错位、漏翻。作者提出四段式流水线——OCR结构识别→长度可控的翻译计划→带强约束的图像编辑→智能评估与重绘兜底,以流程确定性弥补模型能力缺口,实现版式保真的高质量中英图片翻译
355 0
“图片翻译”的一次工程化拆分
|
20天前
|
人工智能 索引
本地笔记库搭建:Qoder + 自定义 Skill
试了一圈笔记工具,最后落在 Qoder Desktop。需求很明确:Markdown 写作,自建图床,Agent 能检索能编辑。Codex、Cherry Studio、Notion、Qoderwork 都试过,各有各的不对。Qoder 让我停下来的原因很简单——编辑器跟 Agent 集成但不互相绑架,支持自定义模型,BYOK。没碰 RAG,用 Skill 搭了一套自己的检索流程:建索引、查索引、读文件、改文件、更新索引,每一步都看得见,跑偏了知道哪里出问题
353 2
|
25天前
|
SQL 人工智能 测试技术
Loop Engineering 与 Spec-Driven Development 结合下的 token 收敛
本文深度剖析Loop Engineering(循环工程)——2026年兴起的第四代AI工程范式:它并非取代Prompt/SDD,而是构建“目标→执行→验证→修正→再执行”的自主闭环,让AI自我迭代直至达标;同时直面Token爆炸痛点,结合SDD规范实现上下文收敛与成本可控。(239字)
|
4月前
|
弹性计算 人工智能 自然语言处理
用自然语言对话云平台:aliyun-cli skills 的一次尝试
`aliyun cli skills` 是一个创新的AI运维工具:让大模型像工程师一样使用阿里云CLI——通过自然语言理解用户意图,动态调用`--help`获取真实命令语法,自动生成、审查并执行结构化CLI命令(支持ECS/VPC/OSS等全产品),实现“说话即运维”。
922 5
用自然语言对话云平台:aliyun-cli skills 的一次尝试
|
3月前
|
机器学习/深度学习 前端开发 算法
SBTI的爆火
SBTI是MBTI的戏谑变体,借熟为人知的认知框架,用网络热梗命名(如“吗喽”“酒鬼”)替代严肃人格标签。纯前端实现、零后端依赖,结果稳定易传播。它不追求心理科学性,而是精准击中当代青年自嘲、情绪化表达需求,成为社交平台的现象级“状态名片”。以上服务部署全部托管oss
1020 6
|
7月前
|
运维 算法 Serverless
百炼高代码应用的一点想法与实践
AgentScope 框架接触已经有一段时间了, 也写了不少,但对 AgentScope-Runtime 还没有详细看过。这次通过百炼高代码应用,从开发到部署完整跑了一遍,正好系统梳理了一次 Runtime 在整个链路中的位置。
667 9
|
2月前
|
人工智能 安全 API
Claude Cowork 支持第三方模型接入 开放而不开源
Claude Cowork 正式支持第三方推理平台接入(如Bedrock、Vertex AI、Azure Foundry及兼容/v1/messages的LLM网关),实现工具层与模型层解耦。用户可自由配置国产模型(如Qwen、GLM、DeepSeek等),降低使用门槛与成本,同时保留桌面端Agent工作流、MCP、插件及本地文件访问等核心体验——开放接口,不开放入口。
2070 7
Claude Cowork 支持第三方模型接入 开放而不开源
|
3月前
|
人工智能 自然语言处理 测试技术
DeepSeek V4:百万上下文,万亿参数,以及重新泛起涟漪的开源池塘
DeepSeek V4发布Pro(1.6T参数/49B激活)与Flash(284B/13B)双模型,均支持1M上下文、thinking模式及Agent能力。全栈开源(权重+技术报告+API+定价),采用混合注意力架构显著降本,中文长文本与推理能力突出,是当前少有的万亿级开源系统级发布
2474 4
DeepSeek V4:百万上下文,万亿参数,以及重新泛起涟漪的开源池塘
|
4月前
|
人工智能 安全 Android开发
当龙虾住进云桌面:一次 jvsclaw 实测
把龙虾放进云桌面之后会发生什么?实测 jvsclaw 的实际体验、优缺点,以及对 Agent 形态的一些思考
2070 11