lug-back
一个基于Python和Celery的后端任务队列与调度框架
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：lug-back。 它的用途是：一个基于Python和Celery的后端任务队列与调度框架 完整的 Skill 内容见：https://321skill.com/skills/lug-back/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我设置一个每晚凌晨2点自动备份数据库的任务。”，它会引导你使用lug-back框架，在`src/tasks`目录下创建相应的Celery任务函数，并配置Beat调度规则。或者
对AI说：“我的异步邮件发送任务堆积了，如何查看和处理？”，它会建议你使用`inspect scheduled`和`inspect active`命令诊断队列状态，并指导你调整worker并发数或排查任务逻辑。
介绍
lug-back 是一个用于管理和执行后台异步任务及定时任务的开发框架。它解决了后端开发中耗时操作阻塞主线程、需要定时执行任务（如数据同步、报告生成）以及任务状态监控困难的问题。
通过集成 Celery 作为核心任务队列，并配合 Celery Beat 进行定时调度，开发者可以轻松地将耗时函数（如发送邮件、处理文件、调用外部API）转为异步任务，并通过提供的命令行工具启动工作进程和调度器。
该框架非常适合需要构建稳定、可扩展后台任务系统的后端开发者和运维工程师。它尤其适用于那些已经使用 Python 技术栈，并希望快速引入异步任务处理能力的项目。
使用前请确保已正确配置消息代理（如 Redis/RabbitMQ）。在部署时，建议将 worker 和 beat 进程通过 Supervisor 或 systemd 等工具管理，以确保服务的高可用性。注意任务函数的幂等性设计和错误重试机制，以应对网络波动等异常情况。
核心特点
与简单的脚本或crontab方案相比，它提供了集中式的任务队列管理、分布式worker支持以及内置的任务状态监控命令（如检查已调度和活跃任务），使后台任务的管理和运维更加标准化和可视化。
注意事项
不适合需要极低延迟或实时性要求极高的任务处理场景，也不直接提供Web管理界面，更适合通过命令行和日志进行运维。
常见问题
如何检查当前有哪些定时任务正在等待执行？
使用命令 `uv run celery -A src.tasks.worker:celery_app inspect scheduled` 即可查看已调度的任务列表。
如何启动任务处理worker和定时调度器？
分别运行两条命令：`uv run celery -A src.tasks.worker:celery_app worker --loglevel=info --concurrency=4` 启动worker，以及 `uv run celery -A src.tasks.worker:celery_app beat --loglevel=info` 启动调度器。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/lug-back/raw/index.md 读取 lug-back 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/lug-back/raw/index.md（查看排版版本）