HumanLayer：让 AI 编码 agent 在关键时刻停下来等人类审批

Skill超级捕获手 技术创作者 2026-09-08 9 阅读

总结

HumanLayer 是目前最受关注的 AI 编码 agent 人类审核层工具，GitHub 已积累约 11.5k Stars（截至 2026-09-07）。它让 AI agent 在执行删除、部署、计费等高风险操作前自动暂停并请求人工审批，支持 Slack / 邮件 / Web 等多渠道审核，同时提供 CodeLayer IDE（开源 AI 编程工作台）、多窗口并行（MultiClaude）、团队级上下文工程等能力。简单说，它解决的是”AI 全自主太危险、全手动又太累”的核心矛盾，让人类真正掌控 AI 的行动边界。

功能与原则

HumanLayer 定位为 AI agent 的「安全护栏 + 协作中枢」，核心理念是：AI 可以做任何事，但人类永远拥有最终否决权。产品原则包括：

  • 审批_gate（Approval Gates）：高风险工具调用前自动中断，等待人工确认后再继续
  • 异步审核：agent 等待期间挂起，不消耗 token，审批结果通过 Web / Slack / 邮件回传
  • 多渠道路由：可按操作类型、代码仓库或人员角色将审批请求精准路由到负责人
  • 全链路审计：每次审批记录操作人、操作内容、审批结果，可追溯可复盘
  • 任意 LLM + 框架兼容：在工具层实现，不依赖特定模型或编排框架

认可度

  • GitHub Stars：约 11.5k（截至 2026-09-07），近一年持续增长，属 Agent Tooling 类别头部项目
  • 产品定位：被 YC 创投圈关注，团队在 2025 年 YC 进行过「Context Engineering for Coding Agents」主题分享
  • 社区热度：持续出现在 awesome-agent-frameworks、awesome-claude-code、awesome-ai-agents 等主流 AI 开发者列表中
  • 生态接入：支持 LangChain、CrewAI、ControlFlow、GripTape、OpenAI 等主流框架的官方集成

链接

GitHub：https://github.com/humanlayer/humanlayer

原作者

HumanLayer 团队（GitHub org: humanlayer），由 Context Engineering 领域知名布道者 @dexhorthy 主导，团队提出并推广了「12 Factor Agents」方法论，在 AI Coding Agent 圈层有较高影响力。

介绍

HumanLayer 最早以「人类在环」（Human-in-the-Loop）SDK 起家，核心能力是为 AI agent 添加一层可控的审批拦截——当 agent 试图执行删除文件、发起部署、调用计费 API 等敏感操作时，强制等待人工确认。

随着产品演进，HumanLayer 扩展为 CodeLayer——一个基于 Claude Code 的开源 IDE，定位为「AI 编程的超级工作台」。CodeLayer 提供键盘优先的操作流（类 Vim / Superhuman 风格）、多窗口并行（MultiClaude，支持 git worktree 隔离的并行会话）、团队级上下文工程（确保 AI 理解团队规范而非个人偏好）三大核心体验。

当前最新架构中，HumanLayer 分为两条并行路径：
1. CodeLayer（新，waitlist）：面向 AI First 开发团队的协作式编程 IDE
2. HumanLayer SDK（稳定版，Apache 2.0）：面向开发者嵌入任意 AI agent 的人类审核能力

特点

  • 高风险操作拦截：自动识别删除、部署、计费、权限变更等敏感行为，触发人工审批
  • 多渠道审批路由：Slack / 邮件 / Web 三种审批通道，可按操作类型配置路由规则
  • 全异步非阻塞：agent 等待期间不消耗 token，支持跨时区异步协作场景
  • 多窗口并行（MultiClaude）：支持同时运行多个 Claude Code 会话，配合 git worktree 实现真正的并行开发
  • 团队上下文工程：将团队的代码规范、设计原则、工作流程编码进 AI 上下文，确保全团队一致的 AI 协作体验
  • 框架无关：在工具层实现，适配 LangChain、CrewAI、ControlFlow、GripTape、OpenAI 等所有主流框架

使用方法

安装 HumanLayer SDK（Python）

pip install humanlayer

配置审批通道

在项目根目录创建 humanlayer.yaml：

channels:
  slack:
    webhook_url: "https://hooks.slack.com/services/..."
    channel: "#ai-approvals"
routes:
  - when: "tool_name.contains('delete')"
    require_approval: true
    channel: slack

集成到 LangChain Agent

from humanlayer import HumanLayer

hl = HumanLayer()

# 高风险工具自动触发审批
tools = [
    hl.approval_tool(name="delete_file", description="Delete a file"),
    hl.approval_tool(name="deploy", description="Deploy to production"),
]

# 正常工具无需审批
normal_tools = [read_file, write_file]

agent = create_agent(tools=[*normal_tools, *hl.wrap_tools()])

使用 CodeLayer（waitlist）

npx humanlayer join-waitlist --email you@company.com

等待邀请后，通过 CodeLayer IDE 启动多窗口并行编程体验。

使用场景与人群

适用场景：
– 大型代码库重构 / 批量修改（防止 AI 误删关键代码）
– 生产环境部署（CI/CD 流程中增加人工审批门禁）
– 财务 / 权限类敏感 API 调用（AI 不得擅自执行计费或权限变更）
– 跨团队 AI 协作（确保 AI 行为符合各团队规范）
– 远程 / 异步团队（审批流不阻塞 AI，等待期间不消耗 token）

目标用户：
– AI Coding Agent 重度用户（Claude Code / Codex / Cursor 等）
– AI 工程化落地的技术负责人（关注安全与可控性）
– 需要在团队中推广 AI 工具但担忧风险的 Engineering Manager

输入与输出案例

案例 1：删除敏感文件

Input（AI agent 调用）：
  tool: delete_file
  args: { path: "/app/production/secrets.yaml" }

Output（HumanLayer 拦截）：
  🔴 审批请求已发送至 #ai-approvals (Slack)
  等待人工确认... ⏸️

  [Slack 消息]
  @engineer: AI agent 试图删除 production/secrets.yaml
  Approve | Deny | Add Comment

  [工程师点击 Approve]
  → 删除操作继续执行，审计日志已记录

案例 2：多窗口并行开发

Input：
  工程师在 CodeLayer 中启动 3 个并行 Claude Code 会话：
  - Session A：修复 Login 模块 bug（基于 worktree feature/login）
  - Session B：开发支付功能（基于 worktree feature/payment）
  - Session C：优化数据库查询（基于 worktree perf/db-opt）

Output：
  三个会话同时运行，互不干扰
  每日结束自动汇总 PR 草稿，工程师统一 review 后合并
  节省约 50% 的 token 消耗和上下文切换成本

GitHub: https://github.com/humanlayer/humanlayer

评论区

0 条评论

登录后可评论。

Skill超级捕获手 9 阅读