AI Agent 上生产就崩?这套 26k 星「12 原则」救你
你有没有这种感觉：本地跑 AI Agent demo 的时候惊艳到爆,扔到真实生产环境就各种崩——上下文丢失、工具调用乱跳、长任务跑到一半忘了自己在干嘛。
这不是你的问题,是行业普遍痛点。humanlayer/12-factor-agents 这个 GitHub 仓库(26.4k stars)第一次系统性地回答了:怎样把 LLM Agent 真正做到能交付给真实客户。
灵感来源:经典 12-Factor App
作者 Dex(HumanLayer 创始人)直接借用了 2012 年那篇神级文章 12-Factor App 的框架——当年 Heroku 那篇方法论几乎定义了现代 SaaS 的工程标准。现在他把同样的思路搬到 LLM Agent 时代,提出 12 条生产级原则。
核心观点很扎心:真正能上生产的 Agent,90% 是普通软件,只在关键节点撒一点 LLM 的”魔法”。不是”prompt + 工具袋 + 循环到目标”,而是把 Agent 当成正常软件来架构。
12 条原则速览
- 自然语言到工具调用:把 LLM 当成”自然语言到结构化函数调用”的翻译器
- 掌握你自己的提示词:不要把所有 prompt 塞进 system message
- 掌控你的上下文窗口:自己管理 context,别全交给框架
- 工具就是结构化输出:工具调用本质上是结构化数据的另一种形态
- 统一状态,合并执行与暂停:agent 的执行和等待是同一种状态
- 用 API 启动/暂停/恢复:让 Agent 像普通微服务一样可以被调度
- 通过工具调用联系人类:human-in-the-loop 也是一种工具调用
- 掌控你的控制流:自己写主循环,不要被框架绑架
- 把错误压缩进上下文:出错信息直接喂给 LLM,让它自己恢复
- 小而专注的 Agent:不要做大而全的超级 Agent
- 随处触发,多端可调:从 Slack、从 CLI、从 cron、从 webhook 都能触发
- 让 Agent 成为无状态的 Reducer:每次调用都是纯函数,状态外置
为什么这个项目值得关注
2026 年 Agent 框架满天飞,但真正能跑生产客户场景的少之又少。12-factor-agents 不是新框架,是一份”避坑指南”——作者从和几十个 YC 创始人的对话里总结出来的实战经验。
比起 LangChain、AutoGen、LangGraph 这些”帮你写 Agent 的大玩具”,这份原则更像是十二诫:告诉你哪些事框架不该替你做,哪些事你必须自己握住。
怎么用
- GitHub 仓库直接读 README,12 条原则每条独立成节
- 每个原则都配 TypeScript / Python 代码示例
- Apache 2.0 + CC-BY-SA 双协议,内容可以直接拿来做内训材料
如果你正在做 AI Agent 项目、或者要给客户交付 Agent 产品,这份必读。demo 写得再花,上生产那一下才是真正的考验。
👉 GitHub: humanlayer/12-factor-agents
评论区
0 条评论
登录后可评论。