2011 年，Heroku 发布了《十二要素应用》（The Twelve-Factor App），定义了现代云原生应用的开发标准。
现在，有人想给 AI Agent 做同样的事情。
humanlayer/12-factor-agents，21K stars，1.2K forks，标题直白得有点挑衅："What are the principles we can use to build LLM-powered software that is actually good enough to put in the hands of production customers?"
注意那个 "actually good enough"。写这句话的人明显受够了 demo 级别的 AI 产品。
这东西是什么
不是一段代码，不是一个框架，而是一份原则文档——类似《十二要素应用》那种，告诉你"如果你想在生产环境用 LLM，这些是你必须考虑的事"。
核心思路是把云原生时代验证过的工程实践，映射到 AI Agent 的特殊需求上：
- 代码和配置分离 → Agent 的 prompt、工具定义、系统指令应该外部化
- 无状态进程 → Agent 应该能水平扩展，不依赖本地状态
- 端口绑定 → Agent 的能力应该通过标准接口暴露
- 可观测性 → Agent 的决策过程必须可审计
这些听起来很基础，但实际做的时候，你会发现每个都有坑。
为什么需要这个
过去两年，AI Agent 领域最大的问题不是技术不够强，而是工程纪律不够。
随便一个 prompt + 几个工具调用，就能在本地跑起来。但要放到生产环境——延迟、成本、安全性、可复现性、错误恢复——这些全都要重新想。
12-Factor Agents 的价值在于：它把这些问题系统化了。不是"你应该注意安全"这种废话，而是具体的、可操作的原则。
我的判断
这个项目的 stars 涨得快（21K，每周 1K+），说明需求是真实的。但原则文档和实际落地之间有差距。
它的定位更像一份 checklist，而不是一个解决方案。 你可以对着它问自己"我的 Agent 满足这几条了吗"，但具体怎么做，还得自己想办法。
对正在把 AI Agent 往生产环境推的团队来说，这份文档至少能帮你少走一些弯路。对还停留在 demo 阶段的个人开发者来说，看看就好——等你真的需要它的时候，你会知道的。
主要来源：