12-Factor Agents：构建生产级LLM决策系统的新范式

2026-02-04 04:50:58作者：何举烈Damon

你还在为LLM应用的可靠性和维护头疼吗？传统开发模式下，智能决策系统往往面临控制流混乱、状态管理复杂、部署风险高等问题。本文将带你掌握12-Factor Agents的核心决策机制，通过模块化设计和规则引擎，轻松构建生产级智能决策系统。读完你将获得：3大核心决策模型、5步落地流程、7个实战案例参考，以及完整的状态管理方案。

一、什么是12-Factor Agents决策系统

12-Factor Agents是一套构建LLM应用的方法论，通过12个关键因素确保系统的可靠性、可维护性和高效交付。其决策系统核心在于将复杂业务逻辑拆解为模块化规则，结合结构化工具调用与统一状态管理，实现智能决策的可控与可追溯。

项目官方文档详细阐述了各因素的设计理念，其中factor-04-tools-are-structured-outputs.md和factor-05-unify-execution-state.md是理解决策机制的关键文件。

二、核心决策机制：规则引擎与结构化工具

2.1 工具即结构化输出

决策系统的基础是将工具调用抽象为结构化数据。LLM只需输出符合预定义格式的JSON，即可触发确定性代码执行。这种设计实现了决策逻辑与业务代码的解耦。

例如，创建Issue和搜索Issue的工具可定义为：

class CreateIssue:
  intent: "create_issue"
  issue: Issue  # 包含title、description等字段

class SearchIssues:
  intent: "search_issues"
  query: str
  what_youre_looking_for: str

当LLM输出{"intent": "create_issue", "issue": {...}}时，系统会自动路由到对应的处理函数。这种模式在workshops/2025-05/sections/02-calculator-tools/src/中有完整实现示例。

2.2 统一状态管理：决策的单一真相源

传统系统常将执行状态与业务状态分离，导致复杂度飙升。12-Factor Agents通过上下文窗口统一管理所有状态，使执行状态可从事件历史中直接推断。

这种设计带来7大优势：单一数据源、易于序列化、调试透明、灵活扩展、故障恢复、分支实验和人性化观测。具体实现可参考factor-05-unify-execution-state.md中的线程模型。

三、模块化控制流：决策流程的编排艺术

控制流管理是决策系统的核心，12-Factor Agents提供了基于意图识别的分支处理机制。系统通过判断工具调用意图（如请求澄清、执行操作、等待审批），动态调整执行路径。

以下是一个典型的决策分支示例：

def handle_next_step(thread: Thread):
  while True:
    next_step = await determine_next_step(thread_to_prompt(thread))
    
    if next_step.intent == 'request_clarification':
      # 中断循环，等待人工输入
      await send_message_to_human(next_step)
      break
    elif next_step.intent == 'fetch_open_issues':
      # 同步执行工具并继续决策
      issues = await linear_client.issues()
      thread.events.append({"type": "fetch_result", "data": issues})
      continue
    elif next_step.intent == 'create_issue':
      # 中断循环，等待审批
      await request_human_approval(next_step)
      break