#74 · 主分类: 教育与研究
12-factor-agents
我们可以使用哪些原则来构建真正足够好、可以交付给生产客户的LLM驱动的软件?
项目最后更新:09/21/25
GitHub Stars
25.6K
Forks数量
1.9K
贡献者数量
16
许可证
Other
收录理由
十二条实践各自成章,从掌握自己的提示词与上下文窗口,到把工具当作结构化输出、统一执行状态与业务状态、让智能体保持无状态 reducer 的形态——这个项目没有像大多数智能体框架那样卖给你一个现成的库,而是把 LLM 应用工程拆成一系列需要你自己做的决策。在挑选任何框架之前,它先给你一套词汇表和检查清单,让你把问题想清楚,这正是那些自己设计智能体架构的团队所需要的。项目还附带一个脚手架工具,能直接生成一个遵循这些原则的工程,让你动手验证这些指导,而不只是读一遍。如果你正在纠结如何搭建一个面向生产的智能体,或者想让团队围绕"可靠"这个词达成共识,这里是一个不错的起点。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。
同类热门项目
prompts.chat
前身为 Awesome ChatGPT Prompts。分享、发现和收集社区提示词。免费且开源——可自托管,为您的组织提供完全隐私。
JavaGuide
Java 面试 & 后端通用面试指南,覆盖计算机基础、数据库、分布式、高并发、系统设计与 AI 应用开发
system-prompts-and-models-of-ai-tools
精选流行AI助手和编码代理的系统提示、内部工具和AI模型集合。
30-seconds-of-code
编程文章,助你提升开发技能
generative-ai-for-beginners
21节课,开始使用生成式AI构建