production-patterns

# 生产环境模式参考 来自 Hacker News 讨论和实际部署的从业者测试模式。这些模式代表了生产环境中真正有效的方法，而非理论框架。 --- ## 概述 本参考资料整合了以下来源的实战见解： - 关于生产环境中自主智能体的 HN 讨论 (2025) - 使用 LLM 编码的从业者经验 - Simon Willison 的超级编码智能体模式 - 多智能体编排的实际部署 --- ## 生产环境中真正有效的方法 ### 人机协作 (HITL) 是不可协商的 **核心见解：** 对于面向客户的应用程序，“零公司”是不存在人机协作的。 yaml hitl_patterns: always_human: - 面向客户的响应 - 金融交易 - 安全关键操作 - 法律/合规决策 automation_candidates: - 内部工具 - 开发者辅助 - 数据预处理 - 代码生成（需人工审查） implementation: - 分类层将任务路由至人工或自动化处理 - 置信度阈值触发升级流程 - 所有自动化决策的审计追踪 ### 窄范围胜出 **核心见解：** 成功的智能体在严格受限的领域内运行。 yaml scope_constraints: max_steps_before_review: 3-5 task_characteristics: - 具体、定义明确的目标 - 预分类的输入 - 确定性的成功标准 - 可验证的输出 successful_domains: - 电子邮件扫描与分类 - 发票处理 - 代码重构（有界限） - 文档生成 - 测试编写 failure_prone_domains: - 开放式功能实现 - 新颖算法设计 - 安全关键代码 - 跨系统集成 ### 基于置信度的路由 **核心见解：** 将智能体视为预处理器，而非决策者。 python def confidence_based_routing(agent_output): """ 基于置信度而非能力进行路由。 基于生产环境从业者模式。 """ confidence = agent_output.confidence_score if confidence >= 0.95: # 高置信度：自动批准并记录日志 return AutoApprove(audit_log=True) elif confidence >= 0.70: # 中等置信度：快速人工审查 return HumanReview(priority="normal", timeout="1h") elif confidence >= 0.40: # 低置信度：详细人工审查 return HumanReview(priority="high"