Andrej Karpathy 在 5 月 19 日转发了一篇标题为 Twelve-Factor Agents 的博客，列出了自己半年来从 Claude Code、Cursor、internal agent 实践中提炼出的 12 条工程纪律。X 用户 @MaxForAI 整理了中文版，把它称为”智能体稳定性十二铜表法”，单条推文 24 小时内拿到 18 万阅读、4200 转发。
问题不在模型，在状态管理
原帖核心论断：当前 LLM 智能体出问题的常见原因不在模型本身，在状态管理。模型这一层已经被推到相当好的水准——Sonnet 4.5、Opus 4.6、GPT-5.2 处理 single-shot 任务的成功率都在 90% 以上。但当任务被拆成 20 步以上的工作流时，端到端成功率会掉到 30% 左右。Karpathy 的复盘是：失败几乎全部发生在状态边界——上下文截断、工具调用回执不一致、checkpoint 丢失、错误恢复无策略。他给了一组自己跑过的数字：baseline 智能体 20 步任务成功率 31%；逐条加上 12 条规则后到 97%——错误率从 69% 压到 3%。剩下 66 个百分点全是工程问题。
十二条里最反直觉的几条
第 3 条：把工具调用当成有副作用的纯函数。每次调用都要写到 append-only 的事件流里，模型读到的不是”现在的状态”，而是”从初始状态到现在所有事件的有序回放”。Karpathy 在原帖里点名：”这是从分布式系统借来的常识，但在 agent 实现里几乎没人这么写。”
第 7 条：每 N 步强制 checkpoint。不是错误时才 save，是按时间或步数节拍硬切。当模型走到错误路径，能从最近的 checkpoint 回滚而不是从头来。Karpathy 给的具体值是”每 5-7 步一次”——这是他实测里错误率最低的区间。
第 9 条：上下文不是越长越好，是越准越好。过去半年很多人把 1M token 长上下文当银弹，Karpathy 直接打脸：”长上下文里的’迷失中段’问题在 2026 年仍然没被解决。最优策略是动态压缩——保留最近 5 步原文，更早步骤总结成结构化记录。”
这套规则的工程边界
Twelve-Factor Agents 原文作者是 dexhorthy（HumanLayer 主要贡献者），完整版本在 humanlayer/12-factor-agents 仓库。HumanLayer 创始人 Dexter Horthy 在 X 上的解释比较清楚：”这 12 条针对的是生产环境的 agent，要服务真实用户、要持续运行数天甚至数周的那种。对于一次性 demo 或 weekend project，遵守这些规则反而是过度工程。”判据是任务运行时长——agent 一次跑 5 分钟没必要写 event sourcing；一跑就是几小时甚至几天，每一条都是必需。
补工程比追新模型版本回报更高
模型升级是免费的——每隔几个月新版本会自动让你的 agent 表现更好；工程纪律是要靠自己写代码堆出来的。多数团队在 demo 阶段忽略这部分，等 agent 上线两周开始跑生产请求时才发现状态管理是真正的瓶颈。短期内最值得做的不是去等下一个 SOTA 模型，是把 12 条里和你团队最相关的 3-5 条先落到代码里。
参考链接：
