Cloudflare 推出智能体开发栈生命周期，以取代传统 SDLC

- 2026-09-28北京 - 本文字数：1571 字

阅读完需：约 5 分钟

Cloudflare 提出“智能体开发生命周期”，以自动化软件工厂替代传统 SDLC，通过事件驱动、可编程、水平扩展的平台支撑智能体自主完成开发、测试、部署与自我改进。其核心依托 Workflows 编排层与原生构建的 @cloudflare/ci 工具链，实现原子化变更与生产数据驱动的反馈闭环。

智能体需独立预览部署并行测试；平台须支持动态容器生成与子智能体调度；CI/CD 应升维为可编程工作流而非静态流水线。

适合 AI 工程师、MLOps 架构师、平台工程团队阅读。

![](https://static001.infoq.cn/resource/image/37/23/37938305d24c8e499e766915d96b3123.jpg?x-oss-process=image/resize,w_726)

[Cloudflare 推出智能体开发生命周期（Agent Development Lifecycle）](https://blog.cloudflare.com/agent-development-lifecycle/)，这是一项面向 AI 驱动的工程实践，旨在取代传统软件开发生命周期（Software Development Lifecycle）。Cloudflare 认为，尽管 AI 模型加速了代码生成，但测试、部署和维护等下游阶段仍受“人在回路”的持续集成流水线制约，成为瓶颈。为解决这一问题，Cloudflare 提出从软件团队向自动化软件工厂转型，由智能体自主管理整个生命周期。

传统的软件开发生命周期依赖人工节奏的评审与线性流水线。Cloudflare 认为，这些结构在大规模智能体场景下会失效。专为智能体开发生命周期构建的平台必须具备可编程性、水平可扩展性和事件驱动能力。平台要支持为每一个智能体创建预览部署，使其能够并行对照生产环境开展测试，消除预发布环境瓶颈。此外，系统还必须确保变更的原子性，并实现由生产数据而非人工干预驱动的自我改进反馈循环。

CI/CD 流水线只是一种工作流，但工作流的能力远不止 CI/CD 流水线。

为实现这种架构，Cloudflare 将其 Workflows 产品定位为核心编排层。与静态流水线不同，Workflows 可以动态生成容器、运行无头浏览器和调度子智能体。在这一基础之上，Cloudflare 推出了 @cloudflare/ci，一个直接运行在 Workflows 上的持续集成与交付系统。该工具允许开发者将执行步骤串联起来，提供依赖缓存和凭证管理能力，让智能体能够自主处理故障、修复错误和故障分诊。

``` import { WorkflowEntrypoint, type WorkflowEvent, type WorkflowStep } from 'cloudflare:workers'; `````` import { init } from '@flue/runtime'; `````` import { Reviewer } from './agents/reviewer.ts'; `````` import { collectFindings } from './shared/nightly.ts'; ``````

<span>type</span> Params = { <span>date</span>: <span>string</span> };

<span>export</span> <span><span>class</span> <span>NightlyReview</span> <span>extends</span> <span>WorkflowEntrypoint</span> </span>{

async run(event: WorkflowEvent<Params>, step: WorkflowStep) {

    <span>const</span> findings = <span>await</span> step.<span>do</span>(<span>'collect findings'</span>, () => collectFindings(<span>event</span>.payload.date));

    const agent <span>=</span> <span><span>init</span>(<span>Reviewer</span>, { <span>id</span>: `nightly<span>-</span>${event.payload.date}` })</span>;

    <span>const</span> receipt = <span>await</span> step.do(<span>'dispatch review'</span>, <span>() =></span>

  agent.dispatch(<span>`Review these findings:\n<span>${findings}</span>`</span>),

);

    <span>const</span> review = <span>await</span> step.<span>do</span>(<span>'read review'</span>, <span>async</span> () => {

  <span>const</span> reply = <span>await</span> agent.read(receipt);

      <span>return</span> { text: reply.text, <span>data</span>: reply.<span>data</span> };

});

<span>// ...</span>

}


</div>复制代码

</div>可观测性是该平台的另一个关键组成部分。传统的应用遥测技术能够捕获基础设施指标，却无法捕捉智能体行为背后的推理过程。为此，Cloudflare 推出了专用的可观测性仪表盘，提供兼容 OpenTelemetry 的追踪能力。这使得工程师能够清晰地查看具体的模型调用、工具执行和 token 消耗情况。平台与 [Think](https://www.infoq.com/news/2026/04/cloudflare-project-think/)、[Flue](https://www.infoq.com/news/2026/08/cloudflare-agent-tracing/) 和 AI SDK 等框架原生集成，工程师能够回放会话、查看子智能体之间的交接过程、调试格式错误的入参，无需人工解析执行日志。

智能体开发生命周期引入了[智能体访问模型（Agent Access Model）](https://blog.cloudflare.com/the-agent-access-model/)，用于保障自主操作的安全性。Cloudflare 意识到，智能体以机器速度执行任务，无法通过基于提示词的边界来管理，因此在网络层和 harness 层强制执行策略。智能体拿到的是绑定任务的短期凭证，并被设置了权限上限。一旦智能体接触到受保护资源，信任棘轮（Trust Ratchet）机制会动态降低可用权限，确保最小权限执行，并防止智能体在处理恶意输入时发生横向越权访问。

Cloudflare 通过标准化开源可观测性、强大的编排原语和严格的凭证边界来构建智能体在整个软件工厂生态系统中安全运行所需的基础设施。尽管这些工具仍处于早期迭代阶段，但它们标志着行业向动态、自主系统的决定性转变，AI 将在其中安全地处理应用生命周期。

查看英文原文：<https://www.infoq.com/news/2026/09/cloudflare-adlc-agents/>

</div></article></div>

Cloudflare 推出智能体开发栈生命周期，以取代传统 SDLC

相关推荐