Cloudflare提出智能体开发生命周期替代传统SDLC

Cloudflare提出“智能体开发生命周期”（Agent Development Lifecycle，ADLC），目标是应对AI生成代码后测试、部署和维护环节仍依赖人工审核与线性流水线的问题。其设想是把软件团队升级为自动化软件工厂，让智能体自主参与从开发到部署、运维和持续改进的完整过程。

Cloudflare认为，面向大规模智能体的工程平台不能继续局限于传统SDLC模式，而应同时具备可编程、水平扩展和事件驱动能力。平台需要为每个智能体建立独立预览部署，使其能够与生产环境并行对照测试；同时保证变更具备原子性，并利用生产数据而不是人工操作驱动反馈和自我改进。CI/CD只是工作流的一种应用，工作流本身应拥有更广泛的编排能力。

在这一架构中，Workflows被定位为核心编排层，可按需创建动态容器、运行无头浏览器并调度子智能体。Cloudflare还推出了直接运行于Workflows之上的持续集成与交付工具@cloudflare/ci，支持串联执行步骤、缓存依赖和管理凭证，使智能体能够自主完成故障处理、错误修复与问题分诊。

可观测性也是ADLC的重要组成部分。传统应用遥测主要记录基础设施指标，难以还原智能体的推理和行动过程。相关仪表盘提供兼容OpenTelemetry的追踪能力，可展示模型调用、工具执行及token消耗，并与Think、Flue和AI SDK等框架集成，支持回放会话、检查子智能体交接，以及定位格式错误的输入参数，减少人工翻阅日志的需要。

为控制自主操作风险，Cloudflare引入智能体访问模型。由于智能体以机器速度执行任务，仅依靠提示词设定边界并不可靠，因此平台在网络层和运行工具层强制实施策略。智能体只能获得与任务绑定的短期凭证，并受到权限上限约束；当其接触受保护资源时，Trust Ratchet机制会动态收紧权限，以落实最小权限原则，降低恶意输入引发横向越权的风险。

Cloudflare希望通过标准化的开源可观测性、可扩展的编排原语和严格的凭证边界，为智能体安全运行于软件工厂提供基础设施。相关工具目前仍处于早期迭代阶段，但其方向显示，软件生命周期正逐步转向由AI驱动的动态、自主系统。