AGENTS.md：为什么应该由人类而不是AI来编写代理上下文

总结 (TL;DR) 将AGENTS.md的创建工作委托给LLM本身看似高效，但在可预测性方面付出了高昂的代价。苏黎世联邦理工学院(Gloaguen等)的最新数据证明：由人类严格维护的上下文文件在性能和Token经济性方面均优于自动生成的上下文。

在复杂的代码库中协调自主代理需要明确的规则。当你让代理在代码中自由运行，它们需要项目的地理地图、架构边界和本地反模式。社区中最常见的解决方案是AGENTS.md文件。

但是谁应该编写这个文件呢？

许多团队通过LLM自动创建上下文（“阅读此存储库并总结规则”）。然而，研究和我们在Autenticare的实践经验表明，这是一个架构缺陷。

−3%

性能
任务解决成功率

+20%

成本
Token消耗增加

100%

人类控制
经过测试的理想模型

根据苏黎世联邦理工学院的最新研究，允许代理自行推断和记录项目规则会导致任务执行的成功率下降3%，成本增加20%。

原因很简单：LLM关注代码”做”什么（阅读文件已经很明显了），但缺乏”为什么”这样做的意图。生成AGENTS.md的代理创建的是空洞的技术描述，而不是业务约束（constraints）。

身份和操作契约

定义预期行为、语气（例如强制使用直接回复），以及代理在存储库中可以或不可以做什么的界限。

严格的架构地图

与其描述src/文件夹是什么，不如确定新事物应该去哪（例如："永远不要在ui/之外创建通用组件"）。

本地反模式目录

最有价值的部分：列出看起来正确但在您的公司中被禁止的解决方案（例如："永远不要使用lodash，我们有原生助手"）。

⚠️ 自动化的悖论不要试图自动化基础治理。AGENTS.md文件是您与AI的契约。如果AI编写自己的契约，它自然会将规则塑造成阻力最小的路径，而忽略长期的技术债务。

对于可扩展的代理工程，手工编写战略上下文，让LLM仅自动化战术执行。

您的AGENTS.md不是wiki；它是行为的电围栏。请这样对待它。

要使用Autenticare的最佳实践构建AI编排的基础，请探索我们的代理工厂。需要平台治理方面的帮助？请与我们的团队联系。