诸神缄默不语-个人技术博文与视频目录
诸神缄默不语的论文阅读笔记和分类

1. 论文简介

论文全名：Evaluating AGENTS.md: Are Repository-Level Context Files Helpful for Coding Agents?

论文下载地址：https://arxiv.org/abs/2602.11988

论文最新修改日期：2026.2.12

作者来自苏黎世联邦理工学院和LogicStar.ai

核心结论：LLM生成的AGENTS.md（仓库级上下文规则文件）反而会降低AI编程智能体的生成效果，人工编写的AGENTS.md能够带来少量效果提升，但成本会大幅增加。因此，现阶段建议只通过人工编写必要的AGENTS.md（如特定工具的使用说明）。

2. AGENTS.md

本文提到的AGENTS.md泛指各种仓库级上下文规则文件，不管它叫AGENTS.md、CLAUDE.md还是rules.md。

AGENTS.md是一个markdown语言编写的项目文档，主要用于给 AI 编程 Agent 提供项目说明和操作规则。是给AI读的。

一般放在项目根目录下。

内容可以包括：

• 项目怎么运行
• 如何构建和测试
• 代码风格和规范
• 提交代码时的规则
• 不允许做的事情

如：

• 项目环境
  • Node / Python / Java 版本
  • 框架版本
• 开发命令
  • 安装依赖
  • 启动服务
  • 构建项目
• 测试流程
  • 单元测试命令
  • CI 流程
• 代码规范
  • 是否使用 semicolon
  • lint 规则
  • 格式化方式
• PR / Git 规则
  • commit message 规范
  • PR 流程
• 特殊限制
  • 哪些目录不能修改
  • 哪些文件必须更新

示例：

# AGENTS.md

## Environment
Python 3.11
FastAPI
Poetry

## Setup
poetry install

## Run server
poetry run uvicorn app.main:app --reload

## Tests
pytest

## Code Style
- black formatter
- line length 88
- use type hints

Trae CN中可以自建rules.md，也可以引入AGENTS.md/CLAUDE.md。就在设置 - 规则与技能中，上面是引入AGENTS.md/CLAUDE.md，中间的“个人规则”是整个电脑下所有Trae CN都会共享的全局配置，下面的“项目规则”则与AGENTS.md更类似，是本项目下的上下文规则文件：

3. 论文构建思路

故事线

现在AGENTS.md很火，但是还没有研究去验证它的实际效果。本文验证了“LLM生成AGENTS.md”（通过/init生成）和“手工编写AGENTS.md”两种方式的效果，包括对任务成功率、完成任务的成本（执行调用工具的步骤数和token消耗账单）、测试深度的影响。

数据集

• SWE-BENCH LITE：无AGENTS.md
• （新建）AGENTBENCH：有AGENTS.md，任务是根据PR描述生成代码

实验用的agent和模型

• Claude Code + Sonnet-4.5
• Codex + GPT-5.2 / GPT-5.1 Mini
• Qwen Code + Qwen3-30B-Coder

实验结论

• LLM生成的上下文文件（包括更换模型、更换提示词模版时）没有稳定提高准确率，同时增加超过20%的推理成本
• 开发者编写的上下文文件仅带来4%的边际性能提升，但同样显著增加成本；
• 但是在缺乏文档的仓库中，LLM生成的AGENTS.md提升了生成效果
• 写入指定工具是有用的（如uv在文件中被提及时代理使用次数从<0.01次增至1.6次）（我在这里说一下，我就在上下文规则里强调了要用uv，还是有用的）
• 但写入指定文件没用
• 上下文文件中的冗余指令和过度要求反而增加了任务复杂度，导致智能体需要更多推理 token 和探索步骤。

参考资料

参考了papers.cool的论文解读和ChatGPT对AGENTS.md的解读