配置智能體AI編碼工具：一項探索性研究

近年來，智能體AI編碼工具在軟件開發自動化中扮演着越來越重要的角色。這些工具能夠自主完成代碼生成、調試、重構等任務，而開發者可以通過版本控制的倉庫級工件（如Markdown和JSON文件）來配置它們的行為。然而，關於這些配置機制的實際使用情況及其演變趨勢，此前一直缺乏系統性的研究。

一項發表於2026年AIware會議（第三屆ACM/IEEE國際AI驅動軟件大會）的新研究填補了這一空白。由Matthias Galster等六位學者組成的團隊，對Claude Code、GitHub Copilot、Cursor、Gemini和Codex五種主流智能體AI編碼工具進行了深入分析。他們首先從官方文檔和社區實踐中歸納出八種配置機制，範圍從靜態上下文提供（如Markdown文件中的提示指令）到動態可執行腳本，再到與外部服務的集成。隨後，通過對2853個GitHub倉庫的大規模實證調研，評估了這些機制的實際採用率和使用模式。

研究結果揭示了幾個關鍵發現。首先，上下文文件（Context Files）是目前最主流的配置方式，並且往往成為倉庫中唯一的配置機制。特別值得注意的是，一個名為AGENTS$.md的文件正在迅速崛起，成為跨工具互操作的通用標準，這意味着開發者可以編寫一次配置文件，就能在不同工具間共享使用。其次，更高級的配置機制——如技能（Skills）和子代理（Subagents）——採用率仍然很低。技能主要依賴於靜態文本指令，而不是可執行的腳本代碼，這大大限制了其靈活性和自動化潛力。子代理的採用則更為罕見，僅有極少數倉庫嘗試使用。

第三，不同工具之間正在形成差異化的配置習慣。Claude Code的用户採用了最廣泛的配置機制組合，涵蓋了從簡單的上下文文件到複雜的技能定義；而其他工具的用户則傾向於簡化配置，往往只使用上下文文件一種方式。這些發現為開發者社區提供了一個寶貴的實證基準，幫助我們理解當前智能體工具的配置現狀。研究者指出，AGENTS$.md文件可以作為一個自然的起點，未來需要更多的縱向研究和控制實驗，來揭示配置策略如何隨工具演進而變化，以及它們如何最終影響智能體的實際性能。

該論文共有10頁，包含7張圖表和3個表格，目前已在arXiv上發佈，並經過四次修訂（最新版本v4於2026年5月8日提交）。