如果AGENTS.md氣味難聞，你的程式碼將無法達到預期

編碼代理的配置檔案（如AGENTS.md或CLAUDE.md）旨在為AI編碼代理提供行為指導，但錯誤的配置可能導致效能下降和資源浪費。近日，巴西米納斯吉拉斯聯邦大學的研究人員對532,000個檔案進行了大規模分析，從中提取了100個熱門開源專案，這些專案均包含AGENTS.md或CLAUDE.md配置檔案。研究發現了六種常見的配置“壞味道”，其影響範圍非常廣泛。

在所有檢測的配置檔案中，Lint洩漏是最普遍的問題，出現在62%的檔案中。Lint洩漏指的是代理指令重複了已經由linter或靜態分析工具自動執行的規則，例如程式碼格式檢查或語法錯誤檢測。這種重複不僅浪費了模型的上下文視窗，還增加了不必要的token消耗，因為模型已經透過工具可靠地處理了這些任務。

上下文膨脹是第二大常見問題，影響了42%的配置檔案。開發者往往過度指定代理的行為，導致檔案內容超出Anthropic建議的200行限制。冗長的配置檔案不僅增加token消耗和成本，還會稀釋核心指令的可見性，使模型更難以聚焦於關鍵任務。技能洩漏出現在35%的檔案中，表現為將不常用的工具或實踐直接加入主配置檔案，而理想的做法是將這些內容放入單獨的SKILLS.md檔案中，僅在需要時載入。技能洩漏不必要地擴充套件了代理的上下文，並可能分散其對主要任務的注意力。

此外，研究還識別出其他三種壞味道：盲引用（配置檔案透過URL引用外部文件但未說明何時相關）、初始化僵化（專案初始化時設定的配置細節已不再適用）以及衝突指令（代理指令之間存在矛盾）。研究論文指出，在100個測試專案中，至少有91個存在至少一種上述配置壞味道。這些發現表明，開發者迫切需要工具和目錄來幫助識別和避免配置問題。

與此相呼應的是，蘇黎世聯邦理工學院（ETH Zurich）數月前的一項研究也揭示了類似結論。他們發現，開發者手動編寫的上下文檔案僅能將程式碼效能提升約4%，卻顯著增加了成本；而AI自動生成的上下文檔案甚至對程式碼質量產生了約3%的負面影響。兩項研究共同指向一個核心原則：對於編碼代理的配置檔案而言，少即是多。有時，甚至不提供任何配置檔案，僅讓代理依靠其預設行為，反而可能是更優的選擇。