AGENTS.md文件首次量化评估：提升AI编程Agent效率

2026年3月3日，来自新加坡管理大学、海德堡大学、班贝格大学和伦敦国王学院的研究团队，在arXiv上发布了一篇重要论文，首次量化评估了仓库级配置文件AGENTS.md对AI编程Agent效率的影响。AGENTS.md是一种存放在代码仓库根目录中的指令文件，主要用于向AI Agent提供项目架构、构建命令、编码规范和操作约束的说明。与Anthropic的Claude Code的CLAUDE.md和GitHub Copilot的copilot-instructions.md类似，AGENTS.md已经被超过6万个GitHub仓库采用，成为AI辅助编程的一项标准工具。

AGENTS.md文件的主要作用是为AI Agent提供项目的上下文信息，帮助其理解整个代码仓库的结构和开发流程。这种文件通过向AI Agent传递关键指令，不仅能优化AI的工作方式，还能确保代码的生成和修改符合团队的约定和标准。这一概念类似于工程项目中的开发文档或项目配置文件，是AI与开发者之间进行高效协作的桥梁。

目前，AGENTS.md文件已经在大量开源项目中得到了广泛应用，尤其是在GitHub平台上，许多开发团队和项目已经开始采用这一标准配置文件来引导AI在编程任务中的行为。随着AI编程工具的普及，AGENTS.md文件为AI带来了更为系统化和规范化的支持，从而提高了编程效率。

此次研究的实验对象是OpenAI Codex（基于gpt-5.2-codex）的AI编程Agent。研究团队在10个开源仓库的124个已合并PR（代码改动不超过100行）中，分别在有和无AGENTS.md的条件下进行对比实验。结果显示，使用AGENTS.md配置文件时，AI编程Agent的效率显著提高，具体表现在以下几个方面：

1. 运行时间：在使用AGENTS.md文件时，AI的中位数运行时间从98.57秒降至70.34秒，降幅达到28.64%。

2. 输出Token数量：中位数输出的token数量从2,925个降至2,440个，降幅为16.58%。

3. 任务完成行为：研究表明，任务完成的行为在两种条件下并无显著差异，说明AGENTS.md对任务完成的精确度没有负面影响。

这些结果表明，AGENTS.md文件能够帮助AI Agent更高效地完成编程任务，同时减少不必要的计算资源消耗。尤其是在较小规模的PR修改中，AGENTS.md的引导作用显现得尤为突出，能够大幅缩短AI的运行时间，提高其工作效率。

研究者指出，AGENTS.md文件将AI编程Agent的指导从单纯的“短暂提示词”转变为“版本控制、可审查、协作维护的配置工件”，这为开发团队在管理和使用AI时提供了更高的透明度和灵活性。与传统的代码生成方法相比，AGENTS.md不仅能够提供更准确的项目背景信息，还能让AI生成的代码更符合团队的编码标准，从而减少开发过程中可能出现的错误和不一致性。

在未来的开发实践中，研究团队建议开发者将AGENTS.md作为一种标准实践纳入到项目的仓库中，并推荐其作为团队协作的重要工具。随着AI编程技术的不断成熟和应用场景的不断扩展，AGENTS.md将可能成为AI编程工具中不可或缺的一部分，帮助开发团队更高效、更规范地进行代码编写和修改。

尽管此次研究展示了AGENTS.md文件对AI编程Agent效率的显著提升，但研究也指出了一些局限性。首先，实验仅使用了OpenAI Codex单一的AI Agent，这意味着实验结果的通用性可能受到一定限制。其次，样本主要集中在小规模的PR（每次改动不超过100行代码），因此无法全面评估AGENTS.md在更大规模或更复杂的编程任务中的表现。此外，研究并未对代码的正确性进行全面评估，这意味着使用AGENTS.md文件后的代码质量改进仍需要进一步的研究和验证。

AGENTS.md文件的首次量化评估为AI辅助编程领域带来了新的洞察。通过提供更为系统化的指导，AGENTS.md不仅提升了AI Agent的效率，还为AI与开发者之间的协作提供了更高效的桥梁。随着技术的不断发展，未来的编程工具和AI助手将更加智能化，AGENTS.md有望成为推动这一变革的关键因素之一。