Augment Code實測AGENTS.md對代碼生成的影響：最好的等於模型升級一檔，最差的不如不寫

ME News 消息，4 月 23 日（UTC+8），據 動察 Beating 監測，AI 編程工具公司 Augment Code 從自家 monorepo 中抽取數十份 AGENTS.md，用內部評測套件 AuggieBench 測量它們對編碼 agent 產出的實際影響。做法是拿已合併的高品質 PR 當基準，讓 agent 在有和沒有 AGENTS.md 兩種條件下重做同一任務，對比評分。 差距比預期大得多。寫得最好的 AGENTS.md 帶來的品質提升相當於把模型從 Haiku 換成 Opus，寫得最差的還不如完全沒有。而且同一份文件在不同任務上效果可以相反：它讓一個 bug 修復的規範符合度升了 25%，卻讓同模組一個複雜功能的完成度掉了 30%。 管用的寫法有幾條：主文件控制在 100 到 150 行、配幾份聚焦參考文件，在百來個核心文件的中等模組裡能帶來 10% 到 15% 的全面提升。把流程寫成編號步驟效果最好，一個 6 步部署流程將漏文件的 PR 從 40% 砍到 10%，正確率升了 25%。用決策表幫 agent 在動手前選對方案，規範符合度也升了 25%。寫禁令必須配替代方案，光寫「不要」會讓 agent 猶豫不決，15 條以上連續警告效果明顯惡化。 最容易翻車的是文件太多。agent 一旦被拽進大量架構文件，載入幾十萬 token 之後產出反而變差。有個模組攢了 226 份文件超過 2MB，AGENTS.md 再好也沒用。另外 AGENTS.md 是 agent 100% 會讀的唯一文件位置，_docs/ 下沒被引用的文件發現率不到 10%。 （來源：BlockBeats）