Augment Code实测AGENTS.md对代码生成的影响：最好的等于模型升级一档，最差的不如不写

ME News 消息，4 月 23 日（UTC+8），据 动察 Beating 监测，AI 编程工具公司 Augment Code 从自家 monorepo 中抽取数十份 AGENTS.md，用内部评测套件 AuggieBench 测量它们对编码 agent 产出的实际影响。做法是拿已合并的高质量 PR 当基准，让 agent 在有和没有 AGENTS.md 两种条件下重做同一任务，对比评分。 差距比预期大得多。写得最好的 AGENTS.md 带来的质量提升相当于把模型从 Haiku 换成 Opus，写得最差的还不如完全没有。而且同一份文件在不同任务上效果可以相反：它让一个 bug 修复的规范符合度升了 25%，却让同模块一个复杂功能的完成度掉了 30%。 管用的写法有几条：主文件控制在 100 到 150 行、配几份聚焦参考文档，在百来个核心文件的中等模块里能带来 10% 到 15% 的全面提升。把流程写成编号步骤效果最好，一个 6 步部署流程将漏文件的 PR 从 40% 砍到 10%，正确率升了 25%。用决策表帮 agent 在动手前选对方案，规范符合度也升了 25%。写禁令必须配替代方案，光写「不要」会让 agent 犹豫不决，15 条以上连续警告效果明显恶化。 最容易翻车的是文档太多。agent 一旦被拽进大量架构文档，加载几十万 token 之后产出反而变差。有个模块攒了 226 份文档超过 2MB，AGENTS.md 再好也没用。另外 AGENTS.md 是 agent 100% 会读的唯一文档位置，_docs/ 下没被引用的文档发现率不到 10%。 （来源：BlockBeats）