研究：AGENTS.md文件可使AI編程Agent運行時間縮短29%、輸出token減少17%

BlockBeats 消息，3 月 3 日，据 1M AI News 消息，新加坡管理大學、海德堡大學、班貝格大學和倫敦國王學院的研究團隊在 arXiv 發表論文，首次量化評估了倉庫級配置文件 AGENTS.md 對 AI 編程 Agent 效率的影響。AGENTS.md 是一種存放在代碼倉庫根目錄的指令文件，用於向 AI Agent 說明項目架構、構建命令、編碼規範和操作約束，類似於 Anthropic Claude Code 的 CLAUDE.md 和 GitHub Copilot 的 copilot-instructions.md，目前已被超過 6 萬個 GitHub 倉庫採用。

研究團隊在 10 個倉庫的 124 個已合併 PR（代碼改動均不超過 100 行）上使用 OpenAI Codex（gpt-5.2-codex）進行配對實驗，分別在有和無 AGENTS.md 兩種條件下運行。結果顯示，存在 AGENTS.md 時中位數運行時間從 98.57 秒降至 70.34 秒（降幅 28.64%），中位數輸出 token 從 2,925 降至 2,440（降幅 16.58%），任務完成行為無顯著差異（Wilcoxon signed-rank test, p < 0.05）。

研究者指出，AGENTS.md 將 Agent 指導從「短暫的提示詞」轉變為「版本控制、可審查、協作維護的配置工件」，建議開發團隊將其作為標準實踐納入倉庫。局限性方面，該研究僅測試了 OpenAI Codex 單一 Agent，樣本限於小規模 PR，且未進行全面的代碼正確性評估。