AGENTS .md
PulseAugur coverage of AGENTS .md — every cluster mentioning AGENTS .md across labs, papers, and developer communities, ranked by signal.
16 天有情绪数据
-
AI 编码代理需要更好的工作流程，而不仅仅是更智能的模型
作者讨论了管理 AI 编码代理输出的挑战，指出尽管模型智能有所提高，但处理生成文档、反馈以及会话之间连续性的工作流程仍然存在问题。提出的解决方案包括发布带有持久链接的文档，将反馈存储在专用文件中供代理读取，以及维护一份简要的文档，概述项目状态和后续代理的决策。介绍了一个名为 `agent-artifacts` 的工具来自动化这些跨不同编码代理的实践。
-
上下文优先于 MCP 系列结束，重点是代理上下文的传递
作者回顾了关于“上下文优先于 MCP”的一系列帖子。“上下文优先于 MCP”是一个旨在为 AI 代理提供项目上下文的系统，即使它们缺乏传统的目录。学到的关键经验包括：需要通过可发现的工具和资源来提供上下文，而不是依赖于像 AGENTS.md 这样的文件系统约定；自动化发布过程的重要性；以及区分用于指令的散文和用于事实的结构化数据。该系列还强调，基于浏览器的代理面临类似的上下文限制，并且可以利用 HTML 表单作为工具。最后，作者强调通…
-
FAF 使用单一 Rust 引擎标准化 AI 就绪度评分
FAF 项目已将其评分引擎标准化，以确保在不同工具和平台上的 AI 就绪度得分一致。此前，槽模型和实现细节的差异导致得分不一致，同一个项目文件在一个工具中得分为 64%，在另一个工具中得分为 100%。通过将评分逻辑整合到一个基于 Rust 并编译为 WebAssembly 的单一引擎中，FAF 现在保证其所有 CLI、服务器和边缘部署都使用相同的评分机制，从而解决了漂移问题并确保了可靠的结果。
-
编码代理设置：上下文、记忆和有效性见解
对 25 种编码代理工具和六篇近期论文的回顾揭示了有关有效代理设置和记忆管理的关键见解。代理倾向于跳过需要获取信息的任务，这凸显了直接在上下文中或通过线束提供关键数据的重要性。始终开启的上下文文件虽然看似有帮助，但可能会增加推理成本，而不会显著提高任务成功率，除非它们包含具体、可操作的指令。此外，自动捕获和重放过去经验的记忆系统在很大程度上是无效的，只有经过验证的过去经验才能在任务解决方面显示出边际效益。
-
Anthropic 的 Claude 代码修改授予广泛的系统访问权限，而非传统的沙盒。
Anthropic 于 2026 年 10 月 1 日发布的新 Claude 代码修改功能，作为中间件，可以通过中央 '$' API 访问用户文件、环境变量和网络请求。虽然 JavaScript/TypeScript 模块本身不能直接访问文档对象模型或 Node.js 全局变量，但它们可以通过此 API 与系统进行交互，Anthropic 表示这并非传统意义上的沙盒。这些修改可以重写提示、批准或拒绝工具调用，并修改用户界面，据报道，A…
-
新工具可诊断 Claude Code 加载规则错误
一个名为 `rules-doctor` 的新 Python CLI 工具已被开发出来，用于帮助用户识别 Claude Code 加载自定义规则文件（特别是 CLAUDE.md 和 AGENTS.md）时出现的问题。该工具通过静态分析项目结构来检测常见问题，例如规则文件因被 CLAUDE.md 覆盖而导致被忽略、代码块内的导入未被处理，以及规则文件超出一定大小限制导致模型可能不优先处理它们。`rules-doctor` 提供一个分数和具…
-
Manyfold 发布 GitHub 上的“Agents.md”文档
Manyfold 发布了一份题为“Agents.md”的文档，其中概述了他们对基于代理的系统的处理方法。该文档可在 GitHub 上找到，并在 Hacker News 上分享，表明该技术和人工智能社区对此感兴趣。
-
新的 MCP 工具使 AI 代理的上下文可视化
MCP（模型上下文协议）框架推出了一款名为 `mcp-context-card` 的新工具，允许用户可视化其 AI 代理正在使用的上下文。该工具可作为 Goose AI 助手的浏览器扩展或独立的终端命令使用，它会生成一个 HTML 卡片，显示项目的身份、AGENTS.md 部分、内存事实和发现位置。这为开发人员提供了一种透明的方式来理解和验证其 AI 代理处理的信息，使他们能够在代理采取行动之前识别并纠正过时或不准确的上下文。
-
Claude Code 已更新以读取 AGENTS.md
Claude Code 已更新，可在项目缺少 CLAUDE.md 文件时读取 AGENTS.md。此更改已在更新日志中注明，允许 AI 在特定条件下引用特定于代理的文档。作者不确定他们自己的具体实现是否成功利用了这一新功能。
-
结构化上下文而非单一指令能更好地赋能 AI 编码代理
作者详细介绍了一种管理 AI 编码代理的新组织策略，从单一指令文件转向更结构化的方法。该方法将存储库范围内的指令、工具特定的配置和任务特定的要求分门别类地放入不同的文档中。目标是为 Claude Code、Codex 和 Cursor 等 AI 代理提供最相关的上下文，避免信息过载，并确保更好地遵守项目约定和架构决策。该系统旨在通过使 AI 生成的代码更易于集成和降低维护成本来简化开发工作流程。
-
LocalNerve 发布适用于 VS Code Copilot 的 agent-skills AI 开发工具
LocalNerve 发布了一款名为 agent-skills 的新 AI 开发工具，旨在增强 VS Code Copilot 和 AGENTS.md。该工具将精选的规则语料库编译成分层代理技能，其核心原则是代理指令应以数据为驱动，而非仅依赖于 LLM 的输出。每条规则都链接到存储库中的证据锚点，从而能够在代码更改时识别出失效的规则。
-
为个人用户解释 OWASP Agentic AI Top 10 风险
一位开发者将 OWASP Agentic AI Top 10 风险转化为在个人笔记本电脑上运行多个代理的个人的实用建议。该建议强调在工具调用级别保护代理操作，而不是仅仅关注提示过滤，并强调维护可验证审计追踪的重要性。关键建议包括固定包版本、为服务器实施严格的来源检查、隔离代理身份以及要求对敏感操作进行明确批准。
-
Cursor IDE 开发者构建了基于 Neo4j 的开源内存层
一位开发者创建了一个名为 Friday 的开源、自托管工具，用于管理 Cursor IDE 中的上下文丢失。Friday 没有依赖消耗宝贵的提示令牌且很快过时的 `.cursorrules` 或 `AGENTS.md` 文件，而是使用了一个模型上下文协议 (MCP) 服务器。该服务器通过有针对性的向量检索按需检索相关的项目内存，并将架构决策和组件事实存储在 Neo4j 中作为关系知识图谱。该系统旨在将提示令牌使用量减少约 90%，并保…
-
域名模板简化LLM知识库设置，加快内容捕获速度
域名模板是结构化框架，旨在通过提供预定义的组织结构来简化LLM知识库的创建。这些模板减少了设置时间和精力，使组织能够专注于内容而非初始设计。通过提供针对医疗或金融等特定领域的类别、字段和关系的预构建架构，它们确保了数据捕获的一致性并提高了检索质量。Synthadoc等工具提供了一键式安装这些模板，这些模板还将特定领域的指南注入AI编码助手。
-
新工具 klypix-mcp 使 AI 模型能够在会话之间保留上下文
一个名为 klypix-mcp 的新开源工具已被开发出来，以解决 AI 模型在会话之间丢失上下文的挑战。该工具创建一个项目特定的“大脑”文件，用于存储决策、更正和未解决的问题，从而使后续的 AI 会话能够访问和构建先前的工作。该系统旨在避免手动向 Claude Code、Codex 和 Cursor 等不同 AI 模型重复解释上下文的需要，从而提高工作流程效率。
-
Agent Harness、Framework 和 MCP：理解 AI Agent 的架构层级
本文区分了 AI Agent 架构中的三个不同层级：Agent Harness、Agent Framework 和模型上下文协议 (MCP)。Agent Harness，例如 OpenAI 的 Codex 和 Anthropic 的 Claude Code 中的 Harness，是负责管理整个 Agent 执行循环、状态、工具使用和权限的特定系统。Agent Framework，例如 LangGraph 和 OpenAI Agents…
-
开发者分享 RAG 平台架构和 MCP 客户端见解
一位开发者详细介绍了他们如何创建一个独立于提供商的检索增强生成（RAG）平台，用于文档问答，并强调了其架构和 LangChain 的使用。另一篇文章讨论了 MCP 客户端缺少工作目录的影响，这会影响其处理 AGENTS.md 等文件的方式。
-
WebMCP 探索基于浏览器的上下文和工具注册
WebMCP 项目正在探索如何在 Web 浏览器环境中管理上下文和工具，从而消除传统的目录概念。这种方法利用了 Chrome 的实验性 `document.modelContext.registerTool()` API，或使用 polyfill 以获得更广泛的兼容性，允许网页注册代理可以调用的工具。这种客户端执行，包括一个 Rust 编译的 WebAssembly 评分内核，旨在提供一个通用且开放的平台能力，而无需依赖单独的 MCP…
-
对 AGENTS.md 文件的分析显示禁止率高，问题文档记录少
对 AGENTS.md 文件的最新分析显示，绝大多数（85.7%）包含禁止事项，而只有 13.6% 记录了潜在问题或“陷阱”。该研究检查了 558 个文件，并注意到两个字段始终未填写，以及一个短暂的五分钟审查期。
-
指南详述如何为 AI 编写有效的 CLAUDE.md
本指南解释了如何有效地编写 CLAUDE.md 或 AGENTS.md 文件，这些文件为 Claude Code 等 AI 模型提供重要的上下文。这些文件充当 AI 的简明入职指南，详细介绍项目背景、架构和技术细节。目标是以最高效的方式传达信息，类似于准备新员工入职或撰写简历，以节省 token 并确保 AI 理解项目意图，而无需不必要的重复造轮子。该指南建议包含引言、架构、技术栈、命令、约定、边界和领域文档映射的结构，建议长度在 2…