AGENTS.md 是什麼?給 agent 讀的 README
agent 每個 session 都失憶——犯過的錯寫進這個檔,就永不再犯
本文由 AI 協助研究與起草,矽基前沿編輯部編修,總編輯廖玄同審閱定稿。 編輯方針與 AI 使用說明
2026 年 2 月,OpenAI 發了一篇工程文章,講一個內部實驗:3 名工程師從 2025 年 8 月底的空 repo 開始,5 個月沒有親手寫過一行程式碼,全部交給 Codex。結果是大約 1,500 個合併的 PR、上百萬行 production 程式碼。
管理這群 agent 的核心工具之一,是 repo 根目錄一個約 100 行的 Markdown 檔。
它叫 AGENTS.md。
AGENTS.md 是放在 repo 根目錄、給編碼代理(coding agent)讀的專案指引檔:建置指令、測試方式、程式風格、repo 慣例、禁區。官方定位是「給 agent 的 README」——README 寫給人看,AGENTS.md 寫給 agent 看。它是純 Markdown、沒有固定 schema,由 OpenAI 等多家在 2025 年 8 月推成開放慣例,2025 年 12 月捐入 Linux Foundation。
為什麼需要這個檔案?因為 coding agent 有個根本限制:每個 session 都失憶。今天教它「測試要用 pnpm test、不要跑整包」,明天開新 session 它全忘光。AGENTS.md 就像貼在失憶同事桌上的便條——每天上工前必讀,把最重要的規矩固定下來。
起源:CLAUDE.md 先跑,AGENTS.md 統一戰場
先行者是 Anthropic。2025 年 2 月 24 日,Claude Code 隨 Claude 3.7 Sonnet 以研究預覽(research preview)形式上線,內建 CLAUDE.md 機制:這個檔案在每個 session 開始時自動載入,官方文件明講它該裝「bash 指令、程式風格、工作流程規則」——agent 光讀 code 推不出來的那些。
接下來半年,每家工具各立山頭。Cursor 有 .cursorrules,GitHub Copilot 有 .github/copilot-instructions.md,Gemini 有 GEMINI.md。同一個專案想支援三個工具,就要維護三份幾乎一樣的檔案——跟 MCP 出現前「N 個工具 × M 個應用」的整合地獄同一個劇本。
2025 年 8 月,OpenAI 聯合 Amp、Google Jules、Cursor、Factory 等團隊推出 AGENTS.md,定位是中立的開放慣例:一個檔名、純 Markdown、任何 agent 都能讀。InfoQ 報導當時已有超過 2 萬個 GitHub repo 採用;到 2025 年 12 月 9 日,Linux Foundation 宣布成立 Agentic AI Foundation(AAIF),OpenAI 把 AGENTS.md 捐入,同批還有 Anthropic 的模型上下文協定(MCP)與 Block 的 goose——採用數已破 6 萬個開源專案。AWS、Anthropic、Google、Microsoft 都是白金會員。
支援名單現在很長:Codex、Amp、Cursor、Devin、Gemini CLI、GitHub Copilot、Jules、VS Code、Zed、Aider、goose 都讀 AGENTS.md。
有個小諷刺:最早發明這套玩法的 Claude Code,截至 2026 年年中仍只原生讀 CLAUDE.md。要求支援 AGENTS.md 的 GitHub issue #6235 從 2025 年 8 月開到現在,累積了大量 upvote。社群通行解法一行搞定:
ln -s AGENTS.md CLAUDE.md
內容寫一份,兩個檔名都指向它。
一份好的 AGENTS.md 該有什麼
原則只有一條:寫 agent 猜不到的,不寫 agent 讀 code 就知道的。Claude Code 官方文件給 CLAUDE.md 的建議,對 AGENTS.md 同樣適用:
| ✅ 該寫 | ❌ 不該寫 |
|---|---|
| 建置、測試指令(含「怎麼只跑單一測試」) | agent 讀 code 就能推斷的東西 |
| 跟語言預設不同的風格規則 | 標準語言慣例(agent 本來就會) |
| branch 命名、PR 慣例 | 詳細 API 文件(放連結就好) |
| 環境變數等開發環境地雷 | 常變動的資訊(很快過期) |
禁區——不准動 migrations/、不准 commit .env | 「寫乾淨的 code」這種廢話 |
可以直接抄的起手式,五個段落:
- 專案一句話——這個 repo 是什麼、跑在哪。
- 指令——install、build、test、lint 各一行,含最快的驗證方式。
- 風格——只列跟預設不同的(例如「用 ES modules 不用 CommonJS」)。
- 禁區——負面規則跟正面規則一樣重要。沒寫「不准」,agent 會選它最熟的通用做法,未必是你的做法。
- 驗證——改完 code 要跑什麼才算完成。給 agent 一個能自己跑的檢查,它才能自己收斂,你才不用當人肉 QA。
不知道從哪開始?讓 agent 自己寫第一版。Claude Code 有 /init 指令會掃專案生出草稿;OpenAI 那個百萬行實驗裡,最初的 AGENTS.md 也是 Codex 自己寫的。
跟 README、system prompt 的邊界
三個東西常被混在一起,並排看最清楚:
| 給誰讀 | 誰維護 | 管什麼 | |
|---|---|---|---|
README.md | 人 | 專案維護者 | 專案介紹、quick start、貢獻指南 |
AGENTS.md | coding agent | 專案維護者,進 git | 這個 repo 的建置、風格、禁區 |
| 系統提示(system prompt) | 模型 | 工具廠商 | 產品層行為——工具怎麼用、輸出格式 |
README 和 AGENTS.md 是互補的。官方說法:README 給人看 quick start 和專案描述,AGENTS.md 裝那些「會把 README 弄亂、人類貢獻者也不關心」的細節——建置步驟、測試流程、慣例。
跟 system prompt 的分工是層次問題:system prompt 是廠商出廠設定,管所有專案的通用行為;AGENTS.md 是專案自己的規則,跟著 repo 走、進版本控制、全隊共用。monorepo 還能放多份——子目錄的 AGENTS.md 蓋過根目錄的,就近原則。
另外它沒有 schema。官方網站原話:「AGENTS.md 就是標準 Markdown,標題隨你用,agent 就是讀你給的文字。」它的約定只有檔名和位置,內容完全自由。
常見錯誤:寫成行銷文、塞成百科全書
看過幾十個 repo 的 AGENTS.md 之後,爛法主要兩種。
寫成行銷文。「本專案採用業界領先的模組化架構,致力於卓越的開發者體驗」——agent 讀完等於沒讀。它需要的是 pnpm test -- --filter=api 這種可以直接執行的事實,形容詞一個都用不上。
塞成百科全書。 這個更常見,也更隱蔽。Claude Code 官方文件警告得很直白:檔案太肥,agent 會忽略你真正重要的指令——關鍵規則淹沒在雜訊裡。判斷標準是逐行問:「刪掉這行,agent 會犯錯嗎?」不會就刪。
OpenAI 那個實驗給了規模化的解法:AGENTS.md 當目錄頁用,不當百科全書。全檔約 100 行,只放最高頻的規則和指標,深水區的設計決策、規格、參考資料放進 docs/,讓 agent 需要時自己翻。上下文視窗(context window)是稀缺資源,開場白越短越好。
還有一種爛法是過期。指令改了、目錄搬了,AGENTS.md 沒跟上,agent 照舊檔操作直接撞牆。把它當 code 對待:出錯時檢討、定期修剪、改完觀察 agent 行為有沒有真的變。
Harness engineering 的最小單位
AGENTS.md 真正的價值在一個迴路。OpenAI 在 harness engineering(替 agent 打造工作環境的工程)那篇文章裡,把它描述成「活的約束系統」而非靜態文件:
agent 犯錯 → 把教訓寫進 AGENTS.md → 同樣的錯永不再犯。
這跟帶人類新人完全一樣——差別是人類新人會忘,agent 的便條每個 session 都重新生效。你每修一次檔案,就是把一次性口頭糾正變成永久性制度。用三個月後回頭看 AGENTS.md 的禁區清單,那就是你的 agent 犯過的錯的化石紀錄。
這也是「harness engineering 最小單位」的意思:不用先搞持續整合(CI)、評測、sandbox,一個 Markdown 檔就能開始累積。今天就能做的三步:
- 在 repo 根目錄開
AGENTS.md(用 Claude Code 就跑/init,或直接叫 agent 掃專案寫第一版,再加上 symlink)。 - 只寫五段:專案一句話、指令、風格差異、禁區、驗證方式。100 行封頂。
- 之後每次 agent 犯錯,回來補一條。每季逐行問一次「刪掉會出事嗎」,不會就刪。
一個沒有 schema 的 Markdown 檔,18 個月內從單一工具的功能變成 Linux Foundation 標準、6 萬多個專案採用——因為它剛好卡在一個真實的痛點上:agent 能力再強,也需要有人告訴它「在我們家,規矩是這樣」。
資料來源:AGENTS.md 官方網站、Linux Foundation 新聞稿、Claude Code 官方文件、OpenAI Harness engineering 工程文章、Anthropic Claude 3.7 Sonnet 發布文、InfoQ、GitHub anthropics/claude-code issue #6235
LEARN
想系統性學會,不只看這一則?
Claude Code 教學:用終端 AI Agent 完成真正的工作
讓 Claude Code 在你的專案裡完成一個真實任務,而且控得住權限、驗得了 diff、管得住成本。
從第 0 課開始 →SOURCES
- A AGENTS.md — 官方網站
- A Linux Foundation — Announcing the Formation of the Agentic AI Foundation
- A Claude Code Docs — Best practices(CLAUDE.md 章節)
- A OpenAI — Harness engineering, leveraging Codex in an agent-first world
- A Anthropic — Claude 3.7 Sonnet and Claude Code
- B InfoQ — AGENTS.md Emerges as Open Standard for AI Coding Agents
- B GitHub — anthropics/claude-code issue #6235(Support AGENTS.md)
來源分級:A = 一手公告/論文/官方文件 · B = 可信媒體 · C = 可參考但需脈絡 · D = 觀察用,不可當事實。
MACHINE-READABLE SUMMARY
- Topic
- 大百科
- Key claims
-
- AGENTS.md 是 OpenAI 與 Amp、Google Jules、Cursor、Factory 等團隊在 2025 年 8 月推出的開放慣例——一個放在 repo 根目錄、純 Markdown、給 coding agent 讀的專案指引檔。
- 2025 年 12 月 9 日,OpenAI 把 AGENTS.md 捐入 Linux Foundation 新成立的 Agentic AI Foundation,同批捐入的還有 Anthropic 的 MCP 與 Block 的 goose;當時已有超過 6 萬個開源專案採用 AGENTS.md。
- 先行者是 Anthropic 的 CLAUDE.md——2025 年 2 月 24 日 Claude Code 以 research preview 上線時就內建這個機制,每個 session 開始自動讀取。
- 截至 2026 年年中,Claude Code 仍未原生支援 AGENTS.md,社群常見做法是把 CLAUDE.md symlink 到 AGENTS.md;官方 GitHub issue #6235 從 2025 年 8 月開著至今。
- OpenAI 2026 年 2 月發表的 harness engineering 實作經驗中,3 名工程師 5 個月靠 Codex 合併約 1,500 個 PR、產出約百萬行程式碼,AGENTS.md 被當成約 100 行的「目錄頁」,指向 docs/ 裡更深的文件。
- Entities
- AGENTS.md · CLAUDE.md · OpenAI · Anthropic · Claude Code · Codex · Agentic AI Foundation · Linux Foundation · Cursor · GitHub Copilot
- Taiwan relevance
- low
- Confidence
- high
- Last updated
- 2026-07-05
- Canonical URL
- https://signals.tw/articles/what-is-agents-md/
SUGGESTED CITATION
如果 AI agent / 研究 / 報導要引用本文,建議格式如下:
矽基前沿 · 大百科線(編輯:廖玄同),《AGENTS.md 是什麼?給 agent 讀的 README》,矽基前沿 [Si]gnals,2026-07-05。https://signals.tw/articles/what-is-agents-md/
AI agents / search engines may quote, summarize, and cite with attribution and a link back to the canonical URL above. See /for-ai-agents for full policy.