# 你的 AGENTS.md 是你还没测试过的、杠杆最高的代码

Stet publishes a public search API over its indexed pages; the guide is at https://www.stet.sh/agents/agent-access.

Source: https://www.stet.sh/zh/blog/agents-md-testing
Source observed: 2026-11-08T19:51:38.953Z
Last checked: 2026-11-08T19:51:38.953+00:00
Indexed: 2026-11-08T20:05:11.863+00:00

---

# 你的 AGENTS.md 是你还没测试过的、杠杆最高的代码

**2026年4月8日 · 3 分钟阅读** · [Ben，Stet 创始人](https://www.stet.sh/about)

这篇文章讨论我们如何看待和管理 `AGENTS.md`：它是 coding-agent harness 中的高杠杆配置，会影响代码库中每位工程师的每轮 agent 交互。文章主张像对待重要基础设施一样测试、监控和审查它。

## 测量缺口

我曾经发布过一次糟糕的 `AGENTS.md` 改动。agent 变得没那么对齐，开始悄悄把改动过度工程化：本来可以写一个干净的 20 行函数，结果写成臃肿的 40 行。

这个改动不只影响我的工作流，也降低了我们这个有 100 名开发者的 monorepo 中每位使用 coding agents 的工程师的产出质量。

我们没有拦住它，是因为我们不知道有什么东西坏了。常见做法是把 `AGENTS.md` 当成 AI 生成的代码：发布后不再管理，只希望它不会带来问题；模型变化时再调整几句。

但 `AGENTS.md` 是 harness 里杠杆最高的点之一，会被带入代码库中每位工程师的每一轮交互。如果 agents 正在编写你 80% 到 100% 的代码，那么这个基础文件中的每一行都应得到更多打磨。我们应该像对待重要基础设施一样对待 `AGENTS.md` 改动。

## 为什么这很难

你不能直接 diff 一个 `AGENTS.md` 改动的输出，因为 agents 本质上具有非确定性。

同一行指令在不同任务、repo、模型、harness 和时间点上，可能产生不同结果。一个指令编辑未必带来可靠且一致的行为变化。

反馈循环也是不可见且难以闭合的。组织很难知道 agents 在规模化使用中是否变差了 5%；你可能只看到稍微差一点的 PR，没有报警页面、失败测试或明显信号。

我们需要把“修改 `AGENTS.md`”与“看见该修改产生的影响”之间的反馈循环闭合起来。

## 测量

`AGENTS.md` 改动应该做 A/B 测试。没有 A/B 测试，你就不了解改动的影响。

应测量：

- 测试通过率
- Agent diff 与 human diff 的等价性
- Agent 相对于 human diff 多写了多少额外代码

关键是测量 agent 与你的代码库对齐得怎么样，以及它有多接近你的预期。

## 监控

Agents 会随时间变化。周一一切正常，周三 Anthropic 或 OpenAI 可能发布静默更新，在你毫不知情时改变底层行为。

没有监控，就无从知道发生了什么：不一定是你的 `AGENTS.md` 坏了，也可能是它脚下的沙地移动了。

因此，组织需要持续监控，而不只是发布前测试。这和部署后持续监控生产环境、而不是永远信任绿色 CI，是同一个原因。

## 审查

我们应该用审查关键生产代码时同样的严谨度来审查 `AGENTS.md`。

每一次改动都应该由人仔细阅读并批准。把这件事放大到组织里的每一位工程师身上，就能看出为什么 `AGENTS.md` 如此重要。

## 结论

当我们在测试通过率之外测量 agent 质量时，我们发现了一个隐藏在眼皮底下的 2x 质量缺口：[你的 AI coding benchmark 正隐藏着 2x 质量缺口](https://www.stet.sh/zh/blog/both-pass)。

如果你没有有意识地测量和发布 `AGENTS.md` 改动，你就是在规模化地靠猜。你今天是如何测量和发布 `AGENTS.md` 改动的？如果答案是“我们没有”，那你并没有发布流程，只有一个靠希望运转的流程。

## 参考

- [HumanLayer: Skill issue: harness engineering for coding agents](https://www.humanlayer.dev/blog/skill-issue-harness-engineering-for-coding-agents)
- [HumanLayer: Writing a good CLAUDE.md](https://www.humanlayer.dev/blog/writing-a-good-claude-md)

## 文章导航

- [01 测量缺口](https://www.stet.sh/zh/blog/agents-md-testing#measurement-gap)
- [02 为什么难](https://www.stet.sh/zh/blog/agents-md-testing#why-hard)
- [03 测量](https://www.stet.sh/zh/blog/agents-md-testing#measurement)
- [04 监控](https://www.stet.sh/zh/blog/agents-md-testing#monitoring)
- [05 审查](https://www.stet.sh/zh/blog/agents-md-testing#reviews)
- [06 结论](https://www.stet.sh/zh/blog/agents-md-testing#conclusion)

---

[Read this page’s summary](https://www.stet.sh/agents/api/public/v1/page-tldr?url=https%3A%2F%2Fwww.stet.sh%2Fzh%2Fblog%2Fagents-md-testing&trace=t_5da45423e484)

## Ask a follow-up about this page

Need a more specific answer? Ask the exact question you have. It returns a fresh, cited answer from Stet’s knowledge base. No account or API key required.

Open this URL with your own question, URL-encoded. Include your question in q. All research inputs are optional; no account or setup.

`GET https://www.stet.sh/agents/agent/faq?q={question}&trace=t_5da45423e484`

[Tool guide and examples](https://www.stet.sh/agents/agent-access) · [OpenAPI](https://www.stet.sh/agents/api/public/v1/openapi.json) · [Page TLDR form](https://www.stet.sh/agents/agent-tools/page-tldr?url=https%3A%2F%2Fwww.stet.sh%2Fzh%2Fblog%2Fagents-md-testing). Opening a form does not execute a tool.