1. 項目概述為什么我們需要AGENTS.md最近在AI編程和智能體開發的圈子里一個名為“AGENTS.md”的文件格式正在悄然興起并迅速成為開發者們熱議的話題。如果你正在使用Cursor、Claude Code或者各類智能體框架如Dify、Coze進行開發那么理解并掌握這個文件很可能成為你提升與AI協作效率、實現項目規范化的關鍵一步。簡單來說AGENTS.md可以被看作是AI編程時代的“通用語言”或“項目說明書”它不是一個具體的工具而是一個開放的文件標準旨在用一種結構化的方式向AI助手清晰地闡述你的項目背景、技術棧、代碼規范、工作流程以及智能體的具體職責。這解決了什么痛點回想一下當你把一個復雜的項目扔給AI編程助手時是否經常需要反復解釋“我們用的是React 18和TypeScript”、“這里的API調用要遵循這樣的錯誤處理模式”、“這個文件夾結構是約定的”……每次開啟新的對話上下文這些基礎信息都需要重新交代溝通成本極高。AGENTS.md的出現就是為了固化這些“項目常識”。它像一個永遠在線的項目向導讓AI從一開始就能以“資深團隊成員”的視角理解你的代碼庫從而生成更貼合項目實際、風格一致的代碼大幅減少返工和調試時間。它由社區推動并得到了Linux基金會等開源組織的關注預示著其可能成為未來AI輔助開發領域的一項基礎性開放標準。2. AGENTS.md的核心價值與設計哲學2.1 超越簡單注釋作為項目的“元數據契約”傳統的代碼注釋如JSDoc、Python docstring主要服務于函數、類等微觀單元。而AGENTS.md的定位是項目的宏觀與中觀描述。它是一份寫給AI看的“設計文檔”和“協作手冊”其核心價值在于建立一種“元數據契約”。這份契約明確了項目與AI交互的邊界、規則和期望。它的設計哲學基于幾個關鍵認知上下文即王道AI模型的能力高度依賴于提供的上下文質量。零散的、臨時的提示詞Prompt提供的是碎片化信息而一份精心編寫的AGENTS.md提供的是結構化、系統化的高質量上下文。約定優于配置通過一個中心化的文件約定好項目的技術選型、代碼風格、架構模式避免了在每次交互中重復進行“配置”。這類似于在團隊中推行ESLint配置或Prettier只不過對象從人換成了AI。降低認知負荷無論是開發者自己還是接手的AI都不需要再從零開始理解項目。AGENTS.md直接提供了認知捷徑讓智能體能夠快速融入項目環境專注于解決具體的業務邏輯問題而非糾結于基礎規范。2.2 與Claude.md及其他標準的區別你可能會聽到另一個類似的文件claude.md。這里需要厘清它們的關系。claude.md更像是Anthropic為其Claude模型系列特別是Claude Code建議的一種項目說明文件其內容和格式可能更貼近Claude模型的最佳實踐。而AGENTS.md的愿景更具普適性它旨在成為一種與AI模型無關的開放標準。理想情況下無論是Cursor底層可能是GPT、Claude Code還是未來的其他AI編程工具都能識別并遵循同一份AGENTS.md的約定實現真正的“一次編寫處處理解”。這類似于Web開發中的package.json描述Node.js項目或pyproject.toml描述Python項目AGENTS.md希望成為AI編程時代的項目描述文件標準。目前它正由社區積極推動其規范仍在演進中但核心結構已經趨于穩定并被許多前沿開發者所采用。3. AGENTS.md的詳細結構與編寫指南一份高質量的AGENTS.md應該包含哪些內容它絕不是簡單的項目介紹而是一個多層次的信息綜合體。下面我將結合一個假設的“電商需求預測智能體”項目拆解每個部分的編寫要點和實際示例。3.1 項目元信息與核心目標這是文件的頭部用于快速錨定項目。# 項目智能體指南電商需求預測平臺 **項目狀態**: 活躍開發 (Active Development) **核心AI助手**: 主要使用CursorGPT-4進行代碼生成與重構輔助使用Claude 3 Sonnet進行邏輯審查。 **本文檔版本**: v1.2 **最后更新**: 2023-10-27 ## 核心目標 構建一個基于時間序列分析和機器學習的需求預測智能體服務能夠根據歷史銷售數據、促銷計劃、天氣因素對未來4周內各SKU的銷量進行滾動預測預測結果用于指導自動補貨系統。編寫心得明確“核心AI助手”非常重要。不同的模型在代碼生成風格、對指令的理解上略有差異。指明主要使用的AI工具有助于后續編寫更針對性的指令。3.2 技術棧與架構約束這是AI生成代碼的技術邊界必須清晰無誤。## 技術棧與架構 ### 后端 - **語言**: Python 3.11 - **Web框架**: FastAPI (用于提供預測API) - **數據科學棧**: Pandas, NumPy, scikit-learn, Prophet (用于基準預測), XGBoost (用于集成模型) - **數據庫**: PostgreSQL (存儲歷史數據與元數據) Redis (用于緩存高頻查詢的預測結果) - **任務隊列**: Celery Redis (用于處理耗時的模型訓練任務) - **容器化**: Docker, Docker Compose (本地開發與部署) ### 前端管理界面 - **框架**: Next.js 14 (使用App Router) - **語言**: TypeScript 5.x - **UI庫**: shadcn/ui Tailwind CSS - **狀態管理**: Zustand - **圖表**: Recharts ### 開發與質量保障 - **代碼格式化**: Black (Python), Prettier (TypeScript) - **Lint**: Ruff (Python), ESLint (TypeScript) - **測試**: Pytest (Python), Jest React Testing Library (前端) - **版本控制**: Git 分支策略采用Git Flow簡化版。 ### 關鍵架構決策 1. **前后端分離**后端僅提供RESTful API前端通過Next.js API routes代理請求避免CORS問題。 2. **預測服務化**將預測邏輯封裝為獨立的微服務通過FastAPI暴露/api/v1/predict端點。 3. **緩存策略**對于相同參數的歷史預測請求結果緩存于Redis中有效期24小時以減輕模型計算壓力。注意在技術棧部分務必注明具體的版本號或主要版本如Python 3.11 Next.js 14。AI在生成依賴安裝命令如pip install或特定語法時版本信息至關重要。例如Next.js 13/14的App Router與之前的Pages Router寫法差異巨大。3.3 代碼風格與規范讓AI生成符合你團隊口味的代碼。## 代碼風格與規范 ### 命名約定 - **Python**: 變量/函數使用snake_case 類使用PascalCase 常量使用UPPER_SNAKE_CASE。 - **TypeScript/JavaScript**: 變量/函數使用camelCase 類/組件/類型使用PascalCase 常量使用UPPER_SNAKE_CASE。 - **文件命名**: Python模塊使用.py 前端組件使用.tsx 工具函數文件使用.ts。 ### 目錄結構關鍵部分project-root/ ├── backend/ │ ├── app/ │ │ ├── api/ # FastAPI 路由 │ │ ├── core/ # 配置、安全、依賴項 │ │ ├── models/ # SQLAlchemy 數據模型 │ │ ├── schemas/ # Pydantic 模型請求/響應 │ │ ├── services/ # 業務邏輯如預測服務 │ │ └── utils/ # 通用工具函數 │ ├── tests/ │ └── requirements.txt ├── frontend/ │ ├── app/ # Next.js App Router │ ├── components/ui/ # shadcn/ui 組件 │ ├── lib/ # 工具函數、配置 │ └── public/ └── AGENTS.md # 你正在閱讀的文件### 特定語言要求 - **Python**: 所有異步函數必須使用async/await。數據庫操作必須通過異步會話進行。異常處理需明確并記錄日志。 - **TypeScript**: 必須嚴格模式。所有函數參數和返回值必須顯式定義類型。優先使用interface定義對象類型。 - **React組件**: 優先使用函數組件配合Hooks。組件需為React.FC類型并使用export default導出。實操心得目錄結構的展示極其有效。AI在創建新文件時會參考這個結構將文件放到正確的位置。這避免了它憑空創建一個src/helpers/common.js而你的實際結構是lib/utils.ts的尷尬。3.4 AI工作流與交互指令這是AGENTS.md的靈魂定義了AI在項目中的“工作方式”。## 與AI協作的工作流 ### 1. 需求澄清與任務拆解 當我提出一個模糊需求時例如“優化預測模型的性能”請你不要直接開始寫代碼。請先執行以下步驟 - **提問澄清**詢問性能的具體指標是預測準確率MAE/MAPE還是推理速度訓練時間。 - **上下文確認**詢問是針對哪個特定的模型文件或數據集。 - **提供選項**基于現有代碼庫給出2-3個可行的優化方向如特征工程、模型調參、算法更換并簡要分析利弊。 - **在我確認方向后再開始實施**。 ### 2. 測試驅動開發TDD模式 當開發新功能或修改核心邏輯時請遵循TDD循環 - **步驟1紅**請你先為我**編寫失敗的測試用例**。描述這個新功能應該做什么測試用例應放在正確的tests/目錄下。 - **步驟2綠**然后請你**編寫最小可行代碼**讓這個測試通過。 - **步驟3重構**最后在測試通過的基礎上對代碼進行重構優化并確保測試依然通過。 ### 3. 代碼審查與重構建議 即使是在生成新代碼的過程中也請以“資深審查員”的視角思考 - **發現壞味道**如果看到我現有代碼中存在重復邏輯、過長的函數、模糊的命名請直接指出來并給出重構建議。 - **安全與性能**檢查可能存在的SQL注入風險、循環內低效操作、內存泄漏隱患。 - **一致性**確保新代碼完全符合上文定義的代碼風格和目錄結構。 ### 4. 智能體技能清單 在本項目中你應具備并主動應用以下技能 - **數據預處理**熟悉Pandas進行時間序列數據的重采樣、缺失值處理、特征生成。 - **機器學習建模**能夠使用scikit-learn構建Pipeline使用Prophet進行季節性預測使用XGBoost進行梯度提升樹建模。 - **API設計**能夠遵循FastAPI最佳實踐設計RESTful端點包括正確的狀態碼、錯誤響應、請求驗證。 - **前端數據可視化**能夠使用Recharts將預測結果繪制成時間序列折線圖并包含置信區間。提示“工作流”部分是最高階的用法。它把AI從一個被動的代碼生成器轉變為一個主動的協作伙伴。特別是“需求澄清”環節能極大避免因誤解而產生的無用功。在實際使用中你可以對AI說“請按照AGENTS.md中的‘需求澄清’流程幫我分析一下這個任務。”3.5 項目特定的提示詞與示例提供一些針對本項目高頻任務的“最佳提示詞模板”。## 項目特定提示詞模板 ### 添加一個新的預測因子 “請遵循TDD模式在backend/app/services/predictor.py中添加一個新的預測因子類WeatherFactor。它需要接收‘溫度’和‘降水量’數據并將其作為特征加入現有模型。請先編寫測試再實現類。記得在backend/app/core/config.py中注冊這個新因子。” ### 創建一個新的數據概覽前端頁面 “請在frontend/app/dashboard/page.tsx創建一個新的儀表板頁面。它需要包含 1. 一個日期范圍選擇器使用shadcn/ui的DatePicker。 2. 一個表格展示所選時間段內Top 10 SKU的預測與實際銷量對比。 3. 一個Recharts面積圖展示整體預測趨勢。 請先設計組件的Props接口然后搭建UI框架最后連接模擬數據使用lib/mockData.ts中的generateForecastData函數。” ### 數據庫遷移 “我需要為‘促銷活動’表添加一個新字段discount_depth浮點型。請使用Alembic本項目使用的遷移工具生成一個遷移腳本。模型文件位于backend/app/models/promotion.py請先更新模型再生成遷移命令。”編寫技巧這部分內容就像給你的AI伙伴準備了一個“快捷指令庫”。當你需要完成某項重復性任務時直接引用這些模板可以確保每次生成的代碼都符合項目規范無需重復描述細節。4. 如何將AGENTS.md集成到你的工作流4.1 創建與維護AGENTS.md初始化創建對于一個新項目你不需要一開始就寫出完美的AGENTS.md。可以從一個最簡單的版本開始只包含技術棧和目錄結構。在后續與AI的協作中每當你發現需要重復解釋的規則就把它補充到AGENTS.md中。位置與命名將其放在項目的根目錄并命名為全大寫的AGENTS.md以確保醒目。有些AI工具如早期版本的Cursor可能會自動識別這個文件并加載其內容作為上下文。動態更新將AGENTS.md視為一個“活文檔”。當項目技術棧升級、架構調整或團隊引入新的協作規范時第一時間更新此文件。建議在團隊內部分享和維護。4.2 在實際對話中引用AGENTS.md僅僅創建文件是不夠的關鍵在于使用。以下是幾種有效的使用模式開場白指令開始一個新的復雜任務對話時第一句話就可以是“請仔細閱讀本項目根目錄下的AGENTS.md文件并完全遵循其中的技術棧、代碼規范和TDD工作流來協助我。”針對性提問當AI給出的方案偏離預期時可以指出“根據AGENTS.md中‘技術棧與架構’部分的約定我們應該使用FastAPI而不是Flask。請調整你的實現方案。”工作流觸發當任務比較復雜時可以直接說“請按照AGENTS.md中‘AI工作流與交互指令’部分的‘需求澄清’流程幫我拆解一下這個任務。”4.3 主流工具對AGENTS.md的支持現狀CursorCursor的最新版本已經能夠較好地利用項目上下文。雖然不一定有官方的“AGENTS.md”特殊識別但你可以通過手動將AGENTS.md的內容粘貼到對話中或使用功能引用項目文件來確保AI讀取。最佳實踐是在Cursor的設置中確保“Codebase Context”包含你的項目根目錄。Claude Code / Claude DesktopAnthropic的Claude對項目上下文的理解能力很強。你可以直接打開包含AGENTS.md的項目文件夾Claude會自動分析其中的文件。在對話中提及“請參考AGENTS.md”它通常能很好地遵循。其他IDE插件與智能體平臺如Windsurf、Bloop等AI編程助手以及Dify、Coze等智能體搭建平臺其核心原理都是將項目文件作為上下文提供給大模型。因此一份結構良好的AGENTS.md在任何能讀取項目文件的工具中都能發揮作用提升提示詞Prompt的工程化水平。5. 常見問題與實戰排坑指南在實際推廣和使用AGENTS.md的過程中我和社區的伙伴們遇到了一些典型問題以下是解決方案和心得。5.1 AI不遵循AGENTS.md的約定怎么辦這是最常見的問題。原因和解決方案如下原因1上下文未正確加載。AI工具可能沒有將AGENTS.md文件納入當前對話的上下文窗口。解決方案首先明確指令“請先閱讀./AGENTS.md文件的內容。” 其次檢查工具的設置。在Cursor中確認文件所在的目錄已添加到“Codebase Indexing”中。在聊天界面有時需要手動通過文件選擇器上傳或引用該文件。原因2指令沖突或模糊。如果你的即時指令與AGENTS.md中的約定有細微沖突AI可能會優先遵循即時指令。解決方案在指令中明確優先級。例如“請優先并嚴格按照AGENTS.md中的Python代碼風格Black格式、snake_case命名來生成以下代碼即使我下面的描述可能用了其他術語。”原因3AGENTS.md本身過于冗長或矛盾。如果文件太長超過了AI上下文窗口的注意力范圍或者內部存在矛盾描述AI可能無法提取有效信息。解決方案優化AGENTS.md結構使用清晰的標題和列表。將最核心、最不容違反的規則如技術棧、目錄結構放在文件最前面。定期回顧確保內容一致。5.2 如何衡量AGENTS.md帶來的效果無法用精確的指標衡量但可以從以下幾個維度感知提升代碼首次通過率AI生成的代碼無需或僅需極少修改就能符合項目規范、通過編譯和基礎測試的比例是否提高。溝通回合數完成一個中等復雜度需求如“添加一個API端點”所需的來回對話次數是否減少。上下文重置成本當開啟一個新對話或向新成員介紹項目時你需要親自口述的基礎信息是否大幅減少。你可以直接說“看AGENTS.md。”團隊一致性當多個開發者或你自己在不同時間使用AI輔助時生成的代碼風格和架構是否保持高度一致。5.3 對于沒有AI編程基礎的新手如何從零開始如果你沒有基礎想做一個“需求預測智能體”AGENTS.md反而是你的路線圖第一步明確目標與技術選型。不要直接寫代碼。先根據你的需求如“電商銷量預測”搜索主流技術棧。你會發現Python的pandas、scikit-learn、Prophet是常見選擇。將這些寫入AGENTS.md的“技術棧”部分。第二步搭建最小項目骨架。根據技術棧手動或用AI助手創建最基本的文件結構一個requirements.txt一個app.py主文件。把這個結構描述到AGENTS.md的“目錄結構”。第三步借助AI迭代開發。此時你可以拿著這份初版的AGENTS.md去問AI“我想用Python和Prophet做一個銷量預測模型這是我的項目結構和技術棧見AGENTS.md請幫我創建一個數據加載和基礎預測的腳本。” AI生成的代碼會更符合你的預設。第四步在開發中完善AGENTS.md。在開發過程中你會不斷確立新的規范比如“所有圖表保存為PNG格式分辨率300dpi”把這些都補充進去。你的AGENTS.md會和你的項目一起成長變得越來越強大。5.4 AGENTS.md與版本控制必須將AGENTS.md納入Git版本控制它和package.json、Dockerfile一樣是項目不可或缺的組成部分。在.gitignore中忽略它是一個巨大的錯誤。團隊每個成員都應通過拉取代碼來獲取最新的AGENTS.md確保所有人包括AI都在同一套協作規范下工作。6. 進階技巧讓AGENTS.md成為團隊智能體中樞對于成熟團隊AGENTS.md可以進化成更強大的協作工具。6.1 模塊化與引用對于大型單體應用或微服務群可以嘗試模塊化的AGENTS.md在項目根目錄保留一個AGENTS.md主文件描述全局約定、通用技術棧和架構。在各個子模塊或服務目錄下如/service-auth/,/service-forecast/創建各自的AGENTS_SUB.md描述該模塊特有的模型、API規范、數據庫表等。在主文件中引用子文件形成一套體系。6.2 與CI/CD管道集成你可以將AGENTS.md中的部分規則自動化代碼風格檢查在AGENTS.md中定義的Black、Ruff、ESLint規則應該與項目的pre-commit鉤子或CI流水線如GitHub Actions中的檢查保持一致。這樣AI生成的代碼和人工代碼都接受同一套標準的檢驗。架構守護有些高級的靜態分析工具可以檢查代碼是否違反架構規則如“前端組件不能直接導入后端模型”。雖然AGENTS.md本身不能被直接解析但你可以將這些規則同步到相應的架構守護工具配置中。6.3 生成項目專屬的AI提示詞庫這是AGENTS.md的終極形態之一。你可以基于AGENTS.md的內容使用腳本或工具自動生成一套針對本項目優化的“提示詞片段”或“智能體指令集”。例如自動生成“作為本項目開發者請使用Python 3.11和FastAPI遵循PEP 8和Black格式在app/api/v1目錄下創建端點…”這樣的標準前綴。然后將其導入到Cursor的“Custom Instructions”或Claude的“Custom Instructions”中實現開箱即用的深度定制。AGENTS.md不是魔法它不會自動讓你的代碼變好。它是一份精心編寫的說明書是高質量輸入Prompt的工程化體現。它的價值完全取決于你投入其中思考和總結的深度。在AI編程逐漸成為標配的今天善于定義規則、善于與AI溝通的開發者將會獲得巨大的效率杠桿。從今天開始為你最重要的項目創建一份AGENTS.md并把它當作核心資產來維護你會發現你不僅是在規范AI更是在沉淀和厘清自己的開發思想。 AGENTS.md：AI編程時代的項目元數據契約與協作規范指南
1. 項目概述為什么我們需要AGENTS.md最近在AI編程和智能體開發的圈子里一個名為“AGENTS.md”的文件格式正在悄然興起并迅速成為開發者們熱議的話題。如果你正在使用Cursor、Claude Code或者各類智能體框架如Dify、Coze進行開發那么理解并掌握這個文件很可能成為你提升與AI協作效率、實現項目規范化的關鍵一步。簡單來說AGENTS.md可以被看作是AI編程時代的“通用語言”或“項目說明書”它不是一個具體的工具而是一個開放的文件標準旨在用一種結構化的方式向AI助手清晰地闡述你的項目背景、技術棧、代碼規范、工作流程以及智能體的具體職責。這解決了什么痛點回想一下當你把一個復雜的項目扔給AI編程助手時是否經常需要反復解釋“我們用的是React 18和TypeScript”、“這里的API調用要遵循這樣的錯誤處理模式”、“這個文件夾結構是約定的”……每次開啟新的對話上下文這些基礎信息都需要重新交代溝通成本極高。AGENTS.md的出現就是為了固化這些“項目常識”。它像一個永遠在線的項目向導讓AI從一開始就能以“資深團隊成員”的視角理解你的代碼庫從而生成更貼合項目實際、風格一致的代碼大幅減少返工和調試時間。它由社區推動并得到了Linux基金會等開源組織的關注預示著其可能成為未來AI輔助開發領域的一項基礎性開放標準。2. AGENTS.md的核心價值與設計哲學2.1 超越簡單注釋作為項目的“元數據契約”傳統的代碼注釋如JSDoc、Python docstring主要服務于函數、類等微觀單元。而AGENTS.md的定位是項目的宏觀與中觀描述。它是一份寫給AI看的“設計文檔”和“協作手冊”其核心價值在于建立一種“元數據契約”。這份契約明確了項目與AI交互的邊界、規則和期望。它的設計哲學基于幾個關鍵認知上下文即王道AI模型的能力高度依賴于提供的上下文質量。零散的、臨時的提示詞Prompt提供的是碎片化信息而一份精心編寫的AGENTS.md提供的是結構化、系統化的高質量上下文。約定優于配置通過一個中心化的文件約定好項目的技術選型、代碼風格、架構模式避免了在每次交互中重復進行“配置”。這類似于在團隊中推行ESLint配置或Prettier只不過對象從人換成了AI。降低認知負荷無論是開發者自己還是接手的AI都不需要再從零開始理解項目。AGENTS.md直接提供了認知捷徑讓智能體能夠快速融入項目環境專注于解決具體的業務邏輯問題而非糾結于基礎規范。2.2 與Claude.md及其他標準的區別你可能會聽到另一個類似的文件claude.md。這里需要厘清它們的關系。claude.md更像是Anthropic為其Claude模型系列特別是Claude Code建議的一種項目說明文件其內容和格式可能更貼近Claude模型的最佳實踐。而AGENTS.md的愿景更具普適性它旨在成為一種與AI模型無關的開放標準。理想情況下無論是Cursor底層可能是GPT、Claude Code還是未來的其他AI編程工具都能識別并遵循同一份AGENTS.md的約定實現真正的“一次編寫處處理解”。這類似于Web開發中的package.json描述Node.js項目或pyproject.toml描述Python項目AGENTS.md希望成為AI編程時代的項目描述文件標準。目前它正由社區積極推動其規范仍在演進中但核心結構已經趨于穩定并被許多前沿開發者所采用。3. AGENTS.md的詳細結構與編寫指南一份高質量的AGENTS.md應該包含哪些內容它絕不是簡單的項目介紹而是一個多層次的信息綜合體。下面我將結合一個假設的“電商需求預測智能體”項目拆解每個部分的編寫要點和實際示例。3.1 項目元信息與核心目標這是文件的頭部用于快速錨定項目。# 項目智能體指南電商需求預測平臺 **項目狀態**: 活躍開發 (Active Development) **核心AI助手**: 主要使用CursorGPT-4進行代碼生成與重構輔助使用Claude 3 Sonnet進行邏輯審查。 **本文檔版本**: v1.2 **最后更新**: 2023-10-27 ## 核心目標 構建一個基于時間序列分析和機器學習的需求預測智能體服務能夠根據歷史銷售數據、促銷計劃、天氣因素對未來4周內各SKU的銷量進行滾動預測預測結果用于指導自動補貨系統。編寫心得明確“核心AI助手”非常重要。不同的模型在代碼生成風格、對指令的理解上略有差異。指明主要使用的AI工具有助于后續編寫更針對性的指令。3.2 技術棧與架構約束這是AI生成代碼的技術邊界必須清晰無誤。## 技術棧與架構 ### 后端 - **語言**: Python 3.11 - **Web框架**: FastAPI (用于提供預測API) - **數據科學棧**: Pandas, NumPy, scikit-learn, Prophet (用于基準預測), XGBoost (用于集成模型) - **數據庫**: PostgreSQL (存儲歷史數據與元數據) Redis (用于緩存高頻查詢的預測結果) - **任務隊列**: Celery Redis (用于處理耗時的模型訓練任務) - **容器化**: Docker, Docker Compose (本地開發與部署) ### 前端管理界面 - **框架**: Next.js 14 (使用App Router) - **語言**: TypeScript 5.x - **UI庫**: shadcn/ui Tailwind CSS - **狀態管理**: Zustand - **圖表**: Recharts ### 開發與質量保障 - **代碼格式化**: Black (Python), Prettier (TypeScript) - **Lint**: Ruff (Python), ESLint (TypeScript) - **測試**: Pytest (Python), Jest React Testing Library (前端) - **版本控制**: Git 分支策略采用Git Flow簡化版。 ### 關鍵架構決策 1. **前后端分離**后端僅提供RESTful API前端通過Next.js API routes代理請求避免CORS問題。 2. **預測服務化**將預測邏輯封裝為獨立的微服務通過FastAPI暴露/api/v1/predict端點。 3. **緩存策略**對于相同參數的歷史預測請求結果緩存于Redis中有效期24小時以減輕模型計算壓力。注意在技術棧部分務必注明具體的版本號或主要版本如Python 3.11 Next.js 14。AI在生成依賴安裝命令如pip install或特定語法時版本信息至關重要。例如Next.js 13/14的App Router與之前的Pages Router寫法差異巨大。3.3 代碼風格與規范讓AI生成符合你團隊口味的代碼。## 代碼風格與規范 ### 命名約定 - **Python**: 變量/函數使用snake_case 類使用PascalCase 常量使用UPPER_SNAKE_CASE。 - **TypeScript/JavaScript**: 變量/函數使用camelCase 類/組件/類型使用PascalCase 常量使用UPPER_SNAKE_CASE。 - **文件命名**: Python模塊使用.py 前端組件使用.tsx 工具函數文件使用.ts。 ### 目錄結構關鍵部分project-root/ ├── backend/ │ ├── app/ │ │ ├── api/ # FastAPI 路由 │ │ ├── core/ # 配置、安全、依賴項 │ │ ├── models/ # SQLAlchemy 數據模型 │ │ ├── schemas/ # Pydantic 模型請求/響應 │ │ ├── services/ # 業務邏輯如預測服務 │ │ └── utils/ # 通用工具函數 │ ├── tests/ │ └── requirements.txt ├── frontend/ │ ├── app/ # Next.js App Router │ ├── components/ui/ # shadcn/ui 組件 │ ├── lib/ # 工具函數、配置 │ └── public/ └── AGENTS.md # 你正在閱讀的文件### 特定語言要求 - **Python**: 所有異步函數必須使用async/await。數據庫操作必須通過異步會話進行。異常處理需明確并記錄日志。 - **TypeScript**: 必須嚴格模式。所有函數參數和返回值必須顯式定義類型。優先使用interface定義對象類型。 - **React組件**: 優先使用函數組件配合Hooks。組件需為React.FC類型并使用export default導出。實操心得目錄結構的展示極其有效。AI在創建新文件時會參考這個結構將文件放到正確的位置。這避免了它憑空創建一個src/helpers/common.js而你的實際結構是lib/utils.ts的尷尬。3.4 AI工作流與交互指令這是AGENTS.md的靈魂定義了AI在項目中的“工作方式”。## 與AI協作的工作流 ### 1. 需求澄清與任務拆解 當我提出一個模糊需求時例如“優化預測模型的性能”請你不要直接開始寫代碼。請先執行以下步驟 - **提問澄清**詢問性能的具體指標是預測準確率MAE/MAPE還是推理速度訓練時間。 - **上下文確認**詢問是針對哪個特定的模型文件或數據集。 - **提供選項**基于現有代碼庫給出2-3個可行的優化方向如特征工程、模型調參、算法更換并簡要分析利弊。 - **在我確認方向后再開始實施**。 ### 2. 測試驅動開發TDD模式 當開發新功能或修改核心邏輯時請遵循TDD循環 - **步驟1紅**請你先為我**編寫失敗的測試用例**。描述這個新功能應該做什么測試用例應放在正確的tests/目錄下。 - **步驟2綠**然后請你**編寫最小可行代碼**讓這個測試通過。 - **步驟3重構**最后在測試通過的基礎上對代碼進行重構優化并確保測試依然通過。 ### 3. 代碼審查與重構建議 即使是在生成新代碼的過程中也請以“資深審查員”的視角思考 - **發現壞味道**如果看到我現有代碼中存在重復邏輯、過長的函數、模糊的命名請直接指出來并給出重構建議。 - **安全與性能**檢查可能存在的SQL注入風險、循環內低效操作、內存泄漏隱患。 - **一致性**確保新代碼完全符合上文定義的代碼風格和目錄結構。 ### 4. 智能體技能清單 在本項目中你應具備并主動應用以下技能 - **數據預處理**熟悉Pandas進行時間序列數據的重采樣、缺失值處理、特征生成。 - **機器學習建模**能夠使用scikit-learn構建Pipeline使用Prophet進行季節性預測使用XGBoost進行梯度提升樹建模。 - **API設計**能夠遵循FastAPI最佳實踐設計RESTful端點包括正確的狀態碼、錯誤響應、請求驗證。 - **前端數據可視化**能夠使用Recharts將預測結果繪制成時間序列折線圖并包含置信區間。提示“工作流”部分是最高階的用法。它把AI從一個被動的代碼生成器轉變為一個主動的協作伙伴。特別是“需求澄清”環節能極大避免因誤解而產生的無用功。在實際使用中你可以對AI說“請按照AGENTS.md中的‘需求澄清’流程幫我分析一下這個任務。”3.5 項目特定的提示詞與示例提供一些針對本項目高頻任務的“最佳提示詞模板”。## 項目特定提示詞模板 ### 添加一個新的預測因子 “請遵循TDD模式在backend/app/services/predictor.py中添加一個新的預測因子類WeatherFactor。它需要接收‘溫度’和‘降水量’數據并將其作為特征加入現有模型。請先編寫測試再實現類。記得在backend/app/core/config.py中注冊這個新因子。” ### 創建一個新的數據概覽前端頁面 “請在frontend/app/dashboard/page.tsx創建一個新的儀表板頁面。它需要包含 1. 一個日期范圍選擇器使用shadcn/ui的DatePicker。 2. 一個表格展示所選時間段內Top 10 SKU的預測與實際銷量對比。 3. 一個Recharts面積圖展示整體預測趨勢。 請先設計組件的Props接口然后搭建UI框架最后連接模擬數據使用lib/mockData.ts中的generateForecastData函數。” ### 數據庫遷移 “我需要為‘促銷活動’表添加一個新字段discount_depth浮點型。請使用Alembic本項目使用的遷移工具生成一個遷移腳本。模型文件位于backend/app/models/promotion.py請先更新模型再生成遷移命令。”編寫技巧這部分內容就像給你的AI伙伴準備了一個“快捷指令庫”。當你需要完成某項重復性任務時直接引用這些模板可以確保每次生成的代碼都符合項目規范無需重復描述細節。4. 如何將AGENTS.md集成到你的工作流4.1 創建與維護AGENTS.md初始化創建對于一個新項目你不需要一開始就寫出完美的AGENTS.md。可以從一個最簡單的版本開始只包含技術棧和目錄結構。在后續與AI的協作中每當你發現需要重復解釋的規則就把它補充到AGENTS.md中。位置與命名將其放在項目的根目錄并命名為全大寫的AGENTS.md以確保醒目。有些AI工具如早期版本的Cursor可能會自動識別這個文件并加載其內容作為上下文。動態更新將AGENTS.md視為一個“活文檔”。當項目技術棧升級、架構調整或團隊引入新的協作規范時第一時間更新此文件。建議在團隊內部分享和維護。4.2 在實際對話中引用AGENTS.md僅僅創建文件是不夠的關鍵在于使用。以下是幾種有效的使用模式開場白指令開始一個新的復雜任務對話時第一句話就可以是“請仔細閱讀本項目根目錄下的AGENTS.md文件并完全遵循其中的技術棧、代碼規范和TDD工作流來協助我。”針對性提問當AI給出的方案偏離預期時可以指出“根據AGENTS.md中‘技術棧與架構’部分的約定我們應該使用FastAPI而不是Flask。請調整你的實現方案。”工作流觸發當任務比較復雜時可以直接說“請按照AGENTS.md中‘AI工作流與交互指令’部分的‘需求澄清’流程幫我拆解一下這個任務。”4.3 主流工具對AGENTS.md的支持現狀CursorCursor的最新版本已經能夠較好地利用項目上下文。雖然不一定有官方的“AGENTS.md”特殊識別但你可以通過手動將AGENTS.md的內容粘貼到對話中或使用功能引用項目文件來確保AI讀取。最佳實踐是在Cursor的設置中確保“Codebase Context”包含你的項目根目錄。Claude Code / Claude DesktopAnthropic的Claude對項目上下文的理解能力很強。你可以直接打開包含AGENTS.md的項目文件夾Claude會自動分析其中的文件。在對話中提及“請參考AGENTS.md”它通常能很好地遵循。其他IDE插件與智能體平臺如Windsurf、Bloop等AI編程助手以及Dify、Coze等智能體搭建平臺其核心原理都是將項目文件作為上下文提供給大模型。因此一份結構良好的AGENTS.md在任何能讀取項目文件的工具中都能發揮作用提升提示詞Prompt的工程化水平。5. 常見問題與實戰排坑指南在實際推廣和使用AGENTS.md的過程中我和社區的伙伴們遇到了一些典型問題以下是解決方案和心得。5.1 AI不遵循AGENTS.md的約定怎么辦這是最常見的問題。原因和解決方案如下原因1上下文未正確加載。AI工具可能沒有將AGENTS.md文件納入當前對話的上下文窗口。解決方案首先明確指令“請先閱讀./AGENTS.md文件的內容。” 其次檢查工具的設置。在Cursor中確認文件所在的目錄已添加到“Codebase Indexing”中。在聊天界面有時需要手動通過文件選擇器上傳或引用該文件。原因2指令沖突或模糊。如果你的即時指令與AGENTS.md中的約定有細微沖突AI可能會優先遵循即時指令。解決方案在指令中明確優先級。例如“請優先并嚴格按照AGENTS.md中的Python代碼風格Black格式、snake_case命名來生成以下代碼即使我下面的描述可能用了其他術語。”原因3AGENTS.md本身過于冗長或矛盾。如果文件太長超過了AI上下文窗口的注意力范圍或者內部存在矛盾描述AI可能無法提取有效信息。解決方案優化AGENTS.md結構使用清晰的標題和列表。將最核心、最不容違反的規則如技術棧、目錄結構放在文件最前面。定期回顧確保內容一致。5.2 如何衡量AGENTS.md帶來的效果無法用精確的指標衡量但可以從以下幾個維度感知提升代碼首次通過率AI生成的代碼無需或僅需極少修改就能符合項目規范、通過編譯和基礎測試的比例是否提高。溝通回合數完成一個中等復雜度需求如“添加一個API端點”所需的來回對話次數是否減少。上下文重置成本當開啟一個新對話或向新成員介紹項目時你需要親自口述的基礎信息是否大幅減少。你可以直接說“看AGENTS.md。”團隊一致性當多個開發者或你自己在不同時間使用AI輔助時生成的代碼風格和架構是否保持高度一致。5.3 對于沒有AI編程基礎的新手如何從零開始如果你沒有基礎想做一個“需求預測智能體”AGENTS.md反而是你的路線圖第一步明確目標與技術選型。不要直接寫代碼。先根據你的需求如“電商銷量預測”搜索主流技術棧。你會發現Python的pandas、scikit-learn、Prophet是常見選擇。將這些寫入AGENTS.md的“技術棧”部分。第二步搭建最小項目骨架。根據技術棧手動或用AI助手創建最基本的文件結構一個requirements.txt一個app.py主文件。把這個結構描述到AGENTS.md的“目錄結構”。第三步借助AI迭代開發。此時你可以拿著這份初版的AGENTS.md去問AI“我想用Python和Prophet做一個銷量預測模型這是我的項目結構和技術棧見AGENTS.md請幫我創建一個數據加載和基礎預測的腳本。” AI生成的代碼會更符合你的預設。第四步在開發中完善AGENTS.md。在開發過程中你會不斷確立新的規范比如“所有圖表保存為PNG格式分辨率300dpi”把這些都補充進去。你的AGENTS.md會和你的項目一起成長變得越來越強大。5.4 AGENTS.md與版本控制必須將AGENTS.md納入Git版本控制它和package.json、Dockerfile一樣是項目不可或缺的組成部分。在.gitignore中忽略它是一個巨大的錯誤。團隊每個成員都應通過拉取代碼來獲取最新的AGENTS.md確保所有人包括AI都在同一套協作規范下工作。6. 進階技巧讓AGENTS.md成為團隊智能體中樞對于成熟團隊AGENTS.md可以進化成更強大的協作工具。6.1 模塊化與引用對于大型單體應用或微服務群可以嘗試模塊化的AGENTS.md在項目根目錄保留一個AGENTS.md主文件描述全局約定、通用技術棧和架構。在各個子模塊或服務目錄下如/service-auth/,/service-forecast/創建各自的AGENTS_SUB.md描述該模塊特有的模型、API規范、數據庫表等。在主文件中引用子文件形成一套體系。6.2 與CI/CD管道集成你可以將AGENTS.md中的部分規則自動化代碼風格檢查在AGENTS.md中定義的Black、Ruff、ESLint規則應該與項目的pre-commit鉤子或CI流水線如GitHub Actions中的檢查保持一致。這樣AI生成的代碼和人工代碼都接受同一套標準的檢驗。架構守護有些高級的靜態分析工具可以檢查代碼是否違反架構規則如“前端組件不能直接導入后端模型”。雖然AGENTS.md本身不能被直接解析但你可以將這些規則同步到相應的架構守護工具配置中。6.3 生成項目專屬的AI提示詞庫這是AGENTS.md的終極形態之一。你可以基于AGENTS.md的內容使用腳本或工具自動生成一套針對本項目優化的“提示詞片段”或“智能體指令集”。例如自動生成“作為本項目開發者請使用Python 3.11和FastAPI遵循PEP 8和Black格式在app/api/v1目錄下創建端點…”這樣的標準前綴。然后將其導入到Cursor的“Custom Instructions”或Claude的“Custom Instructions”中實現開箱即用的深度定制。AGENTS.md不是魔法它不會自動讓你的代碼變好。它是一份精心編寫的說明書是高質量輸入Prompt的工程化體現。它的價值完全取決于你投入其中思考和總結的深度。在AI編程逐漸成為標配的今天善于定義規則、善于與AI溝通的開發者將會獲得巨大的效率杠桿。從今天開始為你最重要的項目創建一份AGENTS.md并把它當作核心資產來維護你會發現你不僅是在規范AI更是在沉淀和厘清自己的開發思想。