推荐一个维护 AGENTS.md 的思路，觉得还蛮实用的。 题目也很吸引人：AGENTS.md其实是一个神经网络。 很多人的做法都是 Agent 犯一次错，就往 AGENTS.md 里补一条规则。 时间久了文件越来越长，旧规则没删，新规则继续加，最后 Agent 每次都要读一堆已经没什么用的东西。 这篇文章换了个思路： 把项目级 AGENTS.md 当成一个需要「训练」的神经网络。 每一次 Claude Code / Codex session 都是一次 forward pass。 Agent 走过的弯路和被你纠正的地方就是 loss，再定期从这些真实 session 里提取问题，小幅更新 AGENTS.md，相当于做一次 backward pass。 而且要给它固定 Token budget，新增一条规则，就要考虑删掉或移走什么。 作者还直接开源了一个 backpass 工具来自动做这件事。 我还是很喜欢这个思路的。 AGENTS.md 真的不该靠感觉越写越长，而是应该根据 Agent 真正干过的活，一点点「训」出来。 文章

OpenAI 的 Agents SDK 最近做了一次重要升级，增加了两个关键功能：内置沙箱执行环境和模型原生执行框架（Harness）。这次更新的目标，是帮助开发者更容易地创建安全可靠、能长时间稳定运行的 Agent。 以前开发者使用 OpenAI 的模型来搭建 Agent 时，模型本身的能力虽然够强，但实际运行环境却需要自己搭建。比如文件读写、代码执行、依赖安装、状态保存等基础功能都需要开发者手动处理，费时费力。 现在，SDK 自带沙箱执行环境，Agent 可以在这个统一受控的环境里读写文件、运行代码命令、自动安装依赖，还能保存状态。开发者再也不用从头开始搭建底层环境。 这个沙箱环境支持很多常见的云厂商，包括 Cloudflare、Vercel、Modal、E2B、Daytona 等，也允许开发者接入自己的解决方案。 此外，SDK 还提供了一个名叫 Manifest 的统一配置层，可以挂载本地文件或云存储空间，比如 S3、Google Cloud Storage 和 Azure Blob。从本地开发调试到正式生产上线，开发者只需一套配置就能搞定。 另一个亮点是 SDK 采用了模型原生的 Harness 架构，这种设计将 Agent 的状态保存和计算执行分离开来。这样一来，即便运行 Agent 的容器意外崩溃，也能快速恢复状态，继续执行任务，无需从头开始。此外，这种状态外置的做法也能有效保护敏感数据和凭证，避免因提示注入等安全漏洞导致数据泄露。 除了以上这些功能，SDK 还内置了 MCP 工具调用、Skills 渐进式能力暴露、AGENTS.md 自定义指令、Shell 工具命令执行、Apply Patch 文件编辑工具和灵活的记忆系统。这些以前需要开发者自己用 LangChain 等通用框架组合或手写的功能，现在全部内置在 SDK 中，由 OpenAI 针对自家模型专门优化。Oscar Health 的工程师反馈称，使用新的 SDK 才真正实现了临床记录处理工作流在生产环境中的稳定运行，远超此前尝试过的方案。 放眼行业，类似的生态竞争越来越激烈：Anthropic 推出了 Claude Code，Google 提供了 Agent Development Kit（ADK），现在 OpenAI 也将自家的 SDK 从轻量级框架升级为带沙箱、带状态管理的完整开发平台。对于开发者来说，选择哪个平台生态可能会比单纯选模型本身更关键。 当前 SDK 支持 Python，TypeScript 支持也正在开发中。所有 OpenAI API 用户均可直接使用，计费方式维持不变，仍然按照 Token 和工具调用标准收费。

大部分人写的 AGENTS.md 都在说「别碰这个」「别改那个」。 Vercel 工程师的版本思路相反——它告诉 AI 怎么思考软件工程。效果？省掉 80% 的无效 token 消耗。 完整模板，直接放到项目根目录： # AGENTS.md 不要维护向后兼容性。废弃的代码路径直接删，不留兼容层和回退方案。 在满足当前需求的前提下，用最简单的方式实现。别加没必要的抽象和配置项。 渐进式构建。先做出能端到端跑通的最小版本，再在稳定的基础上加功能。 组件模块化。不同职责之间划清边界。 优先用成熟、维护良好的库。不要重新发明轮子，除非有明确理由。 加新依赖之前，先看看已有依赖能不能干这件事。先读文档，别凭感觉下判断。 架构决策要能服务长期。别写那种你知道迟早要重写的临时方案。 设计之前，先研究成熟产品怎么解决同类问题。用被验证过的模式，别从零另搞一套。 这不是限制。这是工程直觉。 给 AI agent 一个导航系统，不是一条狗链。

Claude 新的一篇博文《How Warp builds self-improving agents on Claude》 ，看了后还是挺有收获，它解决的是 Skill 的进化问题。 这个问题我以前也研究过，我写了一个反编译 JS 代码的 Skill（ Agent 反编译的时候遇到新的场景解决了就自己更新自己的 Skill，效果还不错，能一直优化，就是 Skill 文件越来越大。 我还研究过写作的自我进化 Skill，那个就一言难尽，因为它其实没有自己统一的标准，经常负优化，越写越糟糕。 说回来 Warp 这个，Warp 是一个挺有名的终端工具，内部尝试借助 AI 做 Code Review。一开始让 Agent review 代码，效果并不理想，主要问题体现在 Agent 不了解你的项目，不知道你的团队规范，不知道历史经验教训，就算你指出来问题它下次还记不住。简单来说就是没有记忆。 初期他们采取了很多补救措施： - 手动根据失败案例改系统提示词 - 完善项目的 AGENTS.md 文件（有意思的是这篇文章是 Claude 发的，但是用的是 AGENTS.md 而不是 CLAUDE.md，我记得 Claude 默认不支持 AGENTS.md 的😅） 但效果并不理想，一方面它依赖于人主动去做，成本较高；另一方面团队成员在 Code Review 时人工在 PR 写的高质量评论完全没用上。 所以他们搞了个解决方案，一个基础 Skill 负责做代码审查，一个改进 Skill 负责定期收集人类工程师在代码审查时的评论，尤其是对 Agent 审查结果的评论，根据人类工程师的评论去更新代码审查的 Skill。 换句话说，它不是依赖于模型自己去改进自己，而是 Agent 根据人类对模型结果的标注（人类对代码审查的评论），去改进技能。 只不过它把这个事做的摩擦力极低，不需要人手工去收集整理评论，不需要填写调查问卷，人只要自然的去代码下写评论，后面的事情都是 Agent 自动完成。 这可能正是 Agent 的最佳实践方案之一：人负责高纬度的标注、评论、反馈这些事情，Agent 去做执行的工作，Agent 根据人类的反馈去改进 Skill。 除此之外，他们还总结了一些最佳实践： 1. 写原则，不要写死规则。 编写 skill 时，要像在指导一个聪明人，而不是在给计算机编程。在 Skill 中写“寻找重复代码”，比列出详尽的变量命名规则更有效。 2. 解释为什么。 说明规则背后的理由，能让智能体针对问题进行推理，而不是机械执行僵化指令，也因此更容易举一反三。 3. 让反馈没有摩擦毫不费力。 在人们原本工作的地方收集反馈，例如直接评论 PR 或 issue。同时让收集过程自动发生，不要增加额外的提交步骤。低摩擦才能让信号持续流动。如果反馈太麻烦，你就收不到反馈，也就无法改进 Skill。 4. 保持 Skill 精简，并使用渐进式披露。 优秀的 skill 文件不会很庞大；它会引用资源文件和脚本，而不是一次性把所有内容都塞进上下文。 5. 反馈质量大于数量，但数量也有帮助。 一位资深工程师给出的少量、详细且与领域相关的反馈，可能比大量草率反馈更有价值，因为简单的赞成／反对并不能说明“为什么”。 即使样本量相对较小，只要反馈来自掌握领域知识的人，而且足够详细，你也能得到非常好的信号——这些知识是智能体通过其他方式根本无法获得的。话虽如此，优质信号的语料越多，效果越好。 6. 做好改进 Skill 的 Skill，可以用来改进其他 Skill。 把改进 Skill（也就是前面提到的一个代码审查 Skill 一个改进 Skill）做好，收益不只限于眼前这套 Agent 循环，因为改进 Skill 在不同用例之间具有很高的复用性。除了领域专用知识这一部分，它其实是一套相当通用、可复用的机制。代码审查 Agent 的改进 skill，也可以应用到其他 Skill 的改进上。 可能有人会担心：如果反馈本身是错的呢？ Warp 的做法是永远不让 Agent 盲目接受反馈。给它足够的上下文来做基本的合理性检查，限制谁的反馈有权影响技能更新（不是所有人的意见都同等重要），最后始终保留人在循环中审核改动。 对于那些有明确标准答案的领域，比如代码是否通过了测试、部署是否成功，可以先建一个验证基准，让 Agent 自己对着基准跑。没有标准答案的领域，比如代码风格、文档质量，就靠领域专家的判断，不要开放给所有人随意反馈。

有没有人感兴趣一款整合你所有 agents md 文件的可搜索记忆库？我设想的是它能够自动整理本地电脑所有 workspace 的 md 文件，自动处理相关文件的多模态向量化，并支持部署到任意云服务以支持意图创作的自动化。

这个是我用 GLM 5.2 最惊艳的地方，那就是 AGENTS.md 里面的约束会真的生效。Kimi K 2.7 代码在多次循环后还阔以，但是无论是 K 2.7，还是 GPT 5.5，抑或是 M3，都会在长上下文中丢失这些约束。 我这个 Task 从 20:00 执行到现在，花了三个半小时，依旧能注意约束修正代码。

用 Astra 开发的时候，最容易犯的一个错误就是你自认为比 Astra 还聪明。 用各种复杂的 Skill，Hooks，Agents.MD 来禁锢了 Astra 的创造力，最后做出来的产品的上限不是 Astra 的上限，而是你的上限。 我开了一个新的 Repo，尝试在几乎没有 Skill 和 Agents.md 的 vanilla setup 下重构一下我的 App，看看有什么不一样。

Shopify CEO威胁要内部封杀Claude Code，原因只是一个配置文件 Tobi Lütke公开发帖称，正考虑在Shopify内部禁用Claude Code，除非它开始读取AGENTS.md这类文件。 问题出在：Shopify内部不同团队用着不同的AI编程工具，但Claude Code只认自己专属的CLAUDE.md，不读取AGENTS.md这个已被Codex、Cursor、GitHub Copilot、Gemini CLI等20多个工具支持的开放标准。 Tobi补充说明，Shopify的代码库有数千名开发者共用，一旦某个目录漏配了文件，部分团队成员的AI工具就会"带着阉割版认知"工作，虽然公司已经用自动化脚本同步两套文件，但他认为这是一笔"不必要的复杂度税"。 Claude Code团队成员Thariq随后回应，表示正在让Claude Code变得更易定制，未来会支持轻松使用AGENTS.md，理由是"不同模型家族并非可互换，系统提示对模型表现影响很大"。 但这个解释没能说服所有人。 有开发者反问：如果每个模型都需要专属优化的提示文件，那为什么只有一份CLAUDE.md，而不是按模型版本再拆分成好几份？ 更合理的做法应该是默认读取行业已有的开放标准AGENTS.md，把CLAUDE.md当成特殊情况下的补充选项，而不是反过来。

Codex 真正省时间，不是某一次帮你做得特别快。 而是同一件事第二次出现时，不必再从头教。 可以按这个顺序沉淀： 经常重复的项目规则，写进 AGENTS.md； 固定步骤和固定格式，做成 Skill； 需要连接外部服务，再考虑 Plugin 或 MCP； 流程已经稳定、结果容易验收，再交给定时任务。 别一上来就追求全自动。 先手动跑通一次，再连续稳定几次，最后才自动化。