尽管AI编码工具厂商普遍推崇使用AGENTS.md等上下文文件来辅助理解代码库，但苏黎世联邦理工学院的最新研究对这一行业惯例提出了有力质疑。研究团队构建了AGENTbench数据集，针对Claude 3.5、GPT-5等主流模型进行了严格测试。结果显示，LLM自动生成的上下文文件不仅未能提升效能，反而通过诱导模型执行不必要的测试和检索，导致任务成功率下降3%，推理成本激增超20%；即使是人工编写的文档，其带来的微弱性能提升（4%）也被高昂的额外步骤成本所抵消。该研究结论挑战了当前“上下文越多越好”的默认假设，建议开发者省略自动生成的冗余文档，仅保留人工特有的关键指令。
