Linux.do 社区近期分享了一份用于约束 AI Coding Agent 行为的规则集模板 AGENTS.md。该规则集源自 AI 专家 Andrej Karpathy 的观察，旨在解决大模型在辅助编程时常见的“幻觉”、“过度工程”和“无关改动”等问题。其核心目标是通过显性规则，让 AI 在写代码前多思考、少假设，并以测试标准验证结果。规则集详细定义了四项关键原则：“编码前先思考”要求 AI 明确陈述假设并暴露歧义，遇到不确定时主动询问而非猜测；“简单优先”严禁为未来需求编码或添加不必要的抽象，抵制过度复杂的倾向；“精准变更”规定只能修改与任务直接相关的代码，不得顺手格式化或重构周边代码，避免引发连锁反应；“目标驱动执行”则强制将模糊任务转化为可验证的测试用例循环。开发者实测表明，将该文件放入项目根目录后，能有效约束 Claude Code 等工具，避免其对代码库进行“大改特改”，显著降低了引入 Bug 的风险。该规则集已作为开源项目发布，为解决 AI 编程的不可控性提供了新的工程化思路。
事件分析
从技术发展视角来看，该事件反映了 AI 辅助开发从“模型驱动”向“规则驱动”的范式转移。随着 LLM 上下文窗口和代码生成能力的提升，单纯依赖模型微调已难以完全覆盖复杂的工程规范，开发者在项目级通过 System Prompt 注入特定的工程原则（如 YAGNI、最小修改），成为弥补通用模型与特定项目鸿沟的关键手段。这种“软约束”机制不仅降低了 AI 代理带来的安全风险，也使得代码风格统一和逻辑可控成为可能。未来，工程团队不仅要编写代码，还需要编写能够教导 AI 如何编写代码的规则集，这提示“提示词工程”在企业级开发中的重要性正在显著提升。
💡 核心观点：定义边界比生成代码更重要：将工程原则显性化为规则集，是驯服 Coding Agent 随机性、实现可靠自动化的必经之路。
原文链接：Linux.do
AI周刊：大模型、智能体与产业动态追踪
程序员数学扫盲课
冲浪推荐：AI工具与技术精选导航