AGENTS.md: как научить AI работать по правилам вашего проекта? 🤖
Представьте, что новый разработчик пришёл в команду. Прежде чем писать код, ему нужно объяснить архитектуру, правила оформления, запуск тестов и принятые подходы.
С AI-агентом похожая ситуация. Здесь помогает файл AGENTS.md.
Это текстовый файл с инструкциями для AI-агента. В нём можно описать, как устроен проект и какие правила необходимо соблюдать при изменении кода.
Например, для Java/Spring Boot проекта можно зафиксировать:
• использовать Java 25 и Spring Boot 4;
• придерживаться существующей архитектуры;
• бизнес-логику размещать в Service;
• для новых методов писать unit-тесты;
• перед завершением задачи запускать mvn test;
• не изменять публичные API без необходимости;
• не добавлять зависимости без обоснования.
Что это даёт?
- Не нужно повторять одинаковые инструкции в каждом запросе.
- Меньше случайных архитектурных решений.
- Код лучше соответствует стандартам команды.
- Агенту проще работать с незнакомым репозиторием.
- Новые задачи выполняются более предсказуемо.
AGENTS.md поддерживается многими AI-инструментами, включая OpenCode. При этом конкретные правила загрузки инструкций зависят от инструмента и расположения файлов.
Важно: этот файл не гарантирует идеальный результат. AI может ошибиться или нарушить инструкцию, поэтому тесты и code review по-прежнему необходимы.
Главная мысль: чем лучше вы описали правила проекта, тем меньше AI приходится додумывать самостоятельно.
Представьте, что новый разработчик пришёл в команду. Прежде чем писать код, ему нужно объяснить архитектуру, правила оформления, запуск тестов и принятые подходы.
С AI-агентом похожая ситуация. Здесь помогает файл AGENTS.md.
Это текстовый файл с инструкциями для AI-агента. В нём можно описать, как устроен проект и какие правила необходимо соблюдать при изменении кода.
Например, для Java/Spring Boot проекта можно зафиксировать:
• использовать Java 25 и Spring Boot 4;
• придерживаться существующей архитектуры;
• бизнес-логику размещать в Service;
• для новых методов писать unit-тесты;
• перед завершением задачи запускать mvn test;
• не изменять публичные API без необходимости;
• не добавлять зависимости без обоснования.
Что это даёт?
- Не нужно повторять одинаковые инструкции в каждом запросе.
- Меньше случайных архитектурных решений.
- Код лучше соответствует стандартам команды.
- Агенту проще работать с незнакомым репозиторием.
- Новые задачи выполняются более предсказуемо.
AGENTS.md поддерживается многими AI-инструментами, включая OpenCode. При этом конкретные правила загрузки инструкций зависят от инструмента и расположения файлов.
Важно: этот файл не гарантирует идеальный результат. AI может ошибиться или нарушить инструкцию, поэтому тесты и code review по-прежнему необходимы.
Главная мысль: чем лучше вы описали правила проекта, тем меньше AI приходится додумывать самостоятельно.
Просмотры: 8