#agentic#ai#kodning#harness#arkitektur#kvalitet

AGENTS.md som återanvändbart kontrakt i agentisk utveckling

Ett projektspecifikt AGENTS.md fungerar som kontrakt: syfte, stack, stilregler och kända fallgropar. Det minskar kontextglapp mellan agent-sessioner.

Publicerad
Uppdaterad
Lästid
7 min

Kort sagt

Istället för att upprepa långa instruktioner i varje agent-session, skriv ett litet, levande AGENTS.md som definierar vad som gäller för just det här projektet.

Det blir ett återanvändbart kontrakt som håller agenten (och dig) på rätt spår mellan sessioner.

När är detta användbart?

  • När du använder AI-agenter för kodning över flera dagar eller features.
  • När du vill minska kontextdrift och upprepade misstag.
  • När flera agenter eller människor ska jobba mot samma kodbas.

Gör så här

  1. Skapa AGENTS.md i projektroten Innehåll som brukar fungera:

    • Projektets syfte och huvudmål
    • Stack, ramverk och versionskrav
    • Kodstil och konventioner
    • Vad som absolut inte får ändras (bevarandekrav)
    • Kända fallgropar och hur de undviks
    • Hur man kör tester och verifierar ändringar

  2. Håll det kort och specifikt Avgränsa till det som är relevant för just det här projektet. Generiska råd hör hemma någon annanstans.

  3. Referera till det i varje agentprompt “Följ reglerna i AGENTS.md. Ändra bara inom den aktuella featuren. Kör tester efteråt.”

  4. Uppdatera det löpande När du upptäcker nya mönster eller problem, lägg till dem. Det är ett levande dokument.

  5. Koppla till små, avgränsade arbetssteg Krav/acceptans → implementering → städning → härdning (tester) → QA. Låt agenten bara jobba med ett steg i taget med rent underlag.

Vanliga fallgropar

  • Att göra AGENTS.md för långt och generiskt (då läser ingen det).
  • Att lita på det istället för tester och statisk analys.
  • Att inte uppdatera det när projektet förändras.

Lisemark-vinkel

I agentisk utveckling är det billigt att generera kod, men dyrt att städa upp efter sig.

AGENTS.md + maskinellt verifierbara kvalitetsspärrar (tester, lint, coverage, beroendegränser) flyttar kvalitet från “lång prompt” till deterministiska grindar.

Detta passar bra ihop med små leveranser, arkitekturrevision och tydliga handoffs mellan agent och människa.

Relaterat

  • Verifierbara kvalitetsspärrar i agentisk kodning
  • Iteration som det verkliga modellmåttet
  • Agentroller, minne och styrning

Källor

Relaterat

Fler inom samma område