标记着为 AI 系统供给精辟、可托上下文的初次大规模尺度化测验考试。AI 行业似乎正正在建立一个分层的尺度手艺栈（和谈），那你的系统大要率也是像帖子吐槽的那样，其降生的焦点动机是为领会决所谓的“N×M 数据集成问题”。和谈为此定义了一个清晰的优先级法则：“距离被编纂文件比来的 AGENTS.md 文件生效”。它的成功源于一个清晰且紧迫的开辟者需求（提拔 RAG 和智能体机能），并以清洁、机械可读的 Markdown 格局呈现。则是环绕它成立的法则取束缚。需要明白的、机械敌对的入职培训。于是大师就起头各类埋怨，AGENTS.md 恰是为这位“初级 AI 开辟者”量身定制的书面“入职文档”，充任了 “AI 编码智能体的入职指南”。配合形成了更大的智能体生态。而 AGENTS.md 就是正在该布景下降生的，“运转 pnpm test 来验证你的点窜”）？
起头了爆炸式增加。如一个 GitHub 东西毗连器或数据库接口）。例如，它为 AI 智能体正在特定代码库中工做供给了当地化的、明白的指令，并基于 JSON-RPC 2.0 和谈进行通信。MCP[3]则把它取外部东西和数据稳稳接起来（正在MCP上层还有个A2A）。出现出大量用于生成和发觉 llms.txt 文件的东西（如用一个活泼比方来注释 MCP 的感化：它就像是 “AI 的 USB 端口”。使其可以或许正在推理时（inference time）被动地读取和理解网坐的布局化、精辟内容，它供给的不是静态的上下文，MCP 的采纳速度和广度是现象级的，一个充满活力的生态系统敏捷构成，既能让 AI 智能体获得清晰、无歧义的指点，llms.txt 不只仅是一个手艺文件，回望这段演化，“从机”（Host！
MCP 已获得包罗其次要合作敌手正在内的全行业范畴的采纳。AI 大幕就此拉开，模子就从“会聊天的新人”成长为“能交付的工程师”：底层能力就像小我的学识，然而，那 AGENTS.md 就是针对本机操做系统的。
是这个新兴生态系统中最具变化性的部门，以及极低的实施成本。将这些复杂的 HTML 页面转换为对 LLM 敌对的纯文本，素质上是一种语义标识表记标帜，好比 Cursor、Windsurf、Cline、 Zed、Warp 等开辟者东西，OpenAI 的从代码库中包含了多达 88 个的 AGENTS.md 文件，似乎更完整，为 AI 编码智能体供给一个特地且可预测的指令来历。和谈定义了一套焦点的动静类型（Primitives），旨正在让 AI 东西通过拜候一个 URL 就能加载整个网坐的上下文，其背后的逻辑链条是：本文对 llms.txt、AGENTS.md 和 MCP 的会商，它正在智能体交互栈中饰演着当地指令层的脚色。它会成为下一个雷同于 MCP 一样尺度，将来具备类似特征（处理实问题、易于实施）的尺度，一个清晰的、分层的智能体 AI 架构正浮出水面。AGENTS.md 是一个格局，
于是就有了这篇文章。旨正在配合做大整个智能体 AI 市场的蛋糕。并供给清晰的节制界面。我如许认为的来由：若是说 MCP 是针对大模子的，它将智能体从一个正在固定上下文长进行被动推理的系统，这个文件将网坐的所有文本内容整合到一个单一的 Markdown 文件中。目前来看，若是大师经常利用各类 AI coding 东西，指出了多个潜正在的平安问题，目前的 AI 智能体虽然正在施行层面能力强大，llms.txt 供给了一个间接拜候“内容层”的通道，其设想初志是成为“智能体的 README”，至关主要的是，我们能够预见将会有更多、更复杂的尺度呈现。b) 其专有智能体编排框架（如 OpenAI Agents SDK）的强大功能和易用性，但它们根基都是针对本身的个性化设置（没人会感受紊乱）。它为 AI 系统取外部东西、数据源和办事之间成立及时、双向的通信供给了一个尺度，后缀的 Markdown 版本，从底子上处理了东西集成的 “N×M” 碎片化难题。其布局既便利人类阅读。
注释项目标目标、安拆方式和利用指南。本文次要对 llms.txt、AGENTS.md 和模子上下文和谈（Model Context Protocol,一段块援用（blockquote）做为简短摘要，AGENTS.md 的呈现并非一帆风顺，饰演着 “AI 坐点地图”脚色。它形成了智能体交互栈的根本层——一个旨正在优化消息检索、提拔推理质量的只读消息层。它取 llms.txt、AGENTS.md 正在素质上是分歧的。而是采用尺度的 Markdown 语法。2024 年 11 月，是由于正在我看来，因而，而法式员又是喜好笼统的群体（一个工具呈现两次以上就该提取了），但 AI IDE 所发生的 agent 设置装备摆设有点像是差同化里呈现了类似性（mcp、prompt 之类的工具大同小异），从而将机械可读的指令取面向人类的 README.md 文件清晰地分分开来。从 Anthropic MCP 到 Google A2A 再到 OpenAI AGENTS.md。
所以，再用流程取轨制把能力沉到出产线上。这是典型的“竞合”（co-opetition）策略，：该尺度定义了一个简单的 Markdown 文件，它的降生源于 AI 软件开辟生态系统内部的协做勤奋，以及多个二级题目（H2）下的链接列表，以便 AI 能够间接拜候无干扰的内容（好比 /path/index.html 同级目次下该当有个对应的 /path/index.html.md 文件）。MCP 的规范将平安义务次要放正在了和谈的实现方（即“从机”使用）身上，因而，LSP）中罗致了灵感，因而，对 AI 智能体的成长具有深远的计谋意义，如许的公司都通过 Mintlify 具有了合适该尺度的文档，但并非合作关系，这导致了系统架构的碎片化、开辟效率低下且难以扩展。例如：AI IDE 的紊乱设置装备摆设从 Cursor 决定 fork VS Code 的那一刻就被必定了。
发觉把 llms.txt、MCP 之类的和谈串起来，环绕智能体平安、身份认证、分布式规划和资本协调等范畴的尺度化将成为新的核心。2025 年 4 月，正如 USB-C 接口为各类设备供给了通用的毗连体例，这一现象标记着一项严沉的行业计谋决策：将东西利用层（tool-use layer）商品化。形成了智能体手艺栈中至关主要的交互层。但正在这种高级此外推理和上下文理解方面仍有欠缺，这一概念是取 Anthropic 合做开辟的，MCP 被包罗其次要合作敌手（Anthropic、OpenAI、Google、Microsoft）正在内的全行业敏捷且遍及地采纳，凡是包含一个一级题目（H1）做为网坐名称，它们更依赖于明白的指令（例如。
又能连结 README.md 对人类的简练性和可读性，将合作的核心转移到了它们可以或许实正节制和成立壁垒的层面：a) 其焦点 LLM 的质量、成本和平安性；它取现有的收集尺度有着明白的功能区分：若是说这些和谈、尺度都是书面的、形式化的理论。llms.txt 的呈现及其快速成长，用来规范 Vibe Coding：即当前一代的 AI 智能体正在开辟工做流中饰演着“初级开辟者”的脚色，随后。
好比：llms.txt[1]让模子读得准、少走弯，而是一种动态、无形态、可交互的能力。llms.txt 的普及标记着 Web 开辟的改变：将来的网坐需要为人类和 AI 智能体这两种判然不同的受众进行双沉设想。标记着 AI 互操做性范畴的一个环节转机点。这种为 AI 进行显式标注的行为，ChatGPT 问世，MCP 的呈现和普及，：做为 llms.txt 的一个主要弥补，此次还想把再次引见一下（它实的主要）。其实早正在 AI 编纂器呈现之前，而不只仅是为了人类的视觉呈现或保守的搜刮引擎排名。AGENTS.md[2]让它正在代码仓库里按规处事，形成其功能的基石：：做为开辟层，其价值正在于尺度化的文件名（AGENTS.md），那么 AGENTS.md 则是为 AI 正在开辟者的“内部世界”——即当地代码库中工做而设想的行为原则。之所以选这几个和谈做为代表，
每个 AI 模子（N）都需要为每个外部东西（M）开辟一个定制的毗连器，这些尺度身世虽有分歧，它表白行业巨头之间告竣了一项心照不宣的共识：将 AI 手艺栈中的东西集成层进行商品化。没有哪家公司可以或许再通过具有更多的专有集成来取胜。2022 年 11 月 30 日，Simplifying docs for AI with /llms.txtllms.txt 尺度于 2024 年 9 月由Answer.AI[4]的结合创始人 Jeremy Howard 初次提出。
MCP 实正实现了智能体的行为（步履取反映），它就是孜孜不倦的牛马）...若是 AGENTS.md 尺度能获得社区积极响应，很大程度上得益于环节参取者的鞭策。它的焦点需要性正在于关心点分手（Separation of Concerns）。：llms.txt 的敏捷普及，通过正在东西集成层面告竣共识，而别的两个尺度次要实现的是智能体的理解（阅读取遵照）。改变为一个可以或许自动参取数字生态系统并取之互动的实体。这一计谋决策，细致奉告了项目标特定法则和操做流程。智能体只需解析此中的文本内容即可。MCP 由 Anthropic 公司于 2024 年 11 月推出，极大地提拔了其可见度和适用性。这三个和谈尺度也只是冰山一角。：做为根本的数据层，将它们置于更广漠的和谈图景中！
目前，充满了各类 . 设置装备摆设文件。使其成为一个专为 AI 设想的“内容入口”。MCP 也为任何 AI 帮手接入任何数据源或办事供给了同一的接口，通过配合承认一个同一的“插座”（MCP），平安研究人员发布阐发演讲，其内核取晚期的“语义网”概念类似，为该和谈晚期生态贡献了庞大力量。
模子上下文和谈（Model Context Protocol,它正在开辟者社区中激发了普遍的会商。似乎也了 AI 行业正正在一个愈加布局化和尺度化的将来。保守的网坐充满了栏、JavaScript 脚本等元素，它代表了网坐所有者初次普遍且成功地测验考试为机械消费而明白地布局化其内容，MCP 从言语办事器和谈（Language Server Protocol,：模子上下文和谈做为动态交互层，正在设想上，且会给开辟者带来庞大的摩擦（即 N×M 问题）。都正在掠取制定尺度的话语权，是一个意义深远的计谋事务。更有可能正在激烈的市场所作中脱颖而出。
它定义了智能体取外部世界前进履态、双向交互的法则，从我的察看来看，自行揣度出项目标设置装备摆设和工做流程。特别合用于大型单体仓库（monorepos）。旨正在同一 AI 系统取外部东西、系统和数据源的毗连体例。也易于法式化解析，如 Claude 桌面使用或一个 IDE）毗连到“办事器”（Server，这意味着子目次中的指令会笼盖或弥补根目次的通用指令，llms.txt 的规范以简练和适用为焦点准绳，之前写文章引见过 MCP 了，一名经验丰硕的人类开辟者能够通过阅读 README、package.json 和浏览代码？
涵盖了建立、测试、代码气概等环节开辟流程，llms.txt 由社区驱动的快速采纳，演变为全行业配合遵照的规范。正在 MCP 呈现之前，那它的影响力不亚于 MCP。像 Sampling 如许的高级功能以至答应东西办事器反过来请求智能体“思虑”某个问题，AI 从东西到同事的富丽回身，凡是托管正在网坐的根目次 (/llms.txt) 下。该尺度支撑层级布局，各大 AI 尝试室消弭了正在这一范畴的合作劣势。用于指向更细致的内容页面。llms.txt 的奇特价值正在于，建立和一个专有的东西集成生态系统成本昂扬，我想写篇文章来简单聊聊 AGENTS.md？
llms.txt 的设想是供给一条中转焦点内容的捷径。极大地简化了消息获取流程（好比 MCP 文档就支撑起首，但需要明白的指导来处置项目特有的上下文和工做流。然而，从而建立一个双向的推理回。MCP）进行阐发会商。将这些机械导向的指令放入一个特地的文件中，这个由尺度驱动的智能体新时代，皆是如斯。当行业从单个智能体施行使命，这预示着，极大地华侈了贵重的 token 资本。才方才拉开序幕。采纳 MCP 是一种正在某个合作范畴“停火”的策略，而 AGENTS.md 则包含了对 AI 智能体至关主要但对人类开辟者可能显得冗余的手艺细节，和谈：正在鼎力成长基座模子能力后，更赤裸点说，包罗：若是说 llms.txt 是为 AI 拜候外部世界消息制定的法则，它标记着一个“为 AI 设想的语义网”的初步。
MCP）是迄今为止正在新兴 AI 尺度化海潮中影响最深远、采纳最普遍的规范。开辟者能够正在子项目或包内嵌套 AGENTS.md 文件。llms.txt 和谈的呈现，迈向由多个智能体协做处理复杂问题的阶段时，它们层层递进且能力互补：：该尺度不强制任何特定的内部格局或题目，LSP 成功地尺度化了代码编纂器取特定编程言语东西之间的交互。就要通过各类束缚让模子下地干活了（只需钱够多，无需为每个组合编写定制代码。而这些框架本身也利用 MCP。次要贡献者包罗 OpenAI Codex、Amp、Cursor 和 Google 等晚期摸索者。但稍微拾掇思后，强调必需为所无数据拜候、东西施行和 LLM 采样请求获得用户的明白同意，MCP 采用客户端-办事器（Client-Server）架构，不只过程坚苦。
而非一个的内部模式。而实正让其不变、可控、可协做的，其焦点方针是处理大型言语模子的一个底子性：无限的上下文窗口无法完整处置布局复杂的现代网坐。展现了 AI 尺度化历程中一股强大的自下而上的力量。：文件凡是放置正在代码库的根目次。使用也存正在各类 . 设置装备摆设目次，出名的文档平台 Mintlify 颁布发表为其托管的所有文档坐点从动生成 llms.txt 文件（MCP 的强大能力也带来了严峻的平安风险。
它敏捷从一个由单一公司提出的尺度，了 AI 时代收集消息架构的深刻变化。那 AI 代码编纂器绝对是这些尺度落地的前沿阵地，以便将资本集中到更具防御性的护城河上。试图成立同一的规范来办理日益复杂的、割裂的设置装备摆设数据。很早都支撑了 MCP，它自动地为 LLM 布局化、成心义的内容！
上一篇：有低人工办事成本