Vibe coding下AGENTS.MD文件占32K上下文，如何优化

背景

随着大语言模型在代码生成与辅助开发中的广泛应用，开发者逐渐摸索出名为“vibe coding”的编程风格——即通过自然语言与AI Agent交互，让AI理解项目结构、代码风格并自动生成代码。这种模式在提升开发效率的同时，也带来了新的挑战：如何让AI Agent持续遵循已有项目的开发规范，而不产生风格混乱或架构偏离？本文所讨论的案例来自LINUX DO · AI社区，一位开发者分享了自己在历史项目中采用vibe coding方式、通过AGENTS.MD文件约束Agent行为的实践经验，以及随之而来的上下文膨胀问题。

核心内容

该开发者在入职后接手一个历史项目，采用vibe coding方式，持续与AI Agent协作开发。为了让Agent遵循项目现有的结构与代码风格，他做了两件事：

1. 让Agent主动总结开发规范：在每次迭代中，要求Agent根据自己的行为记录，将项目相关的编码规范、架构约定、命名规则等提炼出来。
2. 将规范存入AGENTS.MD文件：从Agent总结的内容中，筛选出最关键、最实用的规范，写入一个名为AGENTS.MD的标记文件。每次与Agent对话时，该文件作为系统提示的一部分被读取，从而使Agent在后续对话中始终保持一致的开发风格。

经过近两个月的积累，AGENTS.MD文件已膨胀至约30.8 KB（二进制大小近似32 KB）。这导致一个严重问题：即使只是发送一个简单的“你好”来开启新对话，模型也必须加载整个AGENTS.MD文件，消耗掉32K的上下文窗口。这意味着后续真正有用的代码逻辑、用户需求、中间结果等都只能挤在剩余极有限的上下文空间中，极大限制了对话的深度和实用性。

该开发者也曾考虑过将规范封装成“skill”（指某种模块化、可动态加载的AI能力单元），但认为这样做并不合适，因为skill本质上仍需要将全部规范内容读取到上下文中，无法从根本上解决大小问题。

社区帖子共有6条回复，可见该问题在类似开发者群体中具有一定普遍性，但原文仅包含问题描述，未给出具体解决方案。

关键要点

• AGENTS.MD文件是核心约束载体：开发者通过将项目规范汇总至AGENTS.MD，让AI Agent在每次对话前自动加载，实现了对Agent行为风格的一致性控制。
• 上下文窗口成为瓶颈：AGENTS.MD文件大小约30.8 KB，占用32K上下文窗口的全部空间，导致即便是最简单的交互也需要消耗全部上下文预算，严重限制后续对话能力。
• “skill”方案不治本：尝试将规范转为独立技能模块，但该技能在调用时仍需将全部规范内容注入上下文，并不能减少上下文占用。
• 问题根源在于规范积累与上下文窗口的矛盾：随着项目推进，规范不断增多，而模型的上下文窗口长度固定（当前主流模型通常为32K、64K或128K），两者产生冲突。
• 社区关注但暂无成熟方案：原文为开放性讨论，参与者均未提出有效解决方案，表明该问题在vibe coding实践中仍属待解难题。

意义与影响

该案例揭示了vibe coding模式下项目管理的新痛点。传统上，开发规范通过文档、代码审查、Lint规则等静态方式执行；而在AI辅助开发中，规范必须动态注入Agent的上下文才能生效。AGENTS.MD文件本质上是一种“上下文显式知识库”，其大小直接决定了Agent能同时处理多少有效信息。

这一问题的意义在于：

• 对AI开发工具链提出新要求：当前主流模型（如GPT-4、Claude等）的上下文窗口虽有增长，但依然有限。开发者需要更智能的上下文管理机制，例如：向量检索（RAG）、分层提示、动态加载核心规范等，而非简单地将所有规范一次性注入。
• 推动“提示词工程”向“上下文工程”演进：vibe coding的成功依赖高质量、高相关性的上下文。如何在有限窗口内保留最关键的行为约束，同时过滤冗余信息，将成为新的技术方向。
• 对项目规范管理提出反思：并非所有规范都需要实时存在于Agent上下文中。部分规范可通过静态代码分析、Lint规则自动执行，无需占用Agent的“思维空间”。区分哪些规范由Agent动态遵守、哪些由工具自动执行，可能是更优的架构选择。
• 社区实践的启示：该案例明确表明了“让Agent自己总结规范”的做法虽然方便，但缺乏规模扩展能力。未来或许需要类似“动态规范摘要”或“按需加载规范”的机制，例如根据当前开发任务只加载相关子模块的规范，而非全量规范。

总之，这一案例虽小，却切中了大模型辅助开发的核心矛盾——上下文窗口永远稀缺，而开发规范持续膨胀。如何在两者之间取得平衡，将是vibe coding从“个人实验”走向“团队工程”的关键挑战。