编码代理可以通过仓库中的指令文件进行引导。我们对13种语言的热门活跃 GitHub 仓库进行普查，把每个仓库根目录的 AGENTS.md 与 CLAUDE.md 视为一套指令。调查发现，AGENTS.md 和 CLAUDE.md 分别出现在相当比例的项目和高星项目中；当两者同时存在时，CLAUDE.md 通常会指向 AGENTS.md。我们使用模型辅助标注并结合人工复核，对指令内容进行分析。标注结果显示，指令混合了项目知识和代码、构建、工作流的规则。协作规则具体列出测试计划、提交格式等要求，但约有一半的指令未给出背后原因。关于 AI 署名的规定存在分歧：提交信息的规则更倾向于禁止署名，而合并请求的规则更倾向于要求披露。约三分之一的指令集带有生成器签名、工具插入块、共享文本或 AI 标记的创建提交；其中四成在创建后被编辑。预设测试显示，仓库受欢迎程度与合并请求规则和 AI 贡献规则相关。探索性分析表明，活跃度与面向过程的内容有关，LLM 与代理相关的项目在采用者中比例偏高。模型之间的标注结果相互吻合度高于与人工复核的主题划分，这提醒自动标注的局限性。我们已公开标注数据、分类体系以及对应文件版本的链接。
点评：该研究提供了首批系统化的开源项目指令集数据，为评估 AI 代理在软件开发中的治理提供了实证基础。