AGENTS.md 实战指南:如何让 AI 编程助手真正遵循项目规范

简介: 本文介绍 `AGENTS.md`——一份专为AI编程助手设计的项目规范指南。它通过Markdown统一记录技术栈、目录结构、编码约定、禁止事项等,帮助Cursor、Claude Code等工具生成更符合项目实际的代码,减少类型滥用、路径错乱、违规调用等问题,提升AI辅助开发的准确性与工程可控性。(239字)

在这里插入图片描述

AGENTS.md 实战指南:如何让 AI 编程助手真正遵循项目规范

在使用 Cursor、Codex、Claude Code 等 AI 编程工具时,经常会遇到一个问题:

AI 能写出功能正确的代码,却不一定能写出符合项目规范的代码。

例如,你的项目明明已经有统一的技术栈和开发约定,但 AI 仍然可能:

  • 使用项目中没有引入的第三方依赖。
  • 直接在组件中调用接口,绕过现有的请求封装。
  • 使用 any 类型,破坏 TypeScript 类型约束。
  • 随意创建新的目录或文件,忽略现有架构。
  • 修改自动生成的代码,导致下次构建覆盖修改。
  • 修改与当前需求无关的文件,扩大变更范围。

这些问题并不完全是模型能力不足造成的。

更常见的原因是:AI 没有获得足够明确、稳定且符合当前项目的上下文。

AGENTS.md 正是解决这一问题的一种方式。

它可以将技术栈、目录结构、编码规范、执行约束和验证要求统一记录下来,让 AI 编程助手在执行任务时有明确的项目级指导。

本文从实际开发出发,介绍 AGENTS.md 的作用、编写方法、推荐模板,以及如何把它融入日常 AI 辅助开发流程。
在这里插入图片描述

一、AGENTS.md 是什么?

AGENTS.md 是面向 AI 编程代理(Coding Agent)的项目指导文件,通常放置在项目根目录。

它使用 Markdown 格式,记录项目中需要 AI 理解并遵守的开发约定。

可以把它看成一份专门写给 AI 的项目开发手册。

传统开发工具已经有各自的配置文件:

配置文件 主要作用
eslint.config.js JavaScript / TypeScript 代码质量和风格检查
.prettierrc 代码格式化规范
tsconfig.json TypeScript 编译与类型检查配置
package.json 项目依赖、脚本与元数据
AGENTS.md 为 AI 提供项目背景、开发约定和任务执行指导

两者的区别在于:

ESLint、Prettier 和 TypeScript 编译器主要通过确定性规则检查代码。

而 AGENTS.md 主要影响 AI 的代码生成和操作决策。

比如下面两条规则:

- 所有 API 请求必须统一放在 src/services/ 目录。
- Never 直接修改 src/generated/ 下的自动生成文件。

它们并不是普通的格式化规则,而是项目级的架构约束和操作边界。

需要注意,AGENTS.md 并不等同于强制执行的安全策略。AI 是否正确读取和遵循规则,取决于具体工具、上下文以及模型行为。

因此,AGENTS.md 负责提供指导,测试、Lint、代码审查和权限控制负责进一步验证与约束。

二、为什么 AI 编程需要项目规范?

我们先看一个简单的例子。

假设项目技术栈如下:

  • React 19
  • TypeScript
  • Ant Design
  • Less + CSS Modules
  • 统一封装的 API 请求模块

现在要求 AI 实现一个复制文本按钮。

1. 没有项目规范时

AI 可能生成这样的代码:

export default function CopyBtn({ text }: any) {
  return (
    <button
      style={
  { color: 'blue', padding: '4px 8px' }}
      onClick={() => navigator.clipboard.writeText(text)}
    >
      Copy
    </button>
  )
}

这段代码可以完成基本复制功能,但存在一些项目规范问题:

  1. 使用 any,缺少明确的 Props 类型。
  2. 使用内联样式,没有复用项目的 CSS Modules。
  3. 组件命名为 CopyBtn,与团队命名约定可能不一致。
  4. 缺少复制失败处理。
  5. 没有使用项目现有的消息提示组件。

这些问题不一定会导致代码无法运行,但会增加后续维护和代码审查的成本。

2. 加入 AGENTS.md 之后

假设我们已经明确告诉 AI:

## Coding Style

- React 组件使用 TypeScript。
- Props 使用 interface 定义。
- 组件名称使用 PascalCase。
- 样式统一使用 Less + CSS Modules。
- 用户操作结果使用 Ant Design message 提示。
- 禁止使用 any 类型。
- 组件放在 src/components/ 目录下。

此时,期望 AI 生成的代码更接近项目实际风格:

// src/components/CopyButton/index.tsx

import { message } from 'antd'
import styles from './index.module.less'

interface CopyButtonProps {
  text: string
  onSuccess?: () => void
}

export default function CopyButton({
  text,
  onSuccess,
}: CopyButtonProps) {
  const handleCopy = async () => {
    try {
      await navigator.clipboard.writeText(text)
      message.success('复制成功')
      onSuccess?.()
    } catch {
      message.error('复制失败')
    }
  }

  return (
    <button
      className={styles.copyButton}
      onClick={handleCopy}
    >
      复制
    </button>
  )
}

这里的改进不仅是代码风格上的区别。

更重要的是:

  • 类型定义符合约定。
  • 组件目录和命名一致。
  • 样式方案与项目保持统一。
  • 复用了已有 UI 组件库。
  • 增加了必要的异常处理。

当然,这只是用于说明规则作用的示例,并不意味着添加 AGENTS.md 后,AI 每次都能完全遵守要求。

AGENTS.md 的价值,是减少 AI 在项目实现方式上的不确定性,而不是代替工程质量保障。

三、一份完整的 AGENTS.md 应该包含什么?

对于常见的前端、后端和全栈项目,可以从以下六个方面组织规则。

1. Project Overview:项目背景与技术栈

首先告诉 AI 当前项目是什么,以及应该采用哪些技术。

例如:

# AGENTS.md

## Project Overview

这是一个基于 React 19 + TypeScript 的 Web 应用。

技术栈:

- React 19
- TypeScript
- Vite
- pnpm
- Ant Design
- Less + CSS Modules

开发约定:

- 优先复用已有依赖。
- 不得随意引入新的 UI 组件库。
- 新增依赖前说明原因。
- 优先沿用现有代码模式。

这里建议明确技术栈的版本以及依赖管理工具。

否则 AI 可能会使用与当前项目不兼容的 API,或者给出错误的依赖安装命令。

技术栈信息应以项目实际配置为准,不要仅凭历史文档填写。

2. Project Structure:目录结构

接下来明确项目的目录职责。

src/
├── components/      # 可复用组件
├── pages/           # 页面组件
├── hooks/           # 自定义 Hooks
├── services/        # API 请求封装
├── stores/          # 全局状态管理
├── utils/           # 工具函数
├── types/           # 公共类型定义
├── constants/       # 常量
└── assets/          # 静态资源

在 AGENTS.md 中进一步约定:

## Project Structure

- 通用组件放在 src/components/。
- 页面组件放在 src/pages/。
- 所有 API 请求封装在 src/services/。
- 自定义 Hooks 放在 src/hooks/。
- 公共类型定义放在 src/types/。
- 通用工具函数放在 src/utils/。

新增文件前,先查找是否存在可复用实现。

不要为简单功能重复创建新的目录层级。

这一部分可以有效减少 AI 随意组织代码的问题。

但不需要把整个项目的文件树全部复制进去。

对于大型项目,记录主要目录的职责以及需要特别注意的模块即可。

3. Coding Conventions:编码规范

编码规范应该尽可能明确、可执行。

不推荐这样的写法:

- 遵循最佳实践。
- 保持代码整洁。
- 注意可维护性。

这些描述过于抽象,不同开发者和模型可能有不同理解。

更好的做法是:

## Coding Conventions

### TypeScript

- 新增代码必须提供明确的类型。
- Props 优先使用 interface。
- 不得使用 any 绕过类型检查。
- 类型转换必须有合理依据。

### React

- 使用函数组件和 Hooks。
- 组件名使用 PascalCase。
- 自定义 Hooks 使用 use 前缀。
- 列表渲染必须提供稳定的 key。
- 避免在渲染过程中执行昂贵计算。

### Styling

- 使用 Less + CSS Modules。
- 禁止随意添加内联样式。
- 颜色和间距优先引用设计变量。
- 不得引入与现有技术栈冲突的样式方案。

### API

- API 请求统一封装在 services 目录。
- 优先使用项目现有的 HTTP 客户端。
- 不在页面组件中重复实现请求逻辑。
- 正确处理加载、失败和空状态。

这里有一个重要原则:

规范不应只是描述结果,还应该明确实现路径。

例如,与其要求“接口调用要规范”,不如直接要求“所有请求统一通过 services 模块调用”。

这样更容易在生成代码和 Code Review 阶段进行检查。

4. Build & Verification:构建和验证命令

AI 完成代码修改后,应该知道如何验证结果。

例如:

## Build & Verification

项目使用 pnpm。

常用命令:

- pnpm dev:启动开发服务器
- pnpm build:执行生产构建
- pnpm lint:执行代码检查
- pnpm test:运行单元测试

完成代码修改后:

1. 检查修改涉及的文件。
2. 优先运行相关测试。
3. 运行适用的 Lint 或类型检查。
4. 涉及构建配置时,执行生产构建。
5. 汇总验证结果和未解决的问题。

这里的脚本仅作为示例,需要与 package.json 中实际存在的命令对应。

不要要求 AI 在每次修改后无条件运行所有命令。

例如,仅修改文档时,通常不需要执行完整的生产构建。

更合理的原则是:

验证范围应与变更影响范围相匹配。

5. Never Rules:禁止事项

这一部分通常是 AGENTS.md 中最值得重点维护的内容。

前面的规则告诉 AI 应该怎么做,Never 规则则明确哪些行为不应该发生。

例如:

## Never Rules

- Never 修改 node_modules/。
- Never 直接修改 dist/ 构建产物。
- Never 修改自动生成的代码,除非任务明确要求更新生成流程。
- Never 在源代码中硬编码密码、Token 或 API Key。
- Never 使用 any 绕过 TypeScript 类型检查。
- Never 在没有必要时新增第三方依赖。
- Never 删除与当前需求无关的代码。
- Never 在未获得明确授权时执行破坏性 Git 操作。
- Never 为了通过测试而删除测试用例。
- Never 在未经验证的情况下声称测试通过。

Never 规则的重点并不是数量,而是可判断性。

例如:

Never 修改 dist/

这是一个明确的禁止事项。

而:

Never 写低质量代码

则缺少可以客观判断的标准。

建议优先记录容易造成真实工程风险的操作,包括:

  • 数据与密钥泄露。
  • 自动生成代码被直接修改。
  • 非预期依赖升级。
  • 破坏性 Git 操作。
  • 越权修改文件。
  • 通过跳过检查掩盖错误。

另外,Never 规则也不应该无限扩大。

比如“永远不能修改 lock 文件”就不适合所有项目,因为新增或升级依赖时,锁文件通常需要同步更新。

更合理的约束是:

- 未涉及依赖变更时,不得修改 lock 文件。
- 如果需要更新依赖,应同步更新对应锁文件。
- 不得无故批量升级现有依赖。

好的规则应该保护正常开发流程,而不是阻碍正常开发。

6. Collaboration:任务执行与协作规范

AI Coding Agent 与普通代码补全工具的一个重要区别是:

它不仅能生成代码,还可能读取文件、执行命令、修改工程配置,甚至操作 Git。

因此,除了代码风格,还需要明确任务执行边界。

## Collaboration

### Before Changes

- 修改前先阅读相关代码。
- 优先复用现有实现。
- 复杂任务先给出简要修改计划。
- 不得随意扩大需求范围。

### During Changes

- 只修改完成当前任务所需的文件。
- 尽量保持改动范围最小。
- 避免无关重构。
- 不覆盖其他开发者或 Agent 的改动。

### After Changes

- 总结修改内容。
- 说明影响范围。
- 列出实际执行的验证命令。
- 如存在未完成事项,明确说明。

### Git

- 不得擅自执行 git reset --hard。
- 不得擅自执行 git clean -fd。
- 未经授权不得切换分支。
- 不得提交与当前任务无关的文件。
- 提交信息遵循 Conventional Commits。

在多人开发或多个 Agent 并行工作时,这类规则尤其重要。

AI 不仅需要知道如何完成任务,还应该知道哪些操作超出了当前任务的权限范围。

四、可直接使用的 AGENTS.md 模板

把前面的规则整合起来,就可以得到一份适合大多数 TypeScript 前端项目的基础模板。

根据项目实际情况调整技术栈、路径和验证命令后,放到项目根目录即可。

# AGENTS.md

## 1. Project Overview

本项目为 React + TypeScript Web 应用。

技术栈:
- Framework: React
- Language: TypeScript
- Build: Vite
- Package Manager: pnpm
- UI: Ant Design
- Styling: Less + CSS Modules

基本原则:
- 遵循现有项目架构。
- 优先复用已有组件和依赖。
- 不引入无关技术方案。
- 保持修改范围最小。

## 2. Project Structure

- src/components/:通用组件
- src/pages/:页面
- src/hooks/:自定义 Hooks
- src/services/:API 请求
- src/stores/:状态管理
- src/utils/:工具函数
- src/types/:公共类型
- src/constants/:常量

新增文件前先检查现有实现。

## 3. Coding Conventions

### TypeScript

- 使用明确的类型定义。
- Props 优先使用 interface。
- 禁止无理由使用 any。
- 保持类型声明可复用。

### React

- 使用函数组件和 Hooks。
- 组件命名采用 PascalCase。
- Hooks 使用 use 前缀。
- 列表渲染使用稳定的 key。

### Styling

- 使用 Less + CSS Modules。
- 优先复用设计变量。
- 避免硬编码样式。
- 不引入新的 CSS 方案。

### API

- 所有 API 请求放在 services/。
- 使用项目已有请求封装。
- 处理加载、错误和空状态。

## 4. Build & Verification

使用 package.json 中已有的脚本。

常用命令:
- pnpm dev
- pnpm build
- pnpm lint
- pnpm test

代码修改后:
- 优先执行相关测试。
- 执行适用的静态检查。
- 必要时进行构建验证。
- 汇报实际验证结果。

## 5. Never Rules

- Never 修改 node_modules/。
- Never 直接修改构建产物。
- Never 硬编码敏感信息。
- Never 无故引入新依赖。
- Never 删除无关代码。
- Never 擅自执行破坏性 Git 操作。
- Never 跳过检查来掩盖错误。
- Never 声称未运行的测试已通过。
- Never 擅自覆盖其他人的改动。

## 6. Collaboration

执行任务前:
- 先理解需求和相关代码。
- 必要时给出修改计划。
- 确认涉及的文件和影响范围。

执行过程中:
- 优先采用最小改动。
- 不进行无关重构。
- 遵循现有架构和命名规范。

任务结束后:
- 总结变更文件和内容。
- 说明执行的验证步骤。
- 列出失败项和剩余风险。

## 7. Git Conventions

提交信息格式:
type(scope): description

常用类型:
- feat
- fix
- refactor
- docs
- test
- chore

未经明确要求,不主动创建提交。

这份模板的重点并不是覆盖所有工程情况,而是先建立一组稳定的基础规则。

实际应用中可以从较短的版本开始,随着项目复杂度增加,再补充特定模块的约定。

五、AGENTS.md 与 DESIGN.md 如何配合?

在前端项目中,除了代码组织和技术规范,视觉一致性同样重要。

即使 AI 能正确使用 React、TypeScript 和组件库,生成的页面仍然可能出现:

  • 配色与现有品牌不一致。
  • 不同页面的圆角、阴影、间距不统一。
  • 随意使用颜色值。
  • 重复设计已经存在的 UI 组件。

这时可以考虑将设计约定单独维护在 DESIGN.md 中。

二者职责不同:

文件 主要职责
AGENTS.md 开发规范、目录结构、编码要求、执行边界
DESIGN.md 设计变量、布局、颜色、字体和视觉约定

例如:

# DESIGN.md

## Colors

- Primary: #1677ff
- Success: #52c41a
- Warning: #faad14
- Error: #ff4d4f

## Typography

- 正文大小:14px
- 次级说明:12px
- 页面标题:24px
- 字重优先使用 400 / 500 / 600

## Spacing

使用 8px 基础间距体系:

- xs: 4px
- sm: 8px
- md: 16px
- lg: 24px
- xl: 32px

## Components

- 优先复用现有 Ant Design 组件。
- 统一使用项目约定的主题变量。
- 不随意新增按钮、表单或弹窗样式。

这里的配置只是演示格式,实际项目应以已有设计系统为准。

随后在 AGENTS.md 中增加一条引用:

## UI Development

- 开发或修改 UI 前,先阅读 DESIGN.md。
- 优先使用项目现有 Design Tokens。
- 不得自行创建与设计系统冲突的视觉规范。

这样就形成了两层上下文:

AGENTS.md 负责开发行为,DESIGN.md 负责视觉约束。

需要注意,DESIGN.md 并不是所有 AI 编程工具都会自动识别的标准入口。

只有当工具读取了该文件,或项目规则明确引导其读取时,其中的设计约定才可能发挥作用。

六、多个 AI 编程工具如何使用 AGENTS.md?

不同 AI 编程工具的项目指令机制并不完全相同。

常见规则入口如下:

AI 编程工具 规则配置方式
OpenAI Codex AGENTS.md
Cursor 项目 Rules,例如 .cursor/rules/
Claude Code CLAUDE.md
GitHub Copilot 仓库指令文件,例如 .github/copilot-instructions.md
Windsurf Workspace Rules / 项目规则机制

具体的文件发现、作用范围及优先级,应以对应工具当前版本的官方说明为准。

不要假设所有工具都能直接、完整、自动读取项目根目录中的 AGENTS.md。

如果团队同时使用多种 AI 工具,可以采用统一维护规则,再通过各工具支持的入口进行引用或同步的方式。

例如:

project/
├── AGENTS.md
├── DESIGN.md
├── CLAUDE.md
├── .cursor/
│   └── rules/
└── .github/
    └── copilot-instructions.md

其中 AGENTS.md 可以作为核心项目规范,其他配置文件根据工具能力复用相关内容。

这样可以减少多个规则文件分别维护带来的不一致问题。

七、让 AGENTS.md 真正发挥作用的几个技巧

1. 不要写成一份超长的项目文档

AGENTS.md 的主要职责是提供开发决策所需的关键信息,而不是替代完整的项目文档。

可以优先保留:

  • 技术栈和核心架构。
  • 主要目录职责。
  • 编码约定。
  • 关键禁止事项。
  • 构建与验证命令。
  • 任务协作边界。

复杂模块的详细说明可以放到独立文档,再按需引用。

规则不是越多越有效。过长、重复或相互冲突的规则反而可能增加上下文负担。

2. 将常见错误转化为明确规则

AGENTS.md 不必一次写完。

更实用的方式是从实际开发问题中持续完善。

例如:

某次 AI 直接修改了自动生成的 API 类型文件,导致下一次代码生成覆盖修改。

就可以补充:

- Never 直接修改 src/generated/ 下的文件。
- 如需调整生成类型,应修改对应的 Schema,
  然后重新执行代码生成命令。

这比简单地要求“不要破坏现有功能”更有效,因为它明确指出了错误行为和正确处理路径。

3. 规则发生冲突时,优先保证一致性

随着规则增长,可能出现这样的冲突:

- 禁止修改 lock 文件。
- 新增依赖后必须同步更新 lock 文件。

两条规则分别看似合理,但放在一起会导致执行歧义。

因此,规则需要明确适用条件。

例如:

- 未发生依赖变更时,不修改 lock 文件。
- 依赖发生变更时,必须同步更新 lock 文件。

同时要避免在多个配置文件中重复维护相互矛盾的要求。

4. 对高风险操作建立额外保护

涉及数据删除、数据库迁移、生产部署、敏感配置和 Git 历史修改时,仅依靠文本规则并不充分。

建议结合:

  • 命令执行权限。
  • 人工审批机制。
  • CI 检查。
  • 自动化测试。
  • 最小权限原则。

例如,即使在 AGENTS.md 中写明不得修改生产数据库,也不应该向普通开发 Agent 提供不必要的生产数据库写入权限。

5. 定期更新项目规则

AGENTS.md 最大的维护风险之一,就是规则与实际项目脱节。

假设项目已经由 Redux 迁移到 Zustand,但 AGENTS.md 仍然要求使用 Redux。

AI 可能会遵循过时规则,继续生成旧架构代码。

因此,当项目发生以下变化时,应同步检查规则:

  • 技术栈升级。
  • 目录结构调整。
  • 新增或替换基础组件。
  • 请求层或状态管理方案迁移。
  • 构建、测试和部署流程变化。

可以将 AGENTS.md 的维护纳入相关 Pull Request 的检查项。

八、如何判断 AGENTS.md 是否有效?

不能仅仅因为 AI 生成的代码看起来更规范,就认定规则已经发挥作用。

更可靠的方法是使用相同任务进行对照测试。

例如准备一组固定开发任务:

  1. 新增一个 React 组件。
  2. 新增一个 API 请求。
  3. 修改现有页面。
  4. 修复一个 TypeScript 类型错误。
  5. 对指定模块进行小范围重构。

分别在提供和不提供 AGENTS.md 的条件下执行,观察以下指标:

评估指标 说明
规范遵循率 生成结果满足明确项目规则的比例
一次通过率 不经人工修复即可通过预定验证的比例
无关文件修改数 是否出现任务范围外的变更
人工修正次数 开发者需要纠正 AI 的次数
验证通过率 Lint、类型检查和相关测试的结果

为了让评估更可信,应该尽量控制模型版本、输入任务、初始代码状态等变量,并采用多次运行而不是单次对比。

对于实际开发团队而言,不一定需要复杂的评测平台。

从固定任务集和人工检查表开始,就能判断当前规则是否真正减少了重复修正。

九、常见问题

Q1:AGENTS.md 应该放在哪里?

通常放在项目根目录,与 package.json 等文件同级。

部分工具还支持子目录级的指令文件,具体作用范围依赖工具本身的规则发现机制。

Q2:AGENTS.md 需要提交到 Git 吗?

团队共享的项目规范建议提交到 Git,与代码一起进行版本管理。

这样所有开发者和支持相应规则的 AI 工具都可以使用相同的规范。

个人偏好可以使用工具提供的用户级配置,不必全部写入团队共享规则。

Q3:AGENTS.md 写多长比较合适?

没有统一的最佳行数。

建议先从最必要的内容开始,保证每条规则清楚、有效、没有重复。

当规则逐渐增长时,可以按模块拆分文档,避免把所有实现细节塞进单个文件。

Q4:加入 AGENTS.md 后,还需要 ESLint 和测试吗?

需要。

AGENTS.md 是自然语言指导文件,不是确定性验证工具。

ESLint、类型检查、测试和 CI 仍然是工程质量保障的重要组成部分。

Q5:AGENTS.md 只能用于前端项目吗?

不是。

Java、Python、Go、Node.js、AI Agent 等项目都可以使用相同思路。

例如 Java Spring Boot 项目可以约定:

## Java Conventions

- 使用项目当前 JDK 版本。
- Controller 只负责参数接收和响应处理。
- 业务逻辑放在 Service 层。
- 数据访问放在 Repository 或 Mapper 层。
- 使用项目现有的异常处理机制。
- 不直接返回包含敏感信息的实体。
- 不修改已上线且不可变更的数据库迁移脚本。

Python 项目则可以增加:

## Python Conventions

- 使用项目指定的 Python 版本。
- 遵守现有代码格式化和类型检查配置。
- 优先复用当前虚拟环境中的依赖。
- 不修改原始数据文件。
- 不在代码中硬编码密钥。
- 涉及模型评测时记录数据集、参数和版本。

核心思想完全一致:把项目中隐含的开发约定显式化。

十、总结

AI 编程助手已经能够完成大量代码编写和工程修改任务,但项目规范、架构决策和操作边界仍然需要明确传达。

AGENTS.md 提供了一种简单的解决方案:使用 Markdown 将分散在项目中的开发约定组织成 AI 可以参考的指导文件。

一份有价值的 AGENTS.md,应该回答几个关键问题:

  • 项目是什么? 使用什么技术栈和架构。
  • 代码放在哪里? 目录和模块如何划分。
  • 代码怎么写? 使用什么编码约定和复用策略。
  • 哪些操作不能做? 明确修改边界与高风险行为。
  • 如何验证结果? 使用哪些检查、测试与构建流程。
  • 如何协作? 避免无关修改和破坏其他开发者的工作。

它不需要写得复杂,也不必一开始就覆盖所有规则。

更重要的是让规则足够准确、具体,并随着项目演进持续维护。

AGENTS.md 的真正价值,不是让 AI 记住更多规则,而是让它在理解项目约束的前提下,做出更符合工程实际的决策。

当项目规范、自动化验证和合理的操作权限结合起来时,AI 辅助开发才能从“快速生成代码”,逐步走向更加稳定、可控的工程化协作。

目录
相关文章
|
3天前
|
云安全 人工智能 运维
当攻击全面Agent化,你的安全防御能否跟上AI Speed?
多起客户侧AK泄露事件应急的真实观察
1220 3
|
26天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
9656 32
|
13天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
7天前
|
存储 人工智能 安全
千问办公官网入口网页版登录:qwenwork.cn 注册送2000积分、登录送100积分
阿里云千问办公(QwenWork)是AI智能工作平台,支持一句话生成PPT、表格、网页、视频及数据分析。个人免费版送2000积分+每日登录赠100分,含1GB存储、5个发布页;企业版198元/席/月起。阿里千问办公QwenWork官网:https://t.aliyun.com/U/0VCTGt 阿里AI工作平台,一句话完成数据分析、PPT 生成、视频剪辑、网页搭建等复杂任务
|
11天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
837 1
|
4天前
|
Web App开发 人工智能 JavaScript
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
REA(Reverse Engineer Anything)是近期爆火的开源AI逆向工具,4月发布,1个月内斩获15万+ Star。它让AI Agent无需源码即可分析二进制、APK、JS/Electron、HAR包等17类目标,自动反编译、生成可运行代码,并强制返回带证据与局限的结论。全本地执行,MIT协议,支持Hopper/Ghidra/IDA等引擎,一行命令即可上手。
516 1
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
|
8天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型全解析:核心原理拆解,性能实战测评与落地部署教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为System One Model(系统一模型),对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
552 0
|
9天前
|
存储 人工智能 自然语言处理
千问办公官网入口链接在哪?2026年最新QwenWork测评、千问办公怎么样?一文看懂
千问办公(QwenWork)是阿里云推出的AI智能办公平台,提供网页端和阿里云官网双入口。支持PPT/Word/Excel生成、多模态处理、网页全栈搭建、钉钉深度集成等6大核心能力。个人版免费可用,高级版198元/月;企业版198元/人/月。新用户注册即赠2000积分。阿里千问办公QwenWork官网:https://t.aliyun.com/U/0VCTGt 阿里AI工作平台,一句话完成数据分析、PPT 生成、视频剪辑、网页搭建等复杂任务
1125 0