Araştırma: AGENTS.md Dosyası, AI Programlama Ajanının Çalışma Süresini %29 Kısaltabilir, Çıktı İşaretini %17 Azaltabilir

1M AI Haberlerine göre, Singapur Yönetim Üniversitesi, Heidelberg Üniversitesi, Bamberg Üniversitesi ve Londra Kraliyet Koleji'nden bir araştırma ekibi arXiv'de bir makale yayınladı. Bu makalede, depo düzeyindeki AGENTS.md yapılandırma dosyasının AI programlama Ajansı verimliliği üzerindeki etkisini ilk kez nicelendirdi. AGENTS.md, bir kod deposunun kök dizininde bulunan bir yönerge dosyasıdır ve bir AI Ajansına proje mimarisi, derleme komutları, kodlama standartları ve işlem kısıtlamalarını açıklar. Bu dosya, Anthropic Claude Code'un CLAUDE.md ve GitHub Copilot'in copilot-instructions.md dosyalarına benzer şekilde, şu anda 60.000'in üzerinde GitHub deposu tarafından benimsenmiştir.

Araştırma ekibi, 10 depodaki 124 birleştirilmiş PR (her biri 100 satırı geçmeyen kod değişiklikleri) üzerinde OpenAI Codex (gpt-5.2-codex) kullanarak eşleştirme deneyleri gerçekleştirdi ve AGENTS.md'nin varlığı ve yokluğu koşullarında çalıştı. Sonuçlar, AGENTS.md'nin varlığında, ortanca çalışma zamanının 98.57 saniyeden 70.34 saniyeye düştüğünü (%28.64 azalma), ortanca çıktı belirtecinin 2.925'ten 2.440'a düştüğünü (%16.58 azalma), görev tamamlama davranışında anlamlı bir fark olmadığını gösterdi (Wilcoxon signed-rank testi, p <0.05).

Araştırmacılar, AGENTS.md'nin Ajans yönlendirmesini "geçici ipuçları"dan "sürüm kontrolüne, denetlenebilirliğe ve işbirlikçi bakıma sahip yapılandırma artefaktı"na dönüştürdüğünü belirtirken, geliştirme ekibine bunu depoya standart uygulama olarak dahil etmelerini önerdi. Bu çalışmanın sınırlılıkları arasında, yalnızca OpenAI Codex'in tek bir Ajansı test etmesi, örneklerin küçük ölçekli PR'larla sınırlı olması ve kapsamlı bir kod doğruluğu değerlendirmesi yapılmaması bulunmaktadır.