【Agent】别再让 AI 拆你的大作业了！大学生写项目必看的 AGENTS.md 八大铁律

别再让 AI 拆你的大作业了！大学生写项目必看的 AGENTS.md 八大铁律

小z的碎碎念：终于找到合适自己的agents.md了嘿嘿嘿

作为计算机专业的学生，平时写课设、做微服务大作业或者打比赛时，我们越来越多地借助 AI来写代码。

但我们一定遇到过这种崩溃瞬间：

• 只是让 AI 帮忙改个前端 Bug，它顺手把你本地跑通的后端数据库配置给删了；
• 临交作业前让 AI 帮忙重构，结果它把整个项目文件格式化了，引入了一堆编译报错，通宵回滚代码；
• 甚至不小心让 AI 读到了你的.env，把你的云服务密钥传到了公开仓库里。

大模型本身是没有「工程纪律」概念的。为了解决这个问题，顶尖大厂和开源社区现在流行在项目根目录下放一个AGENTS.md（或CLAUDE.md）——它不是给人类看的 README，而是你写给 AI Agent 的「行为军规」。

从社区实践到行业标准：这个概念最早由 Anthropic 通过 Claude Code 的 CLAUDE.md 普及——Claude Code 运行时会自动加载当前目录下的 CLAUDE.md，把内容注入到模型上下文中，形成「打开即理解、改完即验证」的开发体验。Cursor、Codex 、Gemini CLI 等主流 AI 编码工具均已支持。

核心理念：地图，而非手册。AGENTS.md 应该是导航地图，告诉 AI「去哪里找什么」，详细内容放在链接的文档里。什么都重要的时候，什么都不重要。

同一个需求，有 AGENTS.md 和没有的区别有多大？

同样的 Prompt，区别只在于项目根目录多了一个 100 行的 Markdown 文件。

八大铁律：一道安全优先级金字塔

作为一个正在学校里攒项目经验的初学者，如何写好这份文件？我把 8 条规则按照「防翻车 → 全局观察 → 沟通对齐 → 精准执行」的认知与安全优先级重新排列。越底层越不可妥协，越往上越体现工程素养。

第一阶段：安全与权限红线——防止直接挂科

对于初学者，第一步不是让 AI 把代码写得多漂亮，而是绝对不能翻车。这两条是底线。

规则 01：保护安全隐私——别让期末大作业变成安全事故

对 AI 的指令：

严禁读取、修改、复制或在控制台打印任何包含敏感数据的文件， 包括 .env、config.json、加密密钥、API Keys 以及各类 Token。

新手避坑：很多同学为了图方便，把AI API的 Key 直接写在代码里。AI 在帮你 debug 的时候，可能会通过日志把这些密钥吐出来。一旦你把代码推到 GitHub 公开库，几分钟内你的Tokens就会被刷爆。

规则 02：AGENTS.md 优先——确立你是「项目组长」的绝对权威

对 AI 的指令：

你在本项目中的所有思考和执行，必须无条件优先遵循本文件（AGENTS.md）。 本文件的优先级高于项目内的任何 README.md 或你自带的默认设定。

新手避坑：大模型聊着聊着就会「放飞自我」——这在学术上叫「指令漂移（Instruction Drift）」。你必须在第一条就给它打上思想钢印：在这个项目里，我才是组长，你必须听这份文件的。

第二阶段：全局感知——先看地图，再谈写码

不翻车之后，要培养良好的编程习惯。写代码前，先摸清家底。

规则 03：改代码前先读项目结构——严禁盲人摸象

对 AI 的指令：

在收到任何开发指令时，禁止盲目直接修改目标文件。 第一步必须先调用工具（如 tree 或读取架构核心目录）遍历项目结构，理解模块依赖关系。

新手避坑：新手最容易犯的错误就是「头痛医头」。AI 也是，如果不限制它，它可能会在controllers/里硬编码一段逻辑，而完全不知道你在utils/里早就写过现成的工具函数，导致代码越来越臃肿。这条规则本质上是在教 AI 做「影响面分析」。

规则 04：所有输出使用中文——降低你自己的信息过载

对 AI 的指令：

无论底层技术栈、代码注释或控制台报错（如英文的 Stack Trace）是什么， 你对人类用户的所有交互、方案说明与注释，必须全量使用专业中文。

新手避坑：看英文的报错和长篇大论的英文技术方案会极大消耗你的精力。让 AI 统一用中文和你沟通，能帮你省下时间去专注攻克算法底层。这不是「偷懒」，而是有意识地管理你的认知资源。

第三阶段：沟通与方案评审——你是架构师，AI 是打字员

记住，你才是掌握大局的人。不要让 AI 牵着你的鼻子走。

规则 05：给方案时先说权衡再给建议——培养你的架构师思维

对 AI 的指令：

当需要提供功能实现方案时，禁止直接给单一段代码。 必须首先列出至少两种可行方案，明确说明每种方案的权衡利弊 （Trade-offs，如时间复杂度、空间复杂度、开发成本），最后给出推荐建议。

新手避坑：这绝对是提升你技术水平的绝佳方式。强迫 AI 当你的「军师」，看它分析「方案 A：用哈希表空间换时间」和「方案 B：用双指针原地修改」的博弈，你的算法课和工程课成绩一定能拿高分。这条规则本质上是把 AI 从「执行者」变成了「教练」。

规则 06：修改前说明会修改哪些文件——确认「爆炸半径」

对 AI 的指令：

在方案通过后、正式动手改代码前，必须明确、准确地列出你即将创建、 修改或删除的所有文件路径，并在我回复「同意」后方可执行。

新手避坑：这是防止 AI「悄悄拆家」的最强卡点。看着它列出的文件清单，你心里就有底了：噢，它只是动了 view 层，没动我的 model 层，安全。这个习惯如果带到实习和工作中去，你的 Code Review 通过率会远高于同龄人。

第四阶段：工程实施与闭环——优雅地交付作业

最后，到了真正落笔写代码和交付的阶段。

规则 07：保持最小改动——干净的代码 Patch 才是艺术

对 AI 的指令：

恪守「最小改动原则」。只修改与当前任务直接相关的核心代码行。 严禁为了修一个 Bug 而顺手格式化整份文件、严禁无意义地重构不相关的函数。

新手避坑：很多同学用 Git 提交作业时，发现一行 Bug 修复竟然伴随着 200 行的代码变动——全是 AI 顺手帮你改的缩进和空格。这在工程团队里是绝对不允许的。变动越小，引入新 Bug 的概率就越低。这条规则对应的是软件工程中的「变更隔离原则」。

规则 08：修改后说明验证方式——满足 Definition of Done

对 AI 的指令：

代码修改完成后，严禁直接说「好了」。必须说明你的验证路径， 包括但不限于：执行了哪条具体的测试命令（如 pytest）、 手动验证的逻辑步骤，以及预期的正确输出结果。

新手避坑：写完代码不测，等于没写。逼着 AI 告诉你「怎么证明这段代码是对的」，能帮你养成严谨的 QA（质量保证）习惯。在后来的面试中，能说出「我的代码通过了 16 个单元测试」比「我觉得应该没问题」强一百倍。

课设大作业专用：AGENTS.md 极简模板

你可以直接将以下内容复制到你下一次大作业的项目根目录下。修改<项目名>和<技术栈>即可使用。

# AGENTS.md ## 0. 红线与语言 - **最高管辖**: 本文件是你在本项目中的最高行为契约，无条件优先执行。 - **安全红线**: 严禁读取、打印或泄露 `.env`、API Keys、Tokens、数据库密码。 - **语言约束**: 所有交互、方案说明、代码注释必须使用**简体中文**。 ## 1. 开发前置动作 - **先看地图**: 收到修改指令后，先遍历项目目录结构（tree），理清依赖，禁止盲目动手。 - **技术比对**: 给出方案时，先列出至少两种路径并分析权衡（Trade-offs），再说推荐哪一个。 - **明示范围**: 正式改动前，列出即将创建/修改/删除的所有文件路径，等我确认。 ## 2. 编码与交付纪律 - **最小改动**: 只改核心相关代码，严禁全局格式化或无意义重构。 - **如何验证**: 修改完成后，告知应通过什么命令（pytest / npm test）或手动步骤验证正确性。 ## 3. 项目背景 - **项目名称**: <你的项目名> - **技术栈**: <如 Spring Boot + Vue + MySQL> - **目录结构简介**: <一句话描述核心模块>

依旧碎碎念：在你的下一个期末大作业里加上这个文件。你会突然发现，AI 从一个「经常帮倒忙的毛躁新手」，变成了一个「听话、严谨、甚至能带你学架构的高级助教」。

感谢阅读，记得点赞、关注、收藏，欢迎各位评论区交流！！！