AGENTS.md
AGENTS.md 该写什么：1,866 个项目的说明书实测
1,866 个热门项目里 34% 给 Agent 写了说明书：AGENTS.md 占 78%；61% 的规则可脚本检查，仅 3.7% 写了检查命令。
Agent
AI 编程
28 个 Agent 六天重构：569 个单元与 250 次人工决策复盘
把重构交给 Agent 跑六天，代码确实是 Agent 写的；但人的时间并没有消失——它变成了两周设计、88 个必须回答的问题和 185 次"先例裁决"，周一还有 63 个决策挤在同一小时里做完。本文完整编译 GoodBarber CTO 的自主循环复盘：569 个工作单元、五道互相印证的检查、从 1 到 20 的爬坡条件、单集成者的瓶颈曲线，以及五个真实翻车点（测试台说谎、Agent 绕过阻力、没人检查的规则被破坏）。
AI 编程
子代理、fork 与上下文折叠：Agent 交接的三种做法
给 coding agent 派活时，最难的从来不是派出去，而是"派什么过去"。子代理拿到任务却没有背景，得重新发现 Node 版本、被 pin 的依赖和你说过的约束；而留在主上下文里的构建日志，又让窗口被 43K 的报错挤满。本文编译 Arthur 的 fork/fold 设计：已完成的工作折成一条 ~160 token 的 note，归档可回查；需要委派时让子代理继承父代理的当前视图。附三张成本账、缓存断点位置，以及作者自己承认"还没验证"的部分。
AI 编程
一台终端、多台机器、多个 Agent：并行 coding agent 的实战栈，以及它背后的分布式系统问题
一个开发者同时养 3–5 个 coding agent，难点从来不是模型，而是隔离、状态和协调。本文编译一套终端原生并行栈（worktree 隔离 + 状态感知的 tmux + 远程/手机审批），并给出三个硬数据：任务形状决定多 Agent 成败、编排可以把错误放大从 17.2 倍降到 4.4 倍、以及为什么"状态要比 Agent 活得久"。