В первом квартале 2026 года волна развития AI-агентов не только сохраняется, но и набирает обороты, проникая во все сферы разработки программного обеспечения. От Claude Code компании Anthropic до набора инструментов OpenAI — программные агенты на базе искусственного интеллекта становятся незаменимыми «силиконовыми коллегами» для разработчиков. Однако возникает фундаментальный вопрос: как люди могут эффективно помогать AI понимать сложные репозитории кода?
Недавно совместное академическое исследование ряда университетов дало количественный ответ. Учёные выяснили, что при наличии файла AGENTS.md в корневой директории репозитория эффективность работы AI-агентов может увеличиться до 29%. Эти данные подтверждают не только жизнеспособность «AI-оптимизированной документации», но и раскрывают более глубокую тенденцию: инструменты для разработчиков становятся ключевым полем борьбы в экономике AI-агентов.
Обзор AGENTS.md: «Вводный мануал» для AI
AGENTS.md — это не совершенно новая концепция. Это файл инструкций, размещаемый в корневой директории репозитория, предназначенный для чёткого объяснения архитектуры проекта, команд сборки, стандартов кодирования и операционных ограничений AI-агентам. Его можно сравнить с рекомендуемым CLAUDE.md для Claude Code от Anthropic или copilot-instructions.md для GitHub Copilot. Основная задача — решить проблему «холодного старта» для AI при работе с незнакомым проектом, предоставив структурированный «вводный мануал», чтобы агент не блуждал вслепую по огромному коду, а мог эффективно приступить к работе с самого начала.
По состоянию на март 2026 года более 60 000 репозиториев на GitHub внедрили эту практику, что свидетельствует о высоком спросе на «AI-дружелюбную» организацию кода среди разработчиков.
Данные и структурный анализ: революция эффективности на 29% и 17%
Недавние строгие академические исследования развеяли сомнения в эффективности AGENTS.md. Команды из Singapore Management University, Гейдельбергского университета и других учреждений опубликовали статью на arXiv, впервые представив количественную оценку влияния AGENTS.md на работу AI-агентов.
Учёные провели парные эксперименты на 124 объединённых PR (изменения кода менее 100 строк) в 10 open-source репозиториях. Результаты показали, что при наличии файла AGENTS.md медианное время выполнения AI-агентов резко снизилось с 98,57 секунды до 70,34 секунды — уменьшение на 28,64%. При этом медианное количество выходных токенов сократилось с 2 925 до 2 440, что составляет снижение на 16,58%.
Основные результаты
- Медианное время выполнения: 98,57 секунды → 70,34 секунды (–28,64%)
- Медианное количество выходных токенов: 2 925 → 2 440 (–16,58%)
- Качество выполнения задач: статистически значимых различий нет
Эти результаты убедительно демонстрируют, что структурированные инструкции по проекту существенно снижают затраты на пробные попытки и избыточные вычисления для AI-агентов. Для разработчиков, оплачивающих API-вызовы, экономия 16,58% токенов напрямую превращается в реальную финансовую выгоду. Более того, это подтверждает логику «оптимизации документации для интеллектуальных агентов, а не для людей».
Мнения отрасли: консенсус и споры
Обсуждения вокруг AGENTS.md и в целом инструментов AI-программирования в отрасли многослойны и сложны.
Основные взгляды признают необходимость «AI-оптимизированной» документации. Руководство Y Combinator недавно отметило в подкасте, что точка входа для инструментов разработчика меняется — от человеческого поиска и репутации в сообществе к «рекомендациям AI-агентов». В качестве примера они привели почтовый сервис Resend, объяснив, как оптимизация документации сделала его стандартным ответом ChatGPT на вопрос «как подключить почтовую систему». В результате ChatGPT стал одним из трёх ведущих каналов привлечения клиентов. Вывод: документация и базы знаний становятся «новыми рекламными площадками» в эпоху AI.
Споры касаются «границ оптимизации». Не все исследования безусловно оптимистичны относительно подобных файлов контекста. Другое исследование AGENTS.md предупредило: если файл содержит ненужные или чрезмерно жёсткие требования, это может снизить успешность выполнения задач и увеличить затраты на инференс более чем на 20%. Следовательно, «написание документации для AI» требует новой «мета-методологии». Плохо составленный AGENTS.md может быть хуже его отсутствия, поскольку способен направить AI по ошибочному или слишком жёсткому пути выполнения.
Аутентичность повествования: от «человекоцентричности» к «AI-нативности»
Рост популярности AGENTS.md — это не просто технический тренд, а признак более глубокого сдвига: главные действующие лица в мире ПО переходят от людей к AI.
Традиционно документация создавалась для программистов, с акцентом на подробные объяснения, удобное форматирование и активное общение в сообществе. Теперь, когда инициаторами вызова кода и рекомендациями инструментов становятся AI-агенты, логика оптимизации документации должна измениться. AI-агентам не требуется оживлённая атмосфера сообщества — им нужны структурированные данные, воспроизводимые фрагменты кода и чёткие логические границы.
Факт: «Отчёт о тенденциях кодирования интеллектуальных агентов 2026» компании Anthropic подтверждает этот сдвиг, отмечая, что наступила эпоха, когда «каждый может стать разработчиком», а роль программиста трансформируется из «писателя кода» в «командира агентов». Неизбежный результат — стандартизация и инструментализация интерфейсов взаимодействия человека и AI.
Анализ влияния на отрасль: инструменты разработчика как новое поле борьбы
Рост эффективности благодаря AGENTS.md меняет конкурентную среду рынка инструментов для разработчиков.
Во-первых, меняется логика распределения трафика. В традиционном ПО разработчики находят новые инструменты через Google, Stack Overflow или тренды GitHub. В AI-нативную эпоху выбор модели определяет долю рынка. Если инструмент «по умолчанию» вызывается или рекомендуется Claude или GPT во время инференса, его проникновение на рынок растёт экспоненциально. Это означает, что SEO-команды компаний, создающих инструменты для разработчиков, должны изучать не только алгоритмы ранжирования Google, но и «предпочтения» крупных языковых моделей.
Во-вторых, возможны изменения бизнес-моделей. Эффективность AI-инструментов программирования напрямую бросает вызов традиционной модели подписки «за рабочее место». В отчёте Anthropic отмечается: когда AI способен сжать объём работы пяти человек до одного, поставщики ПО сталкиваются с серьёзным давлением на лицензионные доходы, что вынуждает отрасль переходить к оплате по факту использования.
Перспектива: для криптоиндустрии это означает, что по мере того, как платформы вроде Gate поддерживают более 4 400 активов, человеческие ресурсы уже не могут обеспечивать глубокий мониторинг каждого проекта. Использование AI-агентов для аудита кода, анализа ликвидности и мониторинга настроений станет стандартом. Стандартизированные файлы вроде AGENTS.md станут мостом для эффективной коммуникации между командами криптопроектов и AI-инструментами анализа, помогая проектам выделяться при AI-отборе.
Прогноз эволюции в разных сценариях
Исходя из текущих тенденций, существуют несколько возможных путей развития AGENTS.md и инструментов разработчика:
Сценарий первый (оптимистичный): стандартизация и процветание экосистемы. AGENTS.md становится обязательным элементом в open-source мире. Крупные L1/L2 блокчейн-сети требуют от всех проектов в экосистеме предоставления стандартизированных AI-файлов контекста, позволяя AI-агентам автоматически создавать инструменты разработчика, писать тесты и даже проводить аудит безопасности. Это стимулирует появление сторонних сервисов сертификации и рейтинга, ориентированных на «AI-дружелюбность».
Сценарий второй (пессимистичный): рост атак с использованием инструкций и игр. Злоумышленники создают AGENTS.md, чтобы заманить AI-агентов к внедрению уязвимостей или бэкдоров при выполнении задач — масштабные атаки prompt injection распространяются в репозиториях кода. Отрасль вынуждена инвестировать в аудит поведения AI и защитные механизмы.
Прогноз: наиболее вероятен компромиссный вариант. AGENTS.md станет необходимым, но его содержание и формат будут быстро эволюционировать, разделяясь на специализированные версии для разных AI-агентов (например, для аудита безопасности, разработки или тестирования). Маркетинговые бюджеты инструментов разработчика сместятся от Google Ads к «оптимизации рекомендаций AI-моделей» — совершенно новой области.
Заключение
Рост эффективности на 29% благодаря AGENTS.md — это не просто числовое достижение, а официальное начало инфраструктуры экономики AI-агентов. По мере того как AI начинает принимать решения, писать код и выбирать инструменты вместо людей, фундаментальная логика разработки и распространения ПО переписывается.
Для разработчиков, проектных команд и даже торговых платформ понимание и адаптация к новой парадигме «обслуживания AI» становится не опцией, а критическим вопросом будущей конкурентоспособности. Инструменты разработчика находятся на передовой этого преобразования, и борьба за лидерство только начинается.
