Context Engineering for AI Agents in Open-Source Software
Dit artikel presenteert een voorlopige studie van 466 open-source projecten om de adoptie, de inhoudelijke structuur en de evolutie van AGENTS.md-bestanden te onderzoeken, waarbij een significante variatie wordt onthuld in de wijze waarop ontwikkelaars context bieden voor AI-agenten, wat de potentie benadrukt voor toekomstig onderzoek naar het optimaliseren van context engineering om de kwaliteit van gegenereerde code te verbeteren.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een briljante, supersnelle nieuwe stagiair inhuurt om je te helpen een complexe machine te bouwen. Deze stagiair is een AI-agent. Als je alleen zegt: "Repareer de motor", kan hij er naast zitten omdat hij jouw specifieke regels, je voorkeursinstrumenten of de manier waarop jullie team gewoonlijk werkt, niet kent.
Dit artikel gaat over een nieuwe manier om die stagiair een "gebruikershandleiding" te geven die specifiek geschreven is voor een robot, en niet voor een mens.
Hier is de uitsplitsing van het onderzoek in eenvoudige termen:
Het Probleem: De stagiair heeft een handboek nodig
In het verleden gebruikten softwareontwikkelaars tools zoals GitHub Copilot om te helpen bij het schrijven van code. Nu hebben we "AI-agents" die meer werk zelfstandig kunnen doen, zoals het oplossen van bugs of het bouwen van volledige functies. Maar net als een menselijke werknemer moet een AI ook de bedrijfscultuur en regels begrijpen om zijn werk goed te doen.
Leveranciers (de bedrijven die de AI maken) suggereerden dat ontwikkelaars een speciaal bestand in hun projectmap moeten aanmaken. Zie dit bestand als een digitale "Medewerkershandleiding" voor de AI. Het vertelt de AI zaken zoals:
- "We noemen onze variabelen altijd op deze manier."
- "Raak het hoofdbestand nooit rechtstreeks aan."
- "Dit is hoe we onze code testen."
Onlangs is er een standaardformaat genaamd AGENTS.md gemaakt, zodat al deze AI-tools hetzelfde type handboek kunnen lezen.
De Studie: De handboeken controleren
De onderzoekers wilden zien of echte softwareprojecten deze handboeken daadwerkelijk gebruiken en, zo ja, hoe ze eruit zagen. Ze gingen op een digitale speurtocht door 10.000 open-source softwareprojecten (projecten waarbij de code gratis voor iedereen zichtbaar en bruikbaar is).
1. Hoeveel mensen gebruiken ze? (Adoptie)
Ze ontdekten dat slechts 466 projecten (ongeveer 5%) een van deze AI-handboeken hadden aangemaakt.
- Analogie: Het is alsoals je een gigantisch kantoorgebouw met 10.000 kamers binnenloopt en ontdekt dat slechts in een paar kamers een bordje "Regels voor Nieuwe Medewerkers" is opgehangen. We bevinden ons nog in de zeer vroege dagen van deze trend.
2. Wat zit er in de handboeken? (Inhoud & Stijl)
De onderzoekers hebben de 155 AGENTS.md-bestanden nauwkeurig bekeken. Ze ontdekten twee belangrijke zaken:
Geen Standaardrecept: Er is geen enkele "juiste" manier om deze bestanden te schrijven. Sommige zijn kort, andere zijn lang. Sommige vermelden regels, andere beschrijven gewoon hoe dingen werken.
Verschillende "Stemmen": De manier waarop ontwikkelaars tegen de AI praten, varieert enorm. De onderzoekers hebben de schrijfstijlen onderverdeeld in vijf typen:
- Beschrijvend (Descriptive): "Dit is hoe we de dingen doen." (Alleen feiten vaststellen)
- Voorschrijvend (Prescriptive): "Doe het op deze manier." (Directe bevelen geven)
- Verbiedend (Prohibitive): "Doe dit NIET." (Grenzen stellen)
- Verklarend (Explanatory): "Doe dit omdat..." (Een reden geven)
- Conditioneel (Conditional): "Als X gebeurt, doe dan Y." (Situationele logica geven)
Analogie: Stel je voor dat 155 verschillende managers proberen een regelboek te schrijven voor dezelfde stagiair. De ene manager schrijft een strikte lijst van "Niet doen", een andere schrijft een vriendelijk verhaal over hoe het team werkt, en een derde schrijft een complex "Als/Dan"-stroomdiagram. Er is nog geen consistentie.
3. Veranderen de handboeken in de loop van de tijd? (Evolutie)
De onderzoekers volgden hoe deze bestanden in de loop van de tijd veranderden door naar de "commit history" (het versiebeheerlogboek) te kijken.
- Stabiliteit: Ongeveer de helft van de bestanden werd nooit gewijzigd nadat ze voor het eerst waren aangemaakt.
- Bijschaven: Voor de bestanden die wel werden gewijzigd, waren de meest voorkomende updates het toevoegen van nieuwe instructies of het bijschaven van bestaande instructies.
- Analogie: Zodra een manager het regelboek heeft geschreven, laten ze het vaak met rust. Maar wanneer ze het wel bijwerken, is dat meestal door een nieuwe regel toe te voegen of een oude te verduidelijken, in plaats van het hele ding te herschrijven.
De Belangrijkste Conclusie
Het artikel concludeert dat we momenteel in een "wild west"-fase van Context Engineering zitten. Ontwikkelaars experimenteren met hoe ze met AI-agents moeten communiceren, maar ze zijn nog niet uitgekomen op een standaardmanier om dit te doen.
De onderzoekers zien deze bestanden als een uniek "natuurlijk laboratorium". Omdat deze bestanden openbaar en onder versiebeheer staan, kunnen we in realtime observeren hoe mensen leren om tegen AI-agents te "spreken". Het doel is niet om ontwikkelaars nu te vertellen wat ze moeten doen, maar om te begrijpen hoe ze het momenteel aanpakken, zodat we hen uiteindelijk kunnen helpen dit beter te doen.
Kortom: Ontwikkelaars beginnen regelboeken te schrijven voor hun AI-helpers, maar op dit moment ziet elk regelboek er anders uit en weet nog niemand zeker welke stijl het beste werkt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.