Context Engineering for AI Agents in Open-Source Software
Este artigo apresenta um estudo preliminar de 466 projetos de código aberto para investigar a adoção, a estrutura de conteúdo e a evolução dos arquivos AGENTS.md, revelando uma variação significativa na forma como os desenvolvedores fornecem contexto para agentes de IA e destacando o potencial para pesquisas futuras sobre a otimização da engenharia de contexto para melhorar a qualidade do código gerado.
Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine que você está contratando um estagiário brilhante e superveloz para ajudá-lo a construir uma máquina complexa. Este estagiário é um agente de IA. Se você apenas disser "Conserte o motor", ele pode adivinhar errado porque não conhece suas regras específicas, suas ferramentas preferidas ou como sua equipe costuma trabalhar.
Este artigo é sobre uma nova maneira de dar a esse estagiário um "manual do usuário" escrito especificamente para um robô, não para um humano.
Aqui está a divisão da pesquisa em termos simples:
O Problema: O Estagiário Precisa de um Manual
No passado, desenvolvedores de software usavam ferramentas como o GitHub Copilot para ajudar a escrever código. Agora, temos "Agentes de IA" que podem realizar mais trabalhos por conta própria, como corrigir erros ou construir funcionalidades inteiras. Mas, assim como um funcionário humano, uma IA precisa entender a cultura e as regras da empresa para fazer um bom trabalho.
Os fornecedores (as empresas que fabricam a IA) sugeriram que os desenvolvedores criassem um arquivo especial na pasta do seu projeto. Pense neste arquivo como um "Manual do Funcionário" digital para a IA. Ele diz à IA coisas como:
- "Nós sempre nomeamos nossas variáveis desta forma."
- "Nunca toque no arquivo principal diretamente."
- "É assim que testamos nosso código."
Recentemente, um formato padrão chamado AGENTS.md foi criado para que todas essas ferramentas de IA pudessem ler o mesmo tipo de manual.
O Estudo: Verificando os Manuais
Os pesquisadores queriam ver se projetos de software do mundo real estavam realmente usando esses manuais e, se sim, como eles eram. Eles fizeram uma caça ao tesouro digital através de 10.000 projetos de software de código aberto (projetos onde o código é gratuito para qualquer pessoa ver e usar).
1. Quantas pessoas estão usando? (Adoção)
Eles descobriram que apenas 466 projetos (cerca de 5%) haviam criado um desses manuais de IA.
- Analogia: É como entrar em um enorme edifício de escritórios com 10.000 salas e descobrir que apenas algumas salas colocaram uma placa de "Regras para Novos Funcionários". Ainda estamos nos primórdios deste movimento.
2. O que há dentro dos manuais? (Conteúdo e Estilo)
Os pesquisadores examinaram de perto os 155 arquivos AGENTS.md que encontraram. Eles descobriram duas coisas principais:
Sem uma Receita Padrão: Não existe uma única maneira "correta" de escrever esses arquivos. Alguns são curtos, outros são longos. Alguns listam regras, outros apenas descrevem como as coisas funcionam.
Diferentes "Vozes": A maneira como os desenvolvedores falam com a IA varia drasticamente. Os pesquisadores categorizaram os estilos de escrita em cinco tipos:
- Descritivo: "É assim que fazemos as coisas." (Apenas declarando fatos)
- Prescritivo: "Faça desta maneira." (Dando ordens diretas)
- Proibitivo: "NÃO faça isso." (Estabelecendo limites)
- Explicativo: "Faça isso porque..." (Dando um motivo)
- Condicional: "Se X acontecer, então faça Y." (Dando lógica situacional)
Analogia: Imagine 155 gerentes diferentes tentando escrever um livro de regras para o mesmo estagiário. Um gerente escreve uma lista rigorosa de "Não fazer", outro escreve uma história amigável sobre como a equipe trabalha e um terceiro escreve um fluxograma complexo de "Se/Então". Não há consistência ainda.
3. Os manuais mudam ao longo do tempo? (Evolução)
Os pesquisadores rastrearam como esses arquivos mudaram ao longo do tempo observando o "histórico de commits" (o log de controle de versão).
- Estabilidade: Cerca de metade dos arquivos nunca foram alterados após serem criados pela primeira vez.
- Ajustes: Para os arquivos que foram alterados, as atualizações mais comuns eram adicionar novas instruções ou ajustar as existentes.
- Analogia: Uma vez que um gerente escreve o livro de regras, ele geralmente o deixa de lado. Mas quando ele o atualiza, geralmente é apenas adicionando uma nova regra ou esclarecendo uma antiga, em vez de reescrever tudo.
A Grande Conclusão
O artigo conclui que estamos atualmente na fase do "Velho Oeste" da Engenharia de Contexto. Os desenvolvedes estão experimentando como falar com agentes de IA, mas ainda não estabeleceram uma maneira padrão de fazer isso.
Os pesquisadores veem esses arquivos como um "laboratório natural" único. Como esses arquivos são públicos e possuem controle de versão, podemos observar em tempo real como os humanos aprendem a "falar" com agentes de IA. O objetivo não é dizer aos desenvolvedores o que fazer agora, mas entender como eles estão descobrindo isso atualmente para que possamos, eventualmente, ajudá-los a fazer isso melhor.
Em resumo: Os desenvolvedores estão começando a escrever livros de regras para seus ajudantes de IA, mas, no momento, cada livro de regras parece diferente e ninguém tem certeza de qual estilo funciona melhor ainda.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.