在AI编程代理的应用中，CLAUDE.md 文件的效果往往不尽如人意。这并非因为开发者不够努力，而是因为优化方向存在偏差。ETH苏黎世研究人员的最新发现，为我们揭示了编写高效代理文件（agentfiles）的关键。
ETH苏黎世的研究团队对138个代理文件进行了测试，这些文件来自多种AI编程代理。研究结果清晰表明：
- 人工编写的、简洁的
CLAUDE.md文件（少于60行）能将代理的成功率提升 4%。 - 而由大型语言模型（LLM）生成的冗长文件（超过200行）则导致成功率下降 3%，同时代币成本增加 20%。
这项研究有力地证明，LLM生成的过度冗长文件反而会降低AI代理的性能，使其效率更差。
为了帮助开发者解决这一问题，一份名为“Harness Engineering”系列指南的第二部分，详细阐述了编写真正有效 CLAUDE.md 文件的核心原则。该指南涵盖了以下重要内容：
- “60行原则”：明确哪些信息应该被包含，哪些应该被省略，以保持文件简洁高效。
- “反模式”画廊：展示常见的不良实践，例如将所有文档堆砌、生成“LLM宣言”式文件或大而全的“万能文件”。
- 通过技能（Skills）实现渐进式披露，有效管理复杂性。
- 针对三种常见项目类型提供模板：多仓储项目（monorepo）、API服务和前端应用。
- 如何衡量
CLAUDE.md文件的实际工作效果。
遵循这些指导原则，开发者可以显著提高AI编程代理的成功率，并有效优化资源消耗。