大家好，我是小虎。
Anthropic 内部，90%的代码是 AI 写的。
不是以后，是现在。他们把自己当成案例写进了刚发布的《2026 Agentic Coding 趋势报告》。
做 AI 工具的公司，已经先一步活在了"AI 写代码"的世界里。
这件事，严重程度超出大多数人的感受。
数字不会说谎
我反复看了好几遍报告里的企业数据。
Rakuten 用 AI 完成一次 1250 万行代码库的迁移任务，7 小时自主运行，准确率 99.9%；
同一家公司新功能上线周期从 24 天压到 5 天，快了 79%。
TELUS 省出了 50 万小时，Zapier 全公司 97%的人在用 AI。
Agent 在自己写代码、自己测试、自己 debug、自己写文档。
工程师在干什么？在审代码，在做架构决策，在给 Agent 下指令。
有人说：这不就是换了个分工吗？
不是。
当一个 Agent 可以连续工作数天、不休息、不请假、不说"这个需求不合理"，当它处理的不是"帮我补全这个函数"，而是"把这个功能从头到尾实现出来"
——人与 Agent 之间的关系，已经从 "人用工具"变成了"人指挥员工" 。
主被动反转了。这是质变。
最危险的那句话
我最近和一些工程师聊，听到最多的一句话是：
"我还是要保持写代码的能力，AI 不可能完全替代。"
这句话本身没错。但它藏着一个致命的认知盲区——把"写代码"当护城河，而不是把"指挥 Agent"当新技能去主动学。
报告里有一条趋势，让我沉默了三秒：非工程师也开始用 Agent 写代码了。
销售团队在用 Agent 自动化工作流。法务在用 Agent 生成合同模板。
运营在用 Agent 搭内部工具。这些人不懂 Python，不懂 Git，但他们在用 Agent 解决问题。
真正的竞争线，不在工程师和 AI 之间，而在 "会指挥 Agent 的人"和"不会指挥 Agent 的人" 之间。
这条线，不分技术背景。
这个优势窗口，比想象中要短。
指挥力值多少钱？
算一笔账。
以前一个需求要 3 周，有预算实现的想法可能只有 10%。现在 3 天一个，100%的想法开始排队。
这不是"工程师失业"，是工程师面对 10 倍的需求量。
谁能接住这 10 倍的需求量？不是代码写得最快的那个，是能把复杂需求拆成 Agent 可执行的精准指令、验证输出、兜底风险的那个。
这是编程教材里找不到的技能。它叫需求拆解力，叫 Agent 指挥力，叫业务判断力。
我在浙大读计算机那会儿，写代码靠的是死记硬背——语法、API、各种库函数，全塞脑子里，记不住就查书。
那时候的核心竞争力就是"记得多、写得快"。
现在完全不一样了。
工具层的竞争白热化，每隔几周就有新工具出来，记什么都来不及。
但能把一个混沌的业务需求翻译成 Agent 能执行的任务序列、能在 Agent 跑偏时精确纠偏——这件事，没有任何工具能代劳。
这才是 2026 年的稀缺品。
指挥力的基础设施：一个你现在就能建的文件
说完认知，说落地。
这个场景很多人经历过：
打开新对话，跟 AI 说"帮我加个功能"，AI 回来用了 npm，明明项目用的是 pnpm；
测试命令写错了，规范没遵守，风格和昨天完全不一样。
有开发者这样形容： "像雇了个每天上班都失忆的员工，每次都要从头介绍自己。"
这不是 AI 变笨了，是每次新会话，AI 把所有人当陌生人。
于是开始重复解释——我们用 pnpm、测试命令是这个、导出方式是那个。
这些重复解释，耗掉的是时间，更重要的是，耗掉的是在"指挥"上的注意力。
全球已经有 60,000+个项目，用一个出奇简单的方案解决了这件事。
方案叫 AGENTS.md。
就是在项目根目录放一个 Markdown 文件，把约定写进去。
AI 每次开会话，先读这个文件，从此"记住了"。
不是插件，不是云端数据库，不是RAG管道——是一个亲手提交到Git仓库的纯文本文件。
项目根目录/├── AGENTS.md ← 就放这里
├── package.json
├── src/
└── ...
CodeBuddy、Cursor、GitHub Copilot、Windsurf——主流工具基本全支持。
由 OpenAI Codex、Amp、Jules from Google、Cursor、Factory 几家联合发起，现在在 Linux Foundation 旗下推进标准化。
2025 年 8 月正式发布，到今天已超过 6 万个开源项目采用。增速不骗人。
怎么写？四个模块，克制比堆砌重要
很多人第一次写，要么把整个 README 复制进去，要么写"认真写高质量代码"这种废话——对 AI 没有任何实际作用。
AGENTS.md 有一个反直觉的原则：写少比写多好。
LLM 能可靠执行的指令数量有上限，超了不是忽略后面的，是全局质量一起下降。
一份好用的 AGENTS.md，四个模块就够了：
## 项目背景微信公众号运营工具，抓取热点 + 辅助选题 + 生成初稿，Node.js后端 + Next.js前端。
## 构建与测试命令- 安装：`pnpm install`（严禁npm或yarn）- 开发：`pnpm dev`- 测试：`pnpm test:watch`- 部署：`pnpm build && pnpm start`
## 代码规范- TypeScript strict mode，不用any- 具名导出，不用默认导出- 所有API调用统一走 /src/services/ 目录封装
## 容易踩错的地方- 不要直接在组件里调API，数据获取走hooks- 微信相关接口有限流，调用前检查 /src/config/limits.ts- 环境变量改动后本地必须重启，.env.local不自动热更新
项目背景（一句话说清楚是什么东西）、精确命令（AI 会原样使用，不能含糊）、代码规范（具体到细节，不是口号）、容易踩错的地方（这一块最值钱，是真实踩坑的沉淀）。够了。
最快的启动方式：用 CodeBuddy 打开项目，直接让它读一遍代码库，然后问它"这个项目有什么值得写进 AGENTS.md 的规范？"——它会给一份初稿。
然后——删。生成内容里有很多"AI 看代码就能知道"的废话，删掉，只留真正需要的约定。
养成一个习惯：每次纠正了 AI 同样的错误超过一次，就把这条规则加进去。
一条一条加，下次会话自动生效。三个月后，会有一个真正懂这个项目的规则手册。
三个今天就能做的搞钱动作
第一件：用 AGENTS.md 把接单效率翻一倍
每个新项目开工前，先花 20 分钟建一份 AGENTS.md，把客户的技术栈、禁用项、命名规范写进去。
同样一个需求，别人来回纠正 AI 三四次，你一次过。
同样的工时报价，实际交付时间缩短一半——这是纯利润。
积累几个项目之后，还可以把这套方法本身包装成服务卖给其他开发者。
第二件：把需求拆解能力变成一个收费环节
很多客户不是没钱，是不知道自己要什么。
拿对方给的模糊描述，用自然语言把它拆成 Agent 可以独立执行的子任务清单，当场演示给客户看——这个过程本身就值钱。
收一笔"AI 需求分析费"，3000 到 5000，不写一行代码。做完之后，开发的活自然也是你接。
第三件：去帮非工程师搭第一个 Agent，收落地费
销售、运营、法务——他们用 Agent 最大的障碍不是不想用，是没人帮他们把需求说清楚、帮他们兜底跑偏的风险。
这个角色就是你。
一个部门级的 Agent 定制，从需求梳理到跑通验收，收费 1 万到 3 万不是天花板。
第一单从哪来？从你现在认识的、正在为重复性工作发愁的人开始聊。
Anthropic 报告里有一个判断，我认为是对的：这不是功能迭代，是软件开发方式的整体位移——慢，但不可逆。
现在用 AI 写代码，只是站到了这个变化的门口。
真正值钱的，是站进去之后那 10%：架构决策、业务判断、需求拆解、风险兜底。
AGENTS.md 是这 10%的起点。
不是因为它多复杂，恰恰相反——它简单到一个文本文件，却是你告诉 Agent"我是谁、这里怎么做事"的唯一方式。
建吧。从上次纠正 AI 的那条错误开始写。
已经在用 AGENTS.md 的，评论区说说你写了哪些规则——我挑几条好的下期分享。
