为AI Agent优化的文档编写技能，基于Vercel基准测试设计三层上下文架构，实现100%任务通过率，解决元认知失败问题
说明：
## 核心用法
agent-docs 是一套针对 AI Agent 消费场景设计的文档编写规范，主要用于创建 SKILL.md、README、API 文档等将被 LLM 在上下文窗口中读取的内容。其核心框架是**三层混合上下文架构（Hybrid Context Hierarchy）**：
1. **Constitution 层（内联）**：2000-4000 token，始终驻留上下文，包含安全规则、架构约束、关键命令和文档索引
2. **Reference Library 层（本地检索）**：1K-5K token 分块，按需获取的框架指南和 API 模式
3. **Research Assistant 层（外部）**：需白名单授权，仅用于边缘场景如最新库更新
### 显著优点
– **效能验证**：Vercel 2026 基准显示，纯工具检索通过率 53%，检索+提示 79%，**内联 AGENTS.md 达 100%**
– **解决根本问题**：绕过 Agent 的”元认知失败”——Agent 不知道自己不知道什么，内联文档彻底规避此问题
– **Token 效率**：8KB 压缩索引优于 40KB 完整文档，通过文件路径、函数签名、负向约束实现高效压缩
– **结构优化**：针对 RAG 分块设计，每个 H2 区块自包含；利用 U 型注意力，关键规则置顶
### 潜在局限
– **维护成本**：Constitution 层需与代码库同步更新，否则产生漂移
– **规模瓶颈**：4K token 上限限制复杂项目的规则覆盖
– **外部依赖风险**：llms.txt 等标准尚未完全统一，跨生态兼容性存疑
### 适合人群
– 构建 AI 原生开发工作流的团队
– 维护大型代码库、需多 Agent 协作的工程师
– 追求极致上下文效率的技术作者
### 常规风险
– **安全边界**：内联内容可信，但外部检索存在提示注入和 SSRF 风险
– **过度压缩**：关键信息遗漏可能导致 Agent 误判
– **格式僵化**：机械追求 SNR 可能降低人类可读性
会员专属
