Estudo da ETH Zurich Questiona o Valor de Arquivos AGENTS.md para Agentes de IA de Codificação

Resultados da Pesquisa sobre Arquivos AGENTS.md
Um novo artigo de pesquisadores da ETH Zurich questiona a prática amplamente difundida na indústria de usar arquivos AGENTS.md com agentes de codificação de IA. O estudo, conduzido por Thibaud Gloaguen, Niels Mündler, Mark Müller, Veselin Raychev e Martin Vechev, fornece evidências empíricas de que esses arquivos de contexto frequentemente atrapalham em vez de ajudar os agentes de IA.
Metodologia e Testes
A equipe criou o AGENTbench, um novo conjunto de dados com 138 tarefas reais em Python obtidas de repositórios de nicho para evitar viés de benchmarks populares como o SWE-bench que os modelos de IA podem ter memorizado. Eles testaram quatro agentes: Claude 3.5 Sonnet, Codex GPT-5.2, GPT-5.1 mini e Qwen Code em três cenários:
- Sem arquivo de contexto
- Arquivo AGENTS.md gerado por LLM
- Arquivo AGENTS.md escrito por humanos
O desempenho foi medido usando três indicadores proxy: taxas de sucesso das tarefas (determinadas por testes unitários do repositório), número de etapas do agente e custos gerais de inferência.
Principais Resultados
Os arquivos de contexto gerados por LLM degradaram o desempenho, reduzindo as taxas de sucesso das tarefas em média 3% em comparação com não fornecer nenhum arquivo de contexto. Esses arquivos aumentaram consistentemente o número de etapas que os agentes realizaram, elevando os custos de inferência em mais de 20%.
Os arquivos escritos por humanos mostraram ganhos marginais com um aumento médio de 4% na taxa de sucesso das tarefas no AGENTbench, mas isso veio com um aumento paralelo nas etapas, elevando os custos em até 19%.
Incluir visões gerais da arquitetura ou explicações da estrutura do repositório nos arquivos AGENTS.md não reduziu o tempo que os modelos gastaram localizando arquivos relevantes para as tarefas.
Análise de Comportamento
A análise de rastreamento revelou que os agentes geralmente seguiram as instruções nos arquivos AGENTS.md, levando-os a executar mais testes, ler mais arquivos, realizar mais buscas grep e fazer mais verificações de qualidade de código. Embora minucioso, esse comportamento frequentemente era desnecessário para resolver tarefas específicas, forçando os modelos de raciocínio a "pensar" mais sem produzir patches finais melhores.
Recomendações Práticas
Os pesquisadores recomendam omitir completamente os arquivos de contexto gerados por LLM e limitar as instruções escritas por humanos a detalhes não inferíveis, como ferramentas altamente específicas ou comandos de construção personalizados. Eles observam que, embora 60.000 repositórios de código aberto atualmente contenham arquivos de contexto como AGENTS.md, e muitas estruturas de agentes apresentem comandos integrados para gerá-los automaticamente, esses arquivos têm apenas efeitos marginais no comportamento do agente.
📖 Leia a fonte completa: HN AI Agents
👀 See Also
Opus 4.7 pode seguir ~500 instruções, contra ~150 do ano passado
Pesquisas atualizadas em maio de 2026 mostram que o Opus 4.7 pode seguir confiavelmente cerca de 500 instruções, contra aproximadamente 150 em julho de 2025. O GPT-5.5 lida com cerca de 5000. Implicações para o tamanho do arquivo CLAUDE.md.

Eficiência de Tokens do Opus 4.7: Prompts em Alemão Consomem Até 2x Mais Tokens que em Inglês
Um assinante do Claude Pro relata que usar alemão com Opus 4.7 consumiu 100% dos tokens da sessão em segundos, enquanto o inglês usou 37%. A ineficiência do tokenizador decorre de substantivos compostos e umlauts, causando uso de tokens 1,5–2x maior.

Claude Code v2.1.152: /code-review --fix, plugin ferramentas-proibidas, hook MessageDisplay
Claude Code v2.1.152 apresenta /code-review --fix para aplicar sugestões à sua árvore de trabalho, /reload-skills, hook MessageDisplay e ferramentas desabilitadas por plugin no frontmatter. Também corrige degradação de estilo em sessões longas, dedup do MCP e relatório de cache.

A Anthropic divide o controle de agentes remotos em Despacho e Controle Remoto com problemas de confiabilidade
A Anthropic implementou a capacidade central do OpenClaw como dois produtos separados: Dispatch para usuários do Cowork e Remote Control para desenvolvedores do Claude Code. Ambos sofrem com problemas de confiabilidade, incluindo quedas de conexão móvel após aproximadamente 10 horas.