填补最新 coding agent 与真实工程执行之间的最小行为差距。
一组简短、与工具无关的指令，用于约束技术写作、简单实现、局部修改、证据验证和歧义处理。
最新 coding agent 已经掌握编程语言、常见设计模式和标准工程术语。随着模型能力增强，有效提示词应更短，而不是更长。在长篇 system prompt 中重复模型已有知识只会增加噪声。本项目不是角色扮演 Prompt、通用编码手册或完整工程流程，也不声称能把 Agent 变成高级工程师。它只明确少量从反复实践中提炼、且已证明有效的工程行为约束：
- 使用最低必要复杂度完整解决需求。
- 只修改需求所必需的内容。
- 用可观察结果定义成功，并用证据验证。
- 从上下文消解低风险歧义，不默认停下来提问。
- 准确表达技术信息，并区分事实与判断。
本仓库将这些约束整理为一个简短的指令文件。
将 AGENTS.md 复制到目标仓库，或把其中内容加入 Agent 支持的指令载体。项目专用指令应与它共同使用；更具体的本地要求优先。
主要使用中文工作时，可以使用 AGENTS.zh-CN.md。两个文件具有相同的规范意图；跨语言维护以 AGENTS.md 为规范来源。
AGENTS.spare.md 存放默认未启用的候选规则，每条都说明了它防止的失败模式。当对应失败在实际工作中重复出现时，再把该条并入指令文件。
如果运行环境已经存在更强的同类规则，不要重复复制对应章节。本 Prompt 可以按章节使用。
每条指令必须防止一种可观察的失败。诸如“像世界级工程师一样工作”的角色描述没有定义动作或可验证结果。
简单不等于不完整。如果任务依赖正确性、兼容性、错误处理、安全性或验证，这些内容仍属于需求。
目标结果决定修改边界。必要的连带修改属于范围内；顺手重构、大范围格式化和推测性扩展不属于范围内。
实现看起来合理不代表工作完成。先定义可观察的成功标准，再使用任务中实际可得的最强证据，例如测试、构建、运行行为、性能分析或基准测试。
提问前先检查代码、上下文和可用证据。如果不同解释会改变正确性、接口、数据、安全性或设计选择，则升级处理。低风险细节采用合理假设并继续执行。
明确表达结论、原因、条件、动作、结果和限制。区分事实、假设、推断和建议。英文规范参考 ASD-STE100 Simplified Technical English 的核心原则；本项目与 ASD 无隶属关系，也不声称完整符合 ASD-STE100。
- 通用编程知识、语言规则和框架约定
- 完整的软件开发流程或自主 Agent 编排器
- 同一 Prompt 针对不同产品的重复版本
- 安装器、命令行工具、编辑器扩展和运行时依赖
- Prompt 可以替代测试、代码评审、项目约束或人类判断的主张
这些省略是有意设计。新增文本必须对应一种重复出现、且 Agent 无法仅从上下文可靠避免的失败。
本项目属于提升 coding-agent 行为可靠性的更广泛实践。相邻项目包括：
- FerroxLabs/agents-md：面向高级工程行为的即用型
AGENTS.md。 - multica-ai/andrej-karpathy-skills：围绕思考、简单性、局部修改和目标驱动执行组织的简洁规则。
- mattpocock/skills：一组具体的真实工程工作流技能。
real-engineering-prompt 的目标更窄：维护可跨 Agent 和仓库使用的最小行为层。列出这些项目只表示影响来源和项目语境，不表示对方认可本项目。本仓库未复制这些项目的文本。
保持提案短小。说明它解决的失败模式、为什么代码或本地上下文无法可靠防止该失败，以及 Agent 如何执行并验证这条指令。不要添加通用建议或重复规则。
如果你觉得这套 Prompt 还不错，有点用，请帮忙点个 Star，感谢感谢 🙏