Vercel 的 eval 給了一個反直覺答案:AGENTS.md 為什麼比 skills 更可靠
對多數團隊,`AGENTS.md` 類常駐 context 應是預設層,skills 與 retrieval 應是補充層;競爭焦點正從「更會查」移到「更不會忘」。
這篇文章由 AI 先生成草稿,再經人工審閱與發布。
TL;DR
Vercel 在 2026-01-27 的 Next.js 16 agent eval 顯示:把壓縮 docs index 常駐在 AGENTS.md,比 skills 式主動檢索更穩,甚至達到 100% pass rate。
真正重要的不是再加一層聰明機制,而是讓高優先規則每次都在推理起點被看見。
採用上可先建立三層 context:常駐層(AGENTS.md)作預設,skills 作流程補充,retrieval 作長尾查詢,並用版本治理與 eval 保持可靠性。
發生了什麼
Vercel 在 2026-01-27 發佈文章,公開其針對 Next.js 16 API 的 agent eval 結果。測試中,他們把壓縮後的 docs index 直接放進 AGENTS.md,使 agent 在每次任務開始時都能讀到同一組關鍵規則。
相較之下,skills 模式需要 agent 在流程中主動觸發查找與調用,路徑變異較高。結果是 AGENTS.md 策略在該測試場景展現更高一致性,並達到 100% pass rate。
這件事為什麼值得注意
這件事值得注意,不是因為 markdown 檔案本身,而是因為它把「知識是否可被穩定拿到」放回中心。真正值得注意的不是會不會查,而是每次是否都先看到對的前提。 如果把它放回團隊日常,應該先問的是:哪些規則不允許遺漏?哪些規則一旦遺漏,會直接造成錯誤交付?這代表競爭點正在從「知識來源數量」移到「上下文分發品質」。
Insight 1 — Insight 1:可靠性是分發問題,不只是知識問題
真正值得注意的不是模型會不會查,而是任務中拿到的關鍵知識是否一致。
skills 與 retrieval 的優勢是彈性,但彈性也意味著路徑變異:何時觸發、抓到哪段、是否被正確引用,都可能影響最終行為。對評估與交付來說,這些變異會直接反映成品質波動。
AGENTS.md 的價值在於把高優先規則前置成常駐前提,減少每次重查與重解釋成本。尤其在高頻任務(框架慣例、輸出格式、禁用操作)中,這種穩定性常比知識總量更有用。
- Implication: 先盤點「高頻且高代價」錯誤,把對應規則壓進常駐層,讓 agent 每次都從同一組基線起跑。
Insight 2 — Insight 2:可複製性決定擴散速度
真正會被複製的,通常不是最完整的系統,而是最容易理解的系統。
多數團隊沒有資源先建完整 skill pack 與檢索管線,卻必須快速把 agent 納入交付。AGENTS.md 擴散快,關鍵在部署門檻低、可 code review、可隨 repo 版本化。
從平台運營角度看,這讓最佳實務以「檔案格式」流通,而不是綁在特定基礎設施。當做法更容易被搬運,社群就更容易形成可重用慣例。
- Implication: 把文件壓縮能力當平台能力經營,建立模板、審查標準與更新節奏,降低跨專案複製成本。
Insight 3 — Insight 3:不是二選一,而是 context hierarchy 重排
問題不是能不能做,而是能不能穩定、可觀測、可維運地做。
這不是 AGENTS.md 打敗 skills 的單點結論,而是 context 分層策略的順序重設。第 1 層應是常駐基線規則(AGENTS.md);第 2 層才是 skills 的工具流程;第 3 層再交給 retrieval 解長尾問題。
當團隊先保一致性,再擴覆蓋率,交付風險與溝通摩擦都會下降。這也是把架構決策與交付決策對齊的關鍵。
- Implication: 建立三層 SLA:常駐層保證每次可見、skills 層保證可調用、retrieval 層保證來源可追溯。
對工程與交付的二階影響
這個訊號的二階影響在團隊運作層面更明顯:
- Adoption cost:先做常駐層可在不重建 infra 的前提快速上線,降低初期導入成本。
- Operability:上下文固定後,錯誤型態更集中,incident triage 與回滾策略更清楚。
- Observability / Debugability:共享同一基線可縮小排錯範圍,更容易分辨是規則、工具還是資料問題。
- Cognitive load:工程師與 reviewer 不必反覆記憶隱性規範,心智負擔下降。
- Ownership boundary:文件 owner、工具 owner、知識庫 owner 的責任可明確切分。
- Evaluation burden:可先測基線一致性,再測長尾能力,避免把問題混成單一指標。
我的採用建議
建議採用順序:
- 建立
AGENTS.mdv1:只放高頻、易錯、必須遵守的規則(15 條以內)。 - 為每條規則加上 owner、版本、失效條件:框架升版與事故復盤後必更新。
- skills 僅承載流程與工具調用:避免重複寫入基線規則。
- retrieval 設觸發門檻:只處理長尾、需要來源佐證的問題。
- 每週固定 eval:分開追蹤基線錯誤、調用錯誤、檢索錯誤,形成可執行的修正 backlog。
風險與限制
主要限制與風險:
- 長度膨脹:常駐內容過長會稀釋重點,反而降低命中率。
- 版本過期:規則未隨框架更新,會造成穩定但過時的錯誤。
- 指標誤讀:高 pass rate 可能僅代表測試集契合,不等於真實世界全面可靠。
- 安全與合規:高權限操作不能只靠文字規則,仍需權限控制與審計。
- 遷移成本:既有 skill/retrieval 投資需重整分工,短期會有流程調整成本。
最後判斷
最後判斷:未來一年,agent context 的勝負不在誰接了最多知識來源,而在誰能把最關鍵的 5% 規則,用最小上下文、最高可見性、可持續驗證的方式,固定在每一次推理起點。
延伸閱讀 / CTA
如果你正在設計 agent-facing docs,先做一次 90 分鐘規則壓縮:挑出 15 條高代價規則,產生 AGENTS.md v1,並用同一題組比較導入前後差異。完整分析頁面: https://anomo06822.github.io/personal-site/zh-TW/blog/vercel-agents-md-outperforms-skills
來源與參考
- Vercel 用 eval 證明 AGENTS.md 比 skills 更可靠,agent context 分發策略開始定型 · Vercel · 2026-01-27
延續閱讀相關文章,沿著同一組技術脈絡繼續往下看。
Vercel Chat SDK 公測:Agent 戰場正在從網站功能移向工作聊天分發
Vercel Chat SDK 的真正價值不是再做一個 bot framework,而是把跨平台 distribution 成本標準化,讓團隊更快驗證哪些聊天入口值得長期投入。
Copilot Code Review 進入 Agentic 階段:真正升級的是上下文,不是留言數
GitHub 這次升級真正改變的不是評論量,而是評論前的理解流程:context-aware review 會成為下一階段 AI code review 的基本門檻。
GitHub 上的 agency-agents 爆紅:真正被產品化的不是 Prompt,而是 AI Team Roster 的分發層
`agency-agents` 真正的訊號不是「又多了一堆 AI 角色 prompt」,而是 agent 圈開始把「專家規格 + 跨工具分發 + 協作敘事」做成可複用產品。