Según BlockBeats news del 3 de marzo, según 1M AI News, equipos de investigación de la Universidad de Gestión de Singapur, la Universidad de Heidelberg, la Universidad de Bamberg y el King’s College de Londres publicaron un artículo en arXiv, evaluando cuantitativamente por primera vez el impacto de los AGENTS.md de perfil a nivel de almacén en la eficiencia de los agentes de programación de IA. AGENTS.md es un archivo de instrucciones almacenado en el directorio raíz del repositorio de código para explicar la arquitectura del proyecto, comandos de compilación, especificaciones de código y restricciones operativas a los agentes de IA, similar al CLAUDE.md de Anthropic Claude Code y al copilot-instructions.md de GitHub Copilot, y ha sido adoptado por más de 60.000 repositorios de GitHub.
El equipo de investigación realizó experimentos emparejados usando el Codex OpenAI (codex gpt-5.2) en 124 PRs fusionados a lo largo de 10 repositorios (ninguno de los cuales tenía más de 100 líneas de cambios de código), ejecutándose bajo ambas condiciones AGENTS.md. Los resultados muestran AGENTS.md que el tiempo de ejecución medio disminuye de 98,57 segundos a 70,34 segundos (una disminución del 28,64%) y que el token de salida mediano disminuye de 2.925 a 2.440 (una disminución del 16,58%) sin diferencias significativas en el comportamiento de finalización de tareas (test de rango con signos de Wilcoxon, p). < 0.05)。
Los investigadores señalaron que AGENTS.md cambiado la guía del agente de “prompts efímeros” a “artefactos de configuración versionados, revisables y mantenidos colaborativamente”, y sugirieron que los equipos de desarrollo la incorporaran al repositorio como práctica estándar. En cuanto a limitaciones, el estudio solo probó el agente único OpenAI Codex, y la muestra se limitó a PRs a pequeña escala y no realizó una evaluación exhaustiva de la corrección del código.