Agent Docs 是一款专为 AI 智能体优化的文档编写工具，旨在帮助开发者创建结构清晰、信息密度高且易于被大型语言模型（LLM）高效消费的文档。它基于 Vercel 的基准测试和行业最佳实践（如 AGENTS.md、llms.txt 和 CLAUDE.md），提出了一种名为“混合上下文层级”的三层架构设计。该架构将关键信息内嵌于代码库根目录的 AGENTS.md 文件中，作为始终在上下文中的核心规则；中间层通过本地检索获取详细指南和 API 规范；最外层则通过白名单机制调用外部资源以处理边缘情况。这种设计有效解决了传统文档中存在的‘迷失在中间’问题——即 LLM 对长文本中间部分的注意力较弱，从而显著提升了智能体理解和执行任务的准确率。 其核心理念在于最大化信号与噪声比，剔除所有非必要内容，如欢迎语、营销文案或冗长的变更日志。取而代之的是高度压缩的索引、明确的函数签名、负向约束（例如“切勿使用 X”）以及自包含的章节结构。通过将最关键的安全规则、构建命令和文档地图置于文档顶部，并确保每个二级标题下的内容独立完整，Agent Docs 确保了即使在大规模上下文中，AI 也能快速定位并理解核心指令。此外，该工具支持 llms.txt 标准格式，提供机器可读的项目概览，便于自动化工具索引和访问。 Agent Docs 不仅适用于编写 README 文件或 SKILL.md 技能描述文件，更广泛应用于 API 文档、框架特定指南及任何需要在上下文窗口内被 LLM 直接读取的信息。它通过优化 RAG（检索增强生成）系统的检索效率、提升 Token 利用率，并构建混合的上下文层级结构，使 AI 智能体能够更可靠地完成任务，避免因依赖外部链接或模糊指引而导致的失败。
核心功能特点
- 采用三层混合上下文架构：内联核心规则、本地检索参考库、外部受限研究助手
- 基于 Vercel 2026 年基准测试，内联 AGENTS.md 可使 AI 任务通过率达到 100%
- 解决 LLMs 的‘迷失在中间’注意力衰减问题，将关键信息前置
- 支持 llms.txt 标准格式，提供机器可读的项目概览和文档索引
- 强调高信号噪声比，剔除冗余内容，仅保留对 AI 决策至关重要的信息
- 提供结构化模板，包括安全规则、构建命令、文档地图和负向约束
适用场景
Agent Docs 最典型的应用场景是构建面向 AI 智能体的项目脚手架和开发规范文档。例如，在一个 Next.js + Tailwind + Supabase 的全栈项目中，开发者可以在根目录创建 AGENTS.md 文件，内嵌项目的核心约束：必须使用 `app/` 目录结构、禁止输出敏感信息、列出关键文档路径（如 `docs/auth/llms.txt` 和 `docs/db/schema.md`）。这样，当 AI 助手尝试修改代码或生成新模块时，能立即从上下文顶部获取这些硬性规则，避免常见错误。对于多团队协作环境，该文档还可定义统一的编码风格、测试流程和部署命令，确保不同 AI 代理的行为一致性。 另一个典型场景是 API 服务开发。通过在 `/llms.txt` 中声明认证方式（环境变量设置）、数据库 schema 位置及服务器端 Cookie 处理逻辑，AI 在自动生成接口代码或调试问题时，无需额外查询外部资源即可获取完整上下文。同时，针对复杂业务逻辑或边缘案例，系统可通过白名单机制安全调用 Stack Overflow 或官方库文档，形成“基础规则内联 + 细节按需检索”的高效工作流。这种模式特别适用于需要频繁迭代、依赖 AI 辅助开发的现代软件工程流程。 此外，Agent Docs 也适用于开源项目维护。项目维护者可以编写简洁的 llms.txt 文件，向贡献者 AI 机器人说明如何配置开发环境、运行测试套件以及提交代码的流程。这不仅降低了人为沟通成本，还减少了因文档分散或不一致导致的集成错误。无论是内部研发还是对外协作，Agent Docs 都能通过结构化的文档体系，显著提升 AI 智能体在生产环境中的自主性和可靠性。