夜雨聆风AI 提交的 PR 没法用，AutoGPT 用 AGENTS.md 加门控，把它变成了可用。
一、发生了什么
这条消息是从 GitHub 官方博客传出来的，主角是 AutoGPT 的维护者。他们碰上一个特别头疼的问题：AI 智能体开始往项目里提交代码了，但提交上来的东西，简直没法用。
问题出在哪？出在一个特别反直觉的地方。这些 AI 智能体，代码写得飞快，但有一个要命的毛病：它们不会主动去读文档。你项目里写得清清楚楚的 README、贡献指南、编码规范，它们统统当空气，埋头就是干，干出来的东西跟项目风格完全对不上。
AutoGPT 的人想了个办法：既然你不主动读，那我就把指令塞到你不得不看的地方。于是他们把规则写进 AGENTS.md 和一个叫"技能文件"的东西里，直接放在代码目录旁边。然后，又布下一串门控：强制 PR 模板、测试计划、CI 覆盖率门槛、还有 CLA 签名。
这一套组合拳打下来，效果立竿见影。智能体提交的 PR，从"不可用"变成了"可用，只是不符合路线图"。
二、为什么值得关注
1. "AI 不会读文档"，这个发现比你想的重要
先把最反直觉的那句话拎出来说清楚：AI 智能体不会主动读文档。
这听起来很怪，一个能读懂几百万字语料的模型，怎么可能不会读文档？但事实就是，它"能读"，但"不会主动去读"。你让它写代码，它就闷头写，不会先花时间去翻你的 README、看你的贡献规范、研究你的项目结构。
这件事背后，是一个更深的东西：现在的 AI 智能体，是在"接任务"的层面工作，而不是在"加入团队"的层面工作。它像一个外包的临时工，接活就干，干完就走，从没想过要先了解这个团队怎么运作、有什么规矩。而真正的团队协作，恰恰是从"先读懂规矩"开始的。
这个发现戳破了一个幻觉：我们一直以为 AI 写代码的问题是"写不好"，其实更早的问题是"没搞懂该写什么、按什么规矩写"。
这里得解释一句，为什么是 AGENTS.md，而不是早就存在的 README。README 是给人看的，写给人看的文档，天然带着大量隐含假设：默认你知道这项目是干嘛的、默认你熟悉这套工具链、默认你会去翻相关链接。AI 不吃这一套。它要的是赤裸裸的、不带任何隐含假设的指令，最好精确到"你应该先做什么、再做什么、交活前必须检查什么"。AGENTS.md 干的正是这个：把人文档里那些"不言自明"的部分，一条条掰开揉碎了写给 AI。这俩的区别，就像给老员工看的公司介绍，和给第一天上班的新人看的操作手册。
2. 门控不是刁难，是给 AI 划了一条能走的路
AutoGPT 那四道门，外人看着像刁难，其实本质是给 AI 划了一条能走的路。
你想，一个临时工不懂规矩，最好的办法不是骂他，是给他一张写清楚规矩的说明书，再设几道必须过的检查点。AGENTS.md 就是那张说明书，PR 模板就是让他照着填的表，CI 覆盖率就是一道硬门槛，达不到就退回。
这套东西之所以管用，是因为它没指望 AI 变聪明，而是把"守规矩"这件事，从"靠自觉"变成了"靠流程"。AI 不用理解为什么要有测试，它只需要知道，测试覆盖率不够，门就过不去。这跟管理人其实是一个道理：别赌自觉，赌流程。
当然，这套门控也不是白来的。写 AGENTS.md、维护 PR 模板、调 CI 门槛，这些本身就是工作量。有人会问，花这么大劲去伺候一个 AI，值不值？AutoGPT 的答案其实已经给了：值，因为你不立规矩，AI 交上来的东西你根本没法用，返工的成本比立规矩高得多。这跟任何工程实践都一样，前期多花一小时定规范，后面省十小时收拾烂摊子。区别只在于，以前这套规范是给人定的，现在得给 AI 再定一套。
3. CLA 签名成了"人类探测器"，这招太妙了
四道门里，我最喜欢的是最后一道：CLA 签名。
CLA 是贡献者许可协议，签字需要走浏览器、走 OAuth 授权流程。这本来是法律上的例行公事，结果 AutoGPT 的人发现，这个流程 AI 智能体走不通，于是它阴差阳错地变成了一个"人类探测器"，用它能区分出哪个 PR 是人提的，哪个是 AI 提的。
这个发现妙在哪？妙在它没主动去"识别 AI"，而是反过来，用一个只有人才能完成的动作，把 AI 自然挡在了外面。你不是想装人吗？行，去走一遍浏览器登录加 OAuth，走不过来的，自然就不是人。
这比任何"AI 检测器"都靠谱。因为检测器是跟 AI 赛跑，永远在追；而 CLA 这种"人肉验证"，是给 AI 设了一道它天生跨不过去的物理门槛。这个思路，越想越有味道。
三、我的看法
我把话说得再直白点。过去一年，所有人都在卷"AI 写的代码能不能跑、跑得快不快、对不对"。但 AutoGPT 这个案例告诉我们，方向搞错了。真正卡脖子的，不是 AI 写得不好，是它根本不知道你项目里有什么规矩，也不知道你期望它交什么东西。
这其实是个特别朴素的道理，朴素到我们天天在管人的时候都在用，却忘了用在 AI 身上。你招个新人，第一件事不是让他直接写代码，是让他读文档、过 onboarding、熟悉规范。凭什么到了 AI 身上，我们就默认它跳过这一切直接开干？
所以我的结论很简单：下一波真正值钱的，不是"更会写代码的 AI"，是"更会跟 AI 定规矩"的能力。AGENTS.md 这种文件，还有那套门控流程，本质就是一门新的手艺，叫"AI 协作工程"。谁先把它吃透，谁就能让一个 AI 干出三个人的活，而不是让三个 AI 添一堆乱。
所以我越来越觉得，接下来会冒出一个新的工种，先叫它"AI 协作工程"。它的活儿不是写代码，是写那些 AI 读得懂的规矩，设计 AI 过得了的门控，调试人和 AI 之间的协作流程。这个岗位现在还藏在"运维""工程效率"这些老牌子的阴影里，但我觉得它迟早会独立出来，而且会火。原因很简单：模型能力越来越强，强到谁都能调，但能让一群 AI 在一个项目里不打架、不乱交活、守规矩地干活，这件事的门槛反而越来越高。
对每个已经在用 AI 写代码的人来说，这事有个最直接的启发：别光顾着让 AI 帮你写，先花十分钟，把你项目的规矩写成一份它读得到的文档。这十分钟，能省你后面十个小时的返工。
四、接下来看什么
三件事，我打算盯着：
第一，AGENTS.md 会不会变成一个行业标准。现在它还是 AutoGPT 这一家的做法，但思路太顺了，我赌它很快会被更多开源项目、甚至 GitHub 官方收编。等它成了标配，AI 写代码的协作方式会彻底定型。
第二，"人类探测器"这个副产物会不会被放大。CLA 签名能挡 AI，那反过来，会不会有人专门设计更多"只有人才能完成"的验证步骤，把 AI 从关键流程里筛出去？这条线很有意思，值得跟。
第三，门控会不会反过来限制 AI 的发挥。规矩立得太多，AI 就只会照着模板填，失去了它最值钱的"跳出来想"的能力。怎么在"守规矩"和"留创造"之间找平衡，是下一道难题。
回到开头那个头疼的问题。AI 提交的代码从"不可用"到"可用"，靠的不是 AI 变聪明了，是维护者终于学会了怎么跟这个不会读文档的新同事相处。说到底，AI 时代真正的分水岭，可能不是谁的模型更强，是谁更会给 AI 立规矩。你觉得呢，点个在看，让更多人看懂这场"人怎么管 AI"的必修课。