DEV Community · Show DEV8/13 03:1462 分
480份真实AGENTS.md语料库：正则bug揭示启发式陷阱
I pulled 480 real AGENTS.md/CLAUDE.md files from 272 repos — and a regex bug taught me not to trust my own heuristics
开发者从272个生产仓库（含React、Grafana、LangChain等）提取480份真实的AGENTS.md/CLAUDE.md指令文件，构建开源语料库。分析发现：60%文件含明确禁止指令，仅23%提及密钥安全，中位长度60行。过程中两次正则匹配失误——首次误将Markdown表格识别为目录树（69%虚高，修正后降至17%），以及误匹配LLM上下文token而非API密钥。作者强调，小样本测试难以暴露此类启发式错误，大规模真实文本验证至关重要。仓库按SPDX许可证分层存储，可再分发许可文件完整收录，其余仅存元数据。