AI i praksis – Agents.md

AI har fort fått rykte på seg for å være dreven på matematiske og logiske oppgaver. Kode-generering kan, innenfor de riktige rammene, føre til økt kodeproduksjon, raskere oppgaveløsning og bedre kodekvalitet. Tjenester som AI-drevne Pull-request reviews (PR-reviews) er i ferd med å komme på banen, blant annet hos Github Copilot. Oppe i alt er det da derfor lett å bli litt forvirret over hvor man skal starte med å iverksette en god og sikker struktur for å ta i bruk AI på sine prosjekter. Et punkt jeg ville anbefale er å ta en titt på Agents-filer.

Agenter her, agenter der

Agents-filer, eller Agents.md som mange kanskje kjenner de som, er egenskrevne instruksjoner som AI-modeller skal ta som utgangspunkt når den skal jobbe med en kodebase. Det er en tekst-fil, som oftest skrevet i markdown-format, som inneholder strukturvisning, dokumentasjon på kodeformat, sikkerhet og annet relevant innhold. Disse lever som oftest i rot-nivået av prosjektet.

Når man tar i bruk innebygde prompt-programmer som GitHub Co-pilot eller eksterne programmer som Opensource, vil de lete etter og aksessere filene for å få instruksjonene som “parametere” når man bruker AI-modellene.

Selve Agents.md er en åpen standard, men samtlige modeller i dag har en form for instruksjonsfiler som man kan legge til og endre på.

Selve filene kan inneholde mange forskjellige typer informasjon og instruksjoner for modellen, men som oftest vil den typisk ha en oversikt over prosjekts struktur, prosjekt-språket, programmerings-paradigmer samt andre diverse instrukser. Det er den siste biten som oftest blir den mest utfyllende. Har prosjektet en forutsetning på hvordan man skal skrive kode, ta i bruk eller ikke ta i bruk visse design-mønstre. Man kan som et eksempel, fortelle agenten at den aldri skal ta i bruk var over let, eller at man alltid skal ha et Interface for Controller-filer. Mulighetene er med andre ord mange og varierte. Det er også en del fallgruver man kan stupe hodestups ned i.

Dos and dont’s

Utgangspunktet for instruksjonsfilen er dokumentasjonen man har på prosjektet. Er det et allerede etablert prosjekt kan man fort sette sammen en instruksjon-fil basert på dokumentasjon og best-practice.

Til tross for alle fordelene man kan dra av en instruksjonsfil er det noen greie huskeregler IT felleskapet har kommet fram til. Noen negative fallgruver er blant annet at man lager en alt for lang/stor Agents fil. Dette kan føre til at AI-agenten vil kjøre mange spørringer og dermed bruke mer tid, det motsatte av hva man skulle tro en agent-fil ville bidra til.

Et annet relatert problem med store Agents-filer er potensialet for AI’en til å gå i hardt i tenkeboksen, altså at den kan falle i en sirkel av tenkning som fører til sløsing av tokens. Enkle spørringer kan plutselig føre til at man sitter i mange minutter og vente på svar fra AI’en. Mindre filer fører til mindre forvirringer for agenten, noe som gjør at den vil kjenne bedre til konteksten av hva oss brukere vil ha løst.

Noen spesifikke tips og triks:

Do’s:

- Konkrete og regel-baserte definisjoner

- Aksjonsbaserte regler. La reglene være skrevet som f.eks “gjør x når y”

- Dele opp prosjektet i mindre filer for å bedre beskrive prosjektet og innhold.

Don’ts:

- Lange forklaringer på hver enkelt aspekt av prosjektet

- Vage bekrivelser

- En altfor stor agents-fil

Et siste tips: Ta i bruk AI’en til å omskrive Agents-filen. Jeg har ved enkelte tider brukt følgende prompt for å “rydde opp” i tjenesten. Husk alltid å dobbelt-sjekke resultatet for å unngå feil og mangler:

I want you to refactor my AGENTS.md file to follow progressive disclosure principles. 

Follow these steps: 

Nyttig lenke: www.aihero.dev/a-complete-guide-to-agents-md