超越提示：光标规则的实证研究

尽管大型语言模型（LLM）已展示出惊人的能力，但研究表明其有效性不仅取决于明确的提示，还取决于提供的更广泛的上下文。这一要求在软件工程领域尤为突出，因为现有项目的目标、体系结构以及协作惯例在响应质量中发挥关键作用。为支持这一点，许多 AI 编码助手已引入了让开发者编写持久、机器可读指令以编码项目独特约束的方式。尽管这种做法正在增长，但这些指令的内容尚未得到研究。本文提出了一项大规模实证研究，以概述这种新兴形式的开发者提供的上下文。通过对 401 个包含光标规则的开源仓库进行定性分析，我们发展了一套全面的项目上下文分类法，将开发者认为至关重要的上下文组织分为五个高层主题：惯例、准则、项目信息、LLM 指令、示例。我们的研究还探讨了这种上下文在不同项目类型和编程语言中的差异，为下一代基于上下文的 AI 开发工具提供了启示。