我构建了一个基准测试，用来检验AI代理是否违反架构规则。结果显示没有违规。（空结果，附带测试工具和数据）

常见的说法是：你的CLAUDE.md/AGENTS.md是指导，lint规则是执行，而AI编码代理会偏离文本，因此你需要确定性的规则。我想量化这个差距。我从近乎全面的24,888个公共TypeScript仓库中挖掘了一个真实的导入边界规则（请求入口文件不得导入UI组件），然后在现实编码任务上运行了Claude、GPT和Gemini，跨四种条件，从无防护的控制到将规则安装为硬性lint错误。接着，我针对最容易出错的情况：让任务更长，并故意引导其趋向违规，在无防护情况下运行了一组更便宜、更弱的模型。在所有运行的模型和条件下：零违规。即使没有规则和指导。即使是较弱的模型。在这个规则上，没有什么需要执行来修复的。这是一个狭窄的结果（一个导入边界，一个仓库），我在文章中对此很谨慎。尽管如此，我还是发布了这个空结果，连同预注册、测试工具和原始运行数据，因为负面结果是我们避免追逐相同死胡同的方式。好奇是否有人能让代理打破我未能打破的推断导入边界。