AI 在文档中：文档的动态转变，大多数人似乎忽视
Source: Dev.to
文档使用者的转变
我已经担任高级技术写作者超过 6 年，可以自信地说，文档的使用者已经从人类用户和开发者转向了 AI 代理。
两年前，大家关注的热点是 “AI 会取代技术写作者吗？”——今天讨论的已经不是 是否 而是 何时。许多公司已经在用 AI 驱动的工作流取代整个技术写作团队。
当我们思考到底是谁在消费文档内容时，答案越来越明确：AI 模型正成为主要的阅读者。
开发者现在常常向他们的 AI 编码助手查询如何完成特定任务的细节。即使已经发现了某个产品，他们也更倾向于让 AI 直接获取资源，而不是手动在文档中搜索。
对技术写作者的影响
这种转变直接影响我们的工作方式。能够在 AI 时代保持领先的组织，是那些 为 AI 代理优化文档 的组织。传统的 SEO 手段已经不够；AI 代理会根据内容直接回答查询的程度来推荐文档。
关键影响
- 文档必须 易于被 AI 模型发现。
- 内容应 简洁、结构化，且没有不必要的冗余。
- FAQ 成为宝贵资产，因为它们直接对应 AI 代理常被问到的问题。
面向 AI 的文档最佳实践
1. 提供 llms.txt 指令
在文档站点根目录下添加 llms.txt 文件（例如 https://yourdocs.com/llms.txt）。该文件应描述站点结构并包含相关页面的链接，功能类似于搜索引擎的 sitemap.xml。
2. 以 Markdown 提供文档
AI 模型通常更喜欢 .md 文件，因为它们比 HTML 消耗的 token 更少。为每个页面保留 Markdown 版本，并在 llms.txt 中引用。
3. 确保内容协商的一致性
当 HTML 与 Markdown 版本共存时，确保内容 完全相同。不一致会向 AI 代理发送混淆信号。
4. 优化内容结构
- 使用 直接的语言，避免填充。
- 在每页加入 FAQ，以回答常见查询。
- 使用标题、列表和代码块保持清晰的层次结构。
5. 构建支持性 AI 工具（可选）
部署如 MCP 服务器之类的工具来托管文档，使用户和 AI 代理都更容易定位相关信息。
6. 遵循面向代理的规范
Dachary Carey 与社区贡献者维护了一套 面向代理的文档规范，该规范概述了 AI 编码代理定位和解释文档的常用模式。AFDocs 工具实现了该规范，并提供测试环境。
使用 AFDocs 测试你的文档
AFDocs CLI 可以评估你的文档与面向代理规范的符合程度。
npx afdocs check https://docs.example.com --format scorecard将 https://docs.example.com 替换为你想要测试的站点 URL。该命令会返回评分以及可操作的改进建议。
前进的方向
文档团队应开始把 AI 代理视为主要受众，尤其是面向开发者的文档。在规划信息架构和内容结构时，请牢记上述建议。
你还有哪些构建和维护面向 AI 文档的技巧？ 在评论中分享你的经验——让我们一起学习团队是如何应对 LLM 时代的挑战。