随着开发者越来越多地使用AI，他们开始通过编写和结构化文档来为AI工具提供上下文，以提高其自主性和准确性。这一趋势推动了文档驱动开发，开发者不仅编写代码，还深入理解信息架构和语义标记。技术写作因此变得更加重要，技术作者需要成为上下文的管理者，为AI提供清晰的指引和背景信息，帮助其在复杂系统中完成任务。

标题：AI必须“读手册”：技术写作者如何成为情境策展人

主要内容：

近年来，开发者在使用AI工具时，逐渐意识到文档的重要性。他们开始将文档编写和结构化，以便AI工具能够更准确地自主构建解决方案。这种趋势被称为“文档驱动开发”，开发者们不仅编写代码，还更多地关注信息架构、语义标记和文档标记。AI工具需要依赖高质量的上下文信息来生成准确的输出，因此开发者们开始重视文档的编写和维护。

情境的重要性：

大型语言模型（LLMs）通过处理输入的文本来生成输出，输出的质量直接取决于输入的质量。开发者们发现，编写清晰、准确且结构化的提示（prompts）可以显著提高LLMs的响应质量。随着LLMs的不断发展，开发者们特别关注“上下文窗口”的大小，即能够输入给LLM的信息量。更大的上下文窗口意味着可以输入更多的信息，从而让LLM在更广泛的上下文中生成更准确的输出。

情境策展人的角色：

在这种背景下，情境策展人的角色应运而生。情境策展人是技术写作者，他们能够围绕人类和AI的需求（或仅针对AI）制定和执行内容策略。情境比内容更重要，因为它与意义紧密相关。AI需要情境来塑造其思维，因此情境策展人的工作至关重要。技术写作者应主导AI驱动的文档流程，包括情境的策展。

技术写作者的未来：

技术写作者不仅在API设计和开发中扮演关键角色，如今他们的工作范围已扩展到所有类型的软件开发。最前沿的技术写作团队已经开始提供专门为LLMs优化的文档格式，如llms.txt文件和LLM优化的Markdown。未来，技术写作者将像艺术策展人一样，帮助用户理解和使用文档，确保内容对LLMs和人类都易于访问和理解。

总结：

技术写作者正在从传统的文档编写者转变为情境策展人，他们的工作不仅帮助人类理解复杂系统，还为AI提供了必要的上下文信息。随着AI工具的普及，技术写作者的角色将变得更加重要，他们将继续在软件开发中发挥关键作用。

1. AI工具的局限性：

   • 评论5（devmor）指出，AI工具在解决复杂问题时需要用户提供详细的上下文，且效率提升有限。"A programmer who expects the LLM to solve an engineering problem is rolling the dice and hoping."
   • 评论6（coffeecoders）认为，AI的主要作用是将自然语言请求转换为结构化参数，而非真正解决问题。"The LLM’s real job in this flow is mostly translating your natural language request into structured parameters."

2. 文档与代码质量：

   • 评论2（bgwalter）提到，许多公司因雇主要求而添加AI优化文档，但这些文档通常出现在低质量代码库中。"They add claude.md files because they are forced by their employers."
   • 评论7（epolanski）认为，AI迫使开发者更注重文档和规划，这对代码库和团队都有益。"LLMs are forcing me to plan, document and define everything, and I think that’s making the codebases/documentation/tests/prs and myself all better."

3. 技术写作与AI的结合：

   • 评论9（jimbokun）认为，技术写作者最适合为AI提供清晰的系统描述。"Giving the LLM a clear, thorough, fluent description of the system requirements, architecture, and constraints sufficient to specify a good implementation."
   • 评论3（actuallyalys）对技术写作是否已普遍为AI优化表示怀疑。"I find this hard to believe. I‘m not sure I’ve ever seen llms.txt in the wild."

4. AI工具的使用体验：

   • 评论10（sixtyj）分享了自己使用AI工具的经验，指出需要花费大量时间编写和优化指令。"I have spent last two months using Google Gemini with 1 mil token window, and I have to say - inaccurate assignment leads to inaccurate result."
   • 评论4（tokyolights2）询问AI如何处理API更新，并认为自动化可能促使库维护者减少不兼容更新。"Maybe a secret positive outcome of using automation to write code is that library maintainers have a new pressure to stop releasing totally incompatible versions every few years."

总结：评论中对AI工具的看法较为复杂，既有对其局限性和使用难度的批评，也有对其在文档和代码质量提升方面的肯定。技术写作与AI的结合被认为有潜力，但实际应用仍存疑。