# 2026 年的文档现状：定义下一个时代的五大趋势 > 人工智能读者数量增长了 500%。Notion 出货了 21,000 个代理。Confluence 有了 Rovo。GitBook 发布了《文档现状》。来自整个行业的五大趋势告诉我们文档的发展方向。 2026-04-03 · Tim Cadenbach · https://www.tcdev.de/zh/blog/the-state-of-docs-in-2026/ --- 每隔几个月，我都会抽出一个上午来阅读。不是阅读 Rasepi 代码，也不是阅读 GitHub 上的问题。竞争对手的博客、行业报告、主题演讲公告、开发者调查。只要是上个季度出货的、涉及文档、知识管理或人工智能辅助工作流的内容。 上周我做了这项工作，结果比我预想的更清晰。这并不是因为任何一项公告都具有突破性意义，而是因为有五种不同的趋势正在汇聚在一起，当你把它们排列在一起时，就会非常清晰地描绘出文档平台在未来两年需要做的事情。 以下是我的发现。 ## 1.人工智能现在是主要的阅读者。而不是人类。 GitBook 在他们的 [AI 文档数据报告](https://www.gitbook.com/blog/ai-docs-data-2025) 中公布了一个惊人的数字：2025 年，人工智能对文档的阅读量增长超过 500%。百分之五百。这可不是四舍五入的误差。 同时，Stack Overflow 的 [2024 年开发人员调查](https://survey.stackoverflow.co/2024/) 显示，61% 的开发人员每天花 30 分钟以上的时间搜索答案。但他们的搜索方式已经发生了变化。GitHub 自己的调查发现，[97% 的企业开发人员](https://github.blog/news-insights/research/survey-ai-wave-grows/) 使用过人工智能编码工具。到 2026 年，[84% 的开发人员](https://www.index.dev/blog/developer-productivity-statistics-with-ai-tools) 每天都会使用人工智能工具，41% 的代码现在都是人工智能生成的。这些人不是在浏览你的维基侧边栏。他们在询问克劳德或 Copilot，而人工智能正在代表他们阅读你的文档。 这其中的含义不言而喻。最常阅读文档的人不再是打开浏览器标签的人。而是一个正在进行检索调用的语言模型。而这个模型没有能力眯着眼睛看一页，然后想 "嗯，这个看起来过时了"。 GitBook 很早就发现了这一点，并通过他们的[State of Docs 2026 report](https://www.gitbook.com/blog/state-of-docs-2026)和向机器可读格式的推进做出了回应。他们还发布了 [skill.md](https://www.gitbook.com/blog/skill-md)，这是一种专门为人工智能代理构建产品信息的惯例。谷歌更进一步，推出了[Gemini API Docs MCP](https://blog.google/innovation-and-ai/technology/developers-tools/gemini-api-docsmcp-agent-skills/)，通过模型上下文协议将编码代理与当前文档连接起来。他们的理由很明确：代理会生成过时的代码，因为它们的训练数据有截止日期。MCP 修正使他们的评估通过率达到 96.3%。 因此，第一个趋势已经确定。人工智能是主要的阅读器。将此作为核心设计约束而非后期添加功能的平台将拥有结构性优势。 ## 2.新鲜度和信任元数据成为必备条件 Anthropic 于 2025 年 12 月采访了 [81,000 名克劳德用户](https://www.anthropic.com/81k-interviews)，并于 2026 年 3 月公布了调查结果。这是迄今为止对人工智能用户进行的最大规模的定性研究（159 个国家，70 种语言）。最受关注的问题是什么？不可靠。27%的受访者将其列为最担心的问题，其中79%的人有过亲身经历。 这个数字应该会让每个文档团队彻夜难眠。 当人工智能的答案不可靠时，问题并不总是出在模型上。通常情况下，模型只是忠实地再现了它在陈旧文档中发现的内容。模型并没有产生幻觉。你的文档只是出错了，却没有人标注出来。 Stack Overflow 的数据从另一个角度强化了这一点：[81%的开发人员](https://survey.stackoverflow.co/2024/) 预计人工智能将在未来一年中更多地融入他们的代码文档中。如果 81% 的用户正在将文档提供给人工智能，而 27% 的人工智能用户表示不可靠是最大的问题，那么你就遇到了信任问题，这是任何及时的工程设计都无法解决的。解决之道在于源头。 这就是为什么新鲜度元数据很重要。而不是 "最后编辑 "的时间戳（这些时间戳告诉你什么时候有人碰过文件，而不是内容是否仍然准确）。真正的新鲜度：审核状态、链接健康、翻译对齐、读者信号、内容漂移检测。机器可以读取的元数据，并利用这些元数据来决定文件是否可以安全引用。 我一直在回想一个简单的框架。你的文档需要一个信用评分。不是时间戳。而是信用评分。(我们一直在使用 Rasepi 的[新鲜度评分系统](https://www.tcdev.de/features/freshness)来实现这一点。） ## 3.翻译从 "项目 "转向 "管道" DeepL 在二月份发表了一篇名为["全球企业不能错过的 6 个翻译转型"](https://www.deepl.com/en/blog/six-translation-transformations)的文章。他们的论点是：翻译正在成为一项持续运营的挑战，而不是每季度进行一次的批量项目。 这与我所看到的一切不谋而合。 以前的模式很简单。用英语写作。当你有预算时，聘请翻译或通过服务机构进行翻译。翻译回来。上传。完成，直到下次。问题是，当你的产品每周发货，文档不断更新时，"下一次 "来得越来越快。当德文版从审核中返回时，英文源代码已经更改了两次。 DeepL 自己的 [Customization Hub](https://www.deepl.com/customization-hub)现在提供了词汇表、样式规则和格式设置，这很好。但是，如果这些工具不在文档平台上，你就需要管理一个翻译工具链：编辑器、导出、翻译、审核、重新导入、重复。每一步都有可能出现偏差。 Notion 完全没有本地多语言支持。Confluence 通过市场插件提供多语言支持。GitBook[于 2025 年 8 月添加了自动翻译功能](https://www.gitbook.com/blog/new-in-gitbook-august-2025)，这是一个步骤，但它是在页面级别运行的。 真正的转变是从页面级到块级。当你在段落层面跟踪翻译时，你只能重译实际发生变化的内容。一般情况下，40 个段落中可能有两个段落需要编辑。这就减少了 94% 的翻译工作。(这就是 Rasepi 的核心翻译架构，老实说，这也是我最引以为豪的地方。但即使抛开我们不谈，行业的发展方向也是明确的：持续、渐进、嵌入式翻译是未来的发展方向）。 ## 4.人工智能代理需要结构化的内容，而不是维基页面 当 Notion 在二月份发布 [Custom Agents](https://www.notion.com/blog/introducing-custom-agents)时，我就意识到了这一点。在早期访问期间，共创建了 21000 个代理。这些代理可以回答知识库中的问题、路由任务、编制状态报告。仅 Ramp 就有 300 多个代理。 Atlassian 也朝着类似的方向发展。[Confluence 中的 Rovo AI](https://www.atlassian.com/blog/confluence/create-and-edit-with-rovo)从 Atlassian 和第三方应用程序中提取上下文来生成内容。他们的口号是"以团队现有工作为基础，提供语境丰富的高质量内容"。 然后 Anthropic 推出了[Claude Code 中的代理团队](https://www.anthropic.com/news/claude-opus-4-6)，多个人工智能代理可自主协调完成复杂任务。Opus 4.6 在 8 针 100 万 MRCR 基准测试中的得分率为 76%（比前一型号的 18.5% 有所提高），这意味着它能真正检索到深埋在海量文档集中的信息，而不会迷失方向。 这三家公司都在开发能消耗文档的代理。它们都没有解决源质量问题。 Notion 的定制代理文档明确承认，当代理读取不受信任的内容时，存在[提示注入风险](https://www.notion.com/blog/introducing-custom-agents)。Atlassian 的 Rovo 会抓取在 Confluence 中找到的任何内容。如果这些内容已经过期三个月，Rovo 也不会知道。无论如何，它都会在此基础上进行构建。 要让代理可靠地工作，它们需要的不仅仅是几页文本。它们需要具有稳定标识符的结构化内容、明确的新鲜度信号、清晰的分类元数据，以及区分 "这是最新的并已审核过的内容 "和 "这是存在的但一年来没人碰过的内容 "的能力。维基页面不具备这些功能。而具有信任元数据的结构化块级内容则能做到这一点。 ## 5.开源和自托管正在卷土重来 最后一条更像是一种有数据支持的直觉，而不是一个单一的公告。 2024 年底，GitBook [将其发布的文档开源](https://www.gitbook.com/blog/free-open-source-documentation)，并启动了开源软件基金。他们的理由是：开源项目理应获得免费、高质量的文档工具。但此举也预示着更广泛的意义。 Notion 仅提供云服务。没有自托管选项。Confluence Data Center 存在，但需要许可证。当您的文档平台保存着最敏感的操作知识（事件操作手册、合规程序、架构决策）时，"谁来控制这些数据？"这个问题并不抽象。 Anthropic 在二月份发表的["Claude is a space to think"](https://www.anthropic.com/news/claude-is-a-space-to-think)一文中就信任和商业模式提出了一个有趣的论点。他们的核心主张是：广告激励与真正有用的人工智能助手是不相容的。他们选择了无广告的方式，这样用户就能信任这个工具。 我认为文档平台也有类似之处。如果你的文档系统是封闭源代码的，而且仅限云端，你就无法验证它向人工智能提供了什么。你无法审核新鲜度计算。你无法确保数据在你的掌控之中。对于在知识库之上部署人工智能助手的团队（越来越多的人都在这么做）来说，可审计性非常重要。 这并不是一场关于开源在道德上更优越的论战。闭源产品绝对值得信赖。但当你在内部文档的基础上构建人工智能驱动的工作流程时，检查和验证系统的能力是一个实际的优势。对我们来说，MIT 许可 Rasepi 并不是事后才想到的。它是基于同样的逻辑做出的设计决定：文档基础架构应该是可审计的。 ## 这五大趋势的共同含义 单独来看，每种趋势都是可控的。人工智能会阅读你的文档？好吧，添加一些机器可读的元数据。新鲜度很重要？好，添加审核日期。翻译需要连续性？当然，整合 DeepL。代理需要结构？很好，改进内容模式。主权很重要？很好，提供自托管选项。 但综合来看，它们所描述的平台与大多数团队目前使用的平台有着本质区别。 差距在于架构。这并不是你可以随意添加的五项功能。它们是需要嵌入到基础中的五个假设。内容的存储方式（块级，而非页面级）。如何建立信任模型（新鲜度分数，而非时间戳）。翻译如何进行（增量、嵌入式、按段落）。人工智能代理如何访问内容（带元数据的结构化应用程序接口，而不是页面搜刮）。如何控制数据（开放、可审计、可自托管）。 没有一个成熟的平台是同时围绕这五个方面设计的。有些平台正在逐一添加。GitBook 在人工智能可读性方面进展最快。Notion 正在构建代理基础架构。Atlassian 拥有企业级发行版。 但从一开始就为这五个方面进行设计？这就是在环境发生变化时重新开始的优势。 我意识到自己有失偏颇。我们之所以建立 Rasepi，就是因为我们看到了这些趋势的交汇点，并希望有一个平台能从一开始就考虑到所有这些趋势。块级翻译、强制过期、新鲜度评分、结构化人工智能就绪内容、开源。这是整个项目的论点。 但即使我们不存在，我认为任何对 2026 年第一季度发生的事情的诚实解读都指向同一个方向。文档正在成为基础设施。而基础设施与维基页面有着不同的要求。 最先意识到这一点的团队将不仅仅拥有更好的文档。他们还将拥有更可靠的人工智能代理、更低的翻译成本、更少的合规意外，以及长期保持可信度的知识库。 这就是 2026 年的文档现状。问题不在于这些趋势是否真实存在。而是您的平台是否为这些趋势而设计。 > 五大趋势。一个架构问题：你的文档平台是为 2026 年设计的，还是仍在为 2016 年的假设服务？ --- *Sources：[GitBook AI 文档数据报告](https://www.gitbook.com/blog/ai-docs-data-2025)、[GitBook State of Docs 2026](https://www.gitbook.com/blog/state-of-docs-2026)、[GitBook skill.md](https://www.gitbook.com/blog/skill-md)、[Google Gemini API Docs MCP](https://blog.google/innovation-and-ai/technology/developers-tools/gemini-api-docsmcp-agent-skills/)、[Stack Overflow 2024 开发者调查](https://survey.stackoverflow.co/2024/)、[GitHub 2024 开发者调查](https://github.blog/news-insights/research/survey-ai-wave-grows/)、[Index.dev 开发者生产力统计](https://www.index.dev/blog/developer-productivity-statistics-with-ai-tools)、[Anthropic "What 81,000 People Want from AI"](https://www.anthropic.com/81k-interviews), [Anthropic "Claude is a space to think"](https://www.anthropic.com/news/claude-is-a-space-to-think), [Claude Opus 4.6](https://www.anthropic.com/news/claude-opus-4-6), [Notion Custom Agents](https://www.notion.com/blog/introducing-custom-agents), [Atlassian Rovo in Confluence](https://www.atlassian.com/blog/confluence/create-and-edit-with-rovo), [DeepL "6 Translation Transformations"](https://www.deepl.com/en/blog/six-translation-transformations), [DeepL Customization Hub](https://www.deepl.com/customization-hub), [GitBook open source documentation](https://www.gitbook.com/blog/free-open-source-documentation), [GitBook auto-translate](https://www.gitbook.com/blog/new-in-gitbook-august-2025).*.