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 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 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 使用过人工智能编码工具。到 2026 年，84% 的开发人员 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和向机器可读格式的推进做出了回应。他们还发布了 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，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，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 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"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，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，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。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，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"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、GitBook State of Docs 2026、GitBook skill.md、Google Gemini API Docs MCP、Stack Overflow 2024 开发者调查、GitHub 2024 开发者调查、Index.dev 开发者生产力统计、Anthropic "What 81,000 People Want from AI", Anthropic "Claude is a space to think", Claude Opus 4.6, Notion Custom Agents, Atlassian Rovo in Confluence, DeepL "6 Translation Transformations", DeepL Customization Hub, GitBook open source documentation, GitBook auto-translate..
