一个反直觉的事实:AI时代,代码比文档更适合承载企业知识

前言

很快我们就将进入人决策、AI执行的工作与生活模式，而当下由于大模型形成的提升，已经让”代码即文档，文档即代码” 成为现实，这就引出一个问题：在AI时代文档与代码，谁更适合承载知识？这个答案对人和大模型截然不同，这也是被AI所颠覆的一个领域。

一、核心结论（一图胜千言）

在展开之前，先用一张表格从不同的维度，说明文档与代码对于人与AI的差异：

二、对人：为什么文档远比代码友好？

2.1 认知负荷理论（Cognitive Load Theory）

人工作记忆极其有限（7±2 个组块）。阅读代码等于同时执行：

读代码的认知成本 = 语法解析 + 控制流追踪 + 状态推断 + 类型推导 + 副作用识别 + 意图猜测

每一步都在消耗珍贵的工作记忆。而文档直接给抽象后的心智模型。

2.2 人理解一件事的典型路径

下图是我们理解一件事情的典型路径

文档给人提供"地图"，代码只是"地形"。没有地图走地形，对我们来说成本指数级上升。因此我们才会有屎山代码一词，才会让会编码成为我们额外的一项技能。

从传统的视角看：代码是在需求、设计文档之上长出来的东西，文档比代码重要上千倍，此时文档成为知识传承的不二法门。

但对于大模型呢，则完全就是另外的一个规则运行的智能世界。

三、对大模型：为什么代码是更优载体？

3.1 大模型训练本质

大模型的训练数据构成（估算比例）：
├── 代码数据：~15-25%（GitHub、StackOverflow、技术文档中的代码块）
├── 自然语言：~70-80%（书籍、网页、论文、对话）
└── 结构化数据：~5-10%（JSON、XML、表格）

关键洞察： LLM 在代码上表现好不是因为代码数据多，而是因为：

代码是”高熵信息”

— 每一行都有精确语义，几乎没有冗余
代码有严格的语法约束

— 提供了 token 级别的强预测信号
代码可以自验证

— 编译/运行错误提供明确的反馈信号

3.2 大模型理解代码的独特优势（人没有的）

人读代码：线性扫描 → 构建语法树 → 逐步推断语义 → 容易迷失
大模型读代码：全局注意力 → 同时关注所有 token → 并行推断 → 从不迷失

人读代码：看到 100 行代码，第 1 行到第 100 行逐行推进
大模型读代码：看到 100 行代码，第 1 行和第 100 行和第 50 行被同时"关注"

能力维度	人	大模型
上下文窗口	极有限（工作记忆约束）	128K ~ 1M tokens
注意力机制	线性推进，容易丢失上下文	全局自注意力，不丢上下文
跨文件追踪	困难，需要频繁跳转	轻易（只要都在 context 里）
模式识别	需要经验积累	训练中已见过数亿模式
语言/框架切换	有切换成本	近乎零成本
从代码推断意图	困难，需要领域知识	较强（训练中见过无数代码-意图对）

3.3 代码对 LLM 更友好的深层技术原因

原因1：代码是”确定性信息”

LLM 从代码中获取的信息密度远超文档。代码是 Single Source of Truth，文档只是对它的注释——而注释可能过期。

原因2：代码可以自带”验证闭环”

LLM 生成代码后可以执行验证（编译、测试、lint），形成反馈循环。而文档质量只能靠人工判断，LLM 缺乏”文档好不好”的客观信号。

代码 → 编译/运行 → 错误 → 修正 → 再编译 → 通过 ✅  （有客观终止条件）
文档 → 人类阅读 → 模糊反馈 → 不知道怎么改 🤷      （没有客观终止条件）

原因3：代码的 token 效率更高

同样传达”这是一个 HTTP GET 请求”：

载体	示例	Token 数	歧义度
自然语言文档	“这个接口用于获取用户列表，需要传入页码参数”	~15 tokens	高（什么参数名？返回值？）
OpenAPI Spec	`get /users?page={int}`	~5 tokens	低（结构化，可直接生成代码）
实际代码	`fetch('/api/users?page=1')`	~6 tokens	零（可直接执行）

原因4：代码训练数据的”对齐信号”更强

代码有严格的语法结构，其信息噪声极低。

自然语言文档可以写成任何风格，同一件事十个人能写出十种句式。但代码的语法是法律——if后面必须跟条件表达式，函数定义必须有明确签名，类型必须匹配。这意味着：

同样的语义，代码的表达方式高度收敛（不是”能这么写”，是”只能这么写”）
大模型训练时不需要浪费参数去学”这段文字到底什么意思”——语法已经把结构锁死了
每个 token 的信息密度极高，几乎没有废话

四、最后总结

人与大模型的核心差异

人类理解系统的方式：抽象概念 → 具体实现（需要先建立心智模型，才能理解代码细节）

大模型理解系统的方式：具体实现 → 抽象概念（从代码中直接提取模式，自动归纳意图）

这意味着：

对人类：

文档是”必需品”，代码是”验证手段” 。人认知系统天然依赖抽象和故事，代码的认知负荷过高。没有文档的代码对人类如同迷宫。

对大模型：代码是”充分条件”，文档是”锦上添花”。

大模型的全局注意力机制让代码成为极高信息密度的载体。代码的确定性、可验证性和精确性对大模型是天然优势。

大模型能从代码中提取人类需要读文档才能获得的”意图”——这是人类做不到的。

很快企业将进入人决策、AI执行的混合工作模式，人决策需要的知识依然需要文档化，而AI执行所需要的知识，则代码化却是最佳的知识承载形式。

文档是代码诞生之源，却又是比文档更精准、信息密度更高、更适合AI的知识表达；而反过来，文档又是代码的一种表达方式：基于代码可以随时形成各种需要的文档。