生成式 AI 正在从 "问答工具" 进化为智能体 AI（Agentic AI）—— 它不再只是回答问题，而是能自主完成复杂任务、做出决策、自动化整个工作流。

但一个被很多人忽视的关键问题是：这些自主运行的 AI 系统，依赖你的技术文档来理解世界、执行任务。如果你的文档还是传统的、非结构化的格式，AI 就无法准确、可靠地工作。

这篇文章来自全球知名 DITA CCMS 厂商 Heretto，系统阐述了企业如何将技术文档改造为 AI 可用的 "权威信息源"。

一、先搞懂：Agentic AI 到底是什么？

生成式 AI 和智能体 AI 不是一回事。

• 生成式 AI是内容创作者：你给它一个提示词，它生成一段文字、一张图或一段代码。它的工作到 "生成" 就结束了。
• 智能体 AI是任务完成者：它以生成式 AI 为推理引擎，理解目标、制定计划，然后真正执行—— 调用软件、操作数据库、完成一整套工作流。

举个例子：你让生成式 AI 写一封邮件，它写完就结束了。但智能体 AI 可以管理你的整个收件箱 —— 自动分类消息、起草回复、安排会议。

智能体 AI 的工作循环是四步：感知 → 推理 → 行动 → 学习。它从各种数据源收集信息，用大模型分析并制定计划，然后调用工具执行，最后从结果中学习改进。

二、AI 对内容有五个 "苛刻要求"

人类读者可以容忍模糊的表述、隐含的上下文和不一致的格式 —— 但 AI 智能体不行。它需要明确的结构和语义清晰度才能准确工作。

1. 颗粒度与原子性AI 最擅长处理小块、自包含的信息单元。传统文档把信息堆在大段文字里，AI 很难精确检索。结构化内容把信息拆成模块化、可复用的组件，AI 可以精准地找到需要的那一块，而不是从一大段文字里 "猜"。

2. 语义丰富性AI 不只是需要关键词 —— 它需要理解概念之间的关系。这包括明确的关系映射、层级结构和上下文元数据，帮助 AI 在更广阔的业务语境中理解信息。

3. 上下文清晰度人类可以推断缺失的细节，但 AI 不行。它需要明确的前提条件、依赖关系和完整上下文。比如一个操作步骤，AI 需要知道 "在什么条件下执行"、"执行前需要什么"、"执行后如何验证"。

4. 一致性与标准化不一致的术语、格式和结构会严重降低 AI 的准确率。AI 擅长模式识别，但表达上的细微差异就可能让它困惑。

5. 机器可访问性内容必须是机器可读的、可编程访问的，不能被展示层的格式（比如 Word 的样式、PDF 的排版）所遮蔽。这要求内容模型以数据为中心，把信息和展示分离。

三、AI 自主度的 "五级阶梯"

企业不敢让 AI 完全自主，是有道理的。一步到位的自动化往往以灾难收场。

Heretto 提出了一个**"权威阶梯" 模型**，建议企业分五个阶段逐步授予 AI 自主权：

第 1 级：起草（Draft）AI 只做草稿，人类审核。比如 AI 起草邮件回复、生成报告初稿，人类修改后才能发布。这是完全安全的测试阶段。

第 2 级：建议（Recommend）AI 分析情况并提出行动建议，但需要人类批准才能执行。比如 IT 支持 AI 分析了一个工单，推荐一套排查步骤，人类决定是否执行。

第 3 级：批准后执行（Execute with Approval）AI 制定多步计划，人类点击 "批准"，AI 就自动执行整个流程。比如 AI 提出部署软件补丁的计划，批准后自动运行脚本并验证安装。

第 4 级：沙盒内自主执行AI 可以自主运行，但行动被限制在隔离的测试环境中，不影响生产系统。这是正式上线前的最后测试。

第 5 级：监控下自主AI 在生产环境完全自主运行，但有实时监控系统，人类随时可以介入、覆盖或关停。

两个常见的失败模式：

• 跳级：一下子给未经验证的 AI 太多自主权，导致重大错误和信任崩塌。
• 停滞：过于谨慎，长期停留在最低级别的自主，无法实现自动化的价值。
  

四、如何把你的内容变成 AI 的权威来源？

这是最核心的部分。结构化内容不是 "把 Word 转成 XML" 那么简单 —— 它是一整套内容工程方法。

原则 1：从清晰的内容模型开始内容模型就像建筑蓝图，定义了信息的类型、它们之间的关系和每个组件的属性。

比如一个故障排查流程，可以拆成：问题描述、症状、前提条件、详细步骤、验证标准 —— 每个组件都带上元数据。这样 AI 可以独立检索和评估每个部分，精准执行任务。

原则 2：一次编写，处处发布（模块化）把信息拆成小的、可复用的块。就像程序员用代码库一样，模块化内容支持高效更新和一致性维护。

一个软件安装指南可以拆成：系统要求、下载说明、配置步骤、验证流程 —— 每个模块可以在不同场景下复用。AI 可以根据用户的具体情况，动态组合出个性化的、准确的回答。

原则 3：用语义和标签赋予内容上下文AI 需要理解意思和上下文，不仅仅是关键词。

语义丰富化包括：统一术语表、受控词汇、结构化元数据。更进一步，还要有概念关系、上下文关联和层级结构 —— 比如让 AI 知道 "身份验证" 是 "安全流程" 的一种，与 "用户管理" 和 "访问控制" 相关。

原则 4：建立单一事实来源不要在多个文档或平台里重复内容。集中管理一个版本，所有渠道复用。

这确保 AI 永远访问最准确、最新的信息，消除不一致性带来的错误。当单一来源更新时，变更自动传播到所有引用它的地方 —— 减少手动维护和版本漂移。

对 AI 来说，一致性至关重要：它支持模式识别、确保输出可靠、支持大规模准确决策。

原则 5：用版本控制保持内容准确性AI 的准确输出不仅需要最新信息，还需要知道内容的版本、审批状态和历史上下文。

版本管理确保 AI 能区分草稿、已发布和已弃用的内容，降低引用过时或不完整信息的风险。清晰的生命周期状态也能防止 AI 拉取过时的指导。

五、行动路线图：六步走

改造技术内容不是一蹴而就的。以下是一个务实的路径：

第一步：内容审计与评估先摸清家底。评估现有文档的结构、一致性和完整性，找出缺口、冗余和可以模块化的机会。

第二步：分阶段迁移不要试图一次转换所有内容。从高价值的内容类型开始 —— 比如故障排查指南、操作流程、参考资料 —— 这些地方 AI 能立即创造价值。

第三步：选择工具与平台选择支持结构化格式（如 DITA 或 XML）的组件内容管理系统（CCMS）。重点考察：元数据管理、版本控制、API 集成能力。

第四步：与 AI 系统集成确保结构化内容能直接流入你的智能体 AI 平台。建立 API 连接、实时同步和监控系统。

第五步：试点与迭代从小范围开始，用一个聚焦的 AI 用例测试。找出摩擦点，收集反馈，早期迭代。

第六步：治理与流程对齐定义明确的内容标准，让日常运营嵌入结构化创作、审批和版本控制的实践。培训内容团队：AI 就绪的文档长什么样，以及为什么这件事重要。

六、怎么知道你的 AI 内容战略有效？

传统的指标（页面浏览量、下载量）已经不够了。你需要从两个角度衡量：AI 的效果和用户体验。

关键指标包括：

• AI 准确率与相关性：AI 给出的回答有多准确、多相关？
• 支持工单量与成本下降：AI 自助服务处理了多少常规咨询？
• 用户满意度：用户从 AI 交互中得到的帮助有多大？
• 问题解决速度：用户通过 AI 找到解决方案有多快？
• 内容投资回报率：开发成本 vs. 节省的支持成本、改进的体验。

数据显示：投资结构化内容的企业，运营成本最高可降低 30%，AI 系统能处理多达80% 的常规咨询。

智能体 AI 正在从概念走向落地。但很多人没有意识到：AI 的能力上限，取决于喂给它的内容质量。如果你的技术文档还是一堆格式混乱、术语不一、埋在长段落里的 Word 文档，再强大的 AI 也发挥不了作用。结构化内容 —— 尤其是 DITA 这样的行业标准 —— 不是 "过去的技术"，而是 AI 时代的基础设施。

正如行业专家 Michael Iantosca 所说："几年前，有人宣称 DITA 已经过时。如今，在生成式 AI 时代，DITA 正以 AI 内容未来的形式重获新生。"

改造文档，不是成本，而是 AI 时代的入场券。

原文：Heretto, "How to Be an Authoritative Source for Agentic AI", 2025 年 7 月

关于摩拿科技

摩拿科技（Manualsware）是一家聚焦 AI 时代结构化文档的数字化解决方案供应商，核心团队拥有华为、SAP 等国际企业从业背景，深耕结构化文档、DITA、CCMS、多语言本地化领域多年。公司致力于为企业提供从内容创作、管理、发布到 AI 赋能的全链路服务，助力企业将文档转化为核心知识资产，支撑业务智能化、全球化发展。