Проект Docsy с открытым исходным кодом, созданный Google для построения сайтов документации с помощью генератора статических сайтов Hugo, переходит в Linux Foundation в то время, когда техническая документация становится непосредственным источником информации для ИИ-агентов, а не только для разработчиков.
Erin McKean, инженер по связям с разработчиками в Google и член руководящего комитета Docsy, объявила об этом шаге в ходе выступления в среду на европейском саммите Linux Foundation по открытому исходному коду в Праге. Переход отчасти связан с распространением Docsy в экосистеме проектов, связанных с организацией: к концу 2024 года его использовали около 2 200 проектов, включая проекты Cloud Native Computing Foundation, такие как Kubernetes, OpenTelemetry, gRPC и Jaeger.
Проект документации, ориентированный на автоматизированную аудиторию
О Docsy впервые объявили в 2019 году. Это шаблон с открытым исходным кодом для технической документации, который можно использовать с открытыми или закрытыми проектами. Однако последние изменения сосредоточены на том, как инструменты искусственного интеллекта получают доступ к контенту, и на формате инструкций, необходимых этим инструментам для выполнения задач, связанных с проектами.
Начиная с версии 0.15.0, выпущенной в мае, Docsy может создавать версию каждой страницы в Markdown наряду с обычной HTML-версией, а также генерировать файл llms.txt, предоставляющий индекс содержимого сайта. Обе функции являются необязательными и экспериментальными.
В версии 0.16.0, выпущенной в июле, появилось руководство по обновлению, составленное так, чтобы автоматизированный помощник мог следовать ему; в него включены условия, шаги и операции проверки. Версия 0.17.0, выпущенная в августе, добавила скрытую директиву в верхней части каждой страницы для пользователей, активировавших llms.txt, чтобы направлять посещающих агентов к индексу сайта. Эта функция также остаётся экспериментальной.
Что меняется на практике?
Docsy переводит часть задачи по улучшению документации от простого форматирования страниц для чтения людьми к организации контента таким образом, чтобы модели и агенты могли находить, понимать его и следовать ему. Для проектов, зависящих от участников или внешних пользователей, это может означать направление инструментов искусственного интеллекта к более понятной версии инструкций вместо того, чтобы оставлять им возможность выводить инструкции из общедоступных HTML-страниц.
McKean говорит, что более качественная документация может сократить число рутинных вопросов, поступающих к сопровождающим, поскольку ответы становятся доступны пользователям до вмешательства сопровождающего. Это потенциальная операционная выгода для проектов, но сама по себе она не означает, что агенты будут правильно понимать содержание или что документация автоматически станет точной.
Следующий шаг: измерение пригодности для чтения агентами
Команда Docsy работает над тем, что называет AF documentation scores — показателями пригодности документации для агентов. Цель состоит в том, чтобы предоставить сопровождающим метрику для оценки способности инструментов искусственного интеллекта обнаруживать документацию, перемещаться по ней и использовать её, вместо того чтобы ограничиваться догадками.
Источник пока не уточняет, как будет выглядеть эта метрика, каковы будут её окончательные критерии и когда она будет запущена. Кроме того, функции Markdown, llms.txt и связанные с ним директивы являются необязательными и экспериментальными, поэтому их практическое влияние по-прежнему зависит от того, будут ли проекты их внедрять, а также от качества создаваемого ими исходного контента.