知识工程师的崛起
智能体已成公司知识最大受众（占文档流量66%），知识质量从写作问题升级为运营问题，企业需设「知识工程师」让知识在人机之间保持准确、可检索、一致。
智能体是公司知识最大的受众群体之一。2026 年 7 月，在 Mintlify 提供支持的文档中，它们占实测网络流量的 66%。
这些智能体背后是人。他们已经把阅读，乃至越来越多的行动，委托给了 AI 工具。开发者让编码智能体去集成 API。买家借助聊天智能体比较产品，甚至直接下单购买。客户依赖支持智能体来解决问题。
对于任何负责文档、帮助内容或内部知识的人来说，这份工作如今已不只是发布准确的页面。公司需要一套系统，让知识在人们和智能体工作的地方都保持准确、可获取、一致。负责这些系统的新兴角色，就是知识工程师。
知识智能体不该信任的代价
2024 年，加拿大航空的一个聊天机器人错误地告知一位客户，称其在完成旅行后可以申请折扣票价。当航空公司拒绝退款时，客户将争议提交至不列颠哥伦比亚省民事解决法庭。
法庭认定加拿大航空负有责任，裁定该航空公司对其网站上提供的信息负责，包括其聊天机器人提供的信息。
大多数智能体的失误并不会诉诸法庭。智能体找不到某个产品的答案，于是推荐了竞争对手。它检索到一个过时的 API 参数，生成了无法运行的代码。它发现相互冲突的政策，却选错了那一条。一旦智能体把错误信息当作权威，它就会把这一错误固化到生成的代码、支持回答和自动化工作流中，让同一个错误在成千上万次下游交互中反复出现。
知识质量是一个运营问题。
知识工作正从页面转向系统
技术文档工程师、知识库管理者、产品教育者和支持团队传统上一直专注于内容的制作与维护。这项工作依然重要，但范围正在扩大。
Decagon 产品教育负责人 David Hou 这样描述这一转变：
“智能体正在成为你知识的新受众，这带来了实实在在的产品要求：知识如何组织、包含什么内容、可检索性如何，以便智能体能够为用户端到端地完成有意义的任务。构建知识层不仅仅需要技术基础设施，还需要人员和运营基础设施——整个组织都必须参与进来，否则真正的单一事实来源永远不会出现。”
Elastic 的内容工程师、passo.uno 的作者 Fabrizio Ferri Benedetti 将这一新兴角色描述为“上下文策展人”：“一位能够围绕人类和 AI 双重需求——甚至仅专注于 AI——来编排和执行内容策略的技术文档工程师”。
他表示：“如果你的大部分文档由 AI 生成，但你能确保它做得好，并且能在 LLM 中产生预期效果，那就没关系。这些内容就是人们借助 AI 搭建代码大教堂所用的乐高积木。一旦你确保了这些积木准确无误且易于 LLM 访问，那项使命就完成了。另一项使命是帮助人类，他们需要对这些积木及其可能性有一种有主见的看法。”
知识工程师的职责
知识工程确保公司在内部使用、对外共享的信息，在人员、系统和 AI 智能体之间保持一致。
“成功的知识工程师能将分散在组织各处的不同信息源连接起来，并将其转化为有用的东西，”Mintlify 的知识工程师 Ethan Palm 说。“文档和公开内容对用户至关重要，但在内部，知识散落在不同的团队和工具中。你需要构建这样的系统：让信息对用户和团队而言都是可信且准确的。”
知识工程师负责设计内容背后的基础设施和流程。他们的职责包括：
- 建立权威来源和明确的负责人。
- 将产品发布、代码变更、支持工单和反馈与内容更新关联起来。
- 将知识以结构化页面、Markdown、llms.txt 索引、API 和 MCP 工具的形式发布。
- 定义术语、审核要求、权限和时效性标准。
- 衡量智能体搜索了什么、哪些问题没有得到解答，以及检索在何处失败。
工具可以自动化这一循环中的部分环节。Mintlify 可以向智能体提供 Markdown、生成 llms.txt 索引，并区分人类和智能体流量。知识工程师决定什么是权威的、如何保持其准确性，以及何时必须由人工审核。
智能体改变了人类的需求
人依然是重要的受众，但他们需要的文档有所不同。
智能体受益于详尽、结构化的信息，例如参数、约束、模式和流程。人类则需要帮助来理解系统为何如此运作、该选择哪种方法，以及哪些权衡取舍至关重要。
Drew Breunig 写道，“人类不需要详尽的文档，他们需要的是心智模型。细节可以交给智能体去查找。”他建议文档应当“帮助人们提出更好的问题、写出更好的指令”。
知识工程师为智能体提供可靠的源材料，同时帮助人类理解并运用这些材料。
知识工程思维的好处
让知识保持最新且易于获取
更新可以从其源头流出，而不必依赖某个人记得每一个下游页面。自动化检测与起草也缩短了产品变更与其说明之间的延迟。Coinbase 将文档更新时间从 20 多分钟缩短到 60 秒以内。
结构化内容、清晰的导航、Markdown、llms.txt 和 MCP 也有助于智能体无需猜测即可检索到正确的信息。
将缺口转化为改进
智能体的搜索与未解答的问题，揭示了页面浏览分析所遗漏的缺口。团队可以借此看到智能体在何处受阻，优先处理缺失的信息，并衡量一次更新是否解决了问题。
让团队能够排定优先级
领域专家可以审阅拟议的变更，而自动化系统则负责重复性的起草与分发工作。写作者和工程师得以腾出更多时间，投入到客户体验、产品采用和产品质量上。HubSpot 将投入在文档基础设施上的工程资源削减了 50%，让团队得以专注于开发者增长与留存。
知识需要有人负责
知识工程将内容创作与治理直接连接到工程、设计和产品团队所使用的系统，从而拓展了技术写作的范畴。
企业可以先明确责任归属，再考虑设立新职位。必须有人来识别权威来源、将更新与其源头关联、让知识可被检索，并衡量系统在何处失效。
“成为一名出色的知识工程师需要太多技能了，”Palm 说。“不要把自己局限在某个特定的头衔或任务清单上。你需要理解你和你的用户获取知识时所面临的问题。然后找到能够守护这些知识的人。”
优势将属于那些能最快将变化转化为可信、可用知识的公司——无论这些知识是供人使用，还是供代表他们行事的智能体使用。