技术写作中的LLM智能体

如今，随着新技术工具的出现以及人类在线上和线下互动模式的增加，新知识正在以前所未有的速度被创造出来。新知识可能出现在不同的场合，例如商务会议、客户会议、外部活动等。新知识也以多种形式呈现，如会议记录、笔记、截图、照片、音频等。知识可以以不同格式存储在各个组织的工作空间中。知识具有内在价值，可以通过来自可信来源的信息进行丰富，并可被利用以获得竞争优势。

当前现状

知识创造者仍在沿用经典的框架和流程来创造新知识。在组织环境中，这些新知识通常以产品文档、用户手册、标准操作程序等形式呈现。知识创造者通常需要与业务相关方协作，以创建知识和更新工作流程。这涉及多次会议、同行评审和内容质量保证流程。尽管组织认同现代知识管理实践的必要性，但量化文档团队的价值以证明额外投资的合理性仍然较为困难。知识创造者扮演着赋能者的支持角色，使得组织的客户能够通过使用文档完成任务而受益。这是典型的价值流。

相反，在许多组织中，知识创建团队（文档团队、技术作者等）通常被视为成本中心，而非营收推动者，这导致客户支持团队的扩张，而非雇佣更多技术作者。尽管存在一些框架和指标来量化知识创建者团队的价值，但很难将文档完成活动的直接证据与业务成果指标相关联。该团队与客户支持团队合作，以减少工单数量、提高客户支持代理的生产力、缩短工单解决时间，并转移客户支持工单。在规模化运作中，一些业务价值指标证明了投资于知识管理实践的合理性，但许多组织并未采取正确的行动。

一旦客户找到相关的知识库文章，知识创建者的价值流便告结束。然而，客户价值流正是从这个阶段开始的。知识创建者团队真正应追求的成果是

• 文档如何帮助完成任务？
• 文档如何帮助客户自助服务？

计算上述指标所需的数据需要复杂的工程工作来收集和整理。许多技术作者对使用生成式人工智能（GenAI）技术持怀疑态度。GenAI 响应中的“幻觉”以及 GenAI 无法提供可靠的信息整理方法，是阻碍该技术采用的主要因素。更重要的是，技术作者对变革有抵触情绪，而传统产品供应商在将 GenAI 功能引入其产品方面进展缓慢。技术作者承担了许多工作，例如根据利益相关者会议起草内容、审查流程、更新现有文章以及创建媒体资料，这些工作本可以无需太多手动操作即可自动化。当今的客户精通技术、是云原生用户且青睐移动端。他们需要快速获取信息，更重要的是能够利用发现的知识更快地完成任务！客户越来越习惯使用类似 ChatGPT 的界面，并且在许多产品中更喜欢对话式设计。

变革的驱动力

在当前市场环境中，有三种力量正在推动知识库领域的变革：

• 技术驱动力：自动化和智能化将在不同行业广泛普及，智能成本将大幅下降。技术提供的智能水平将随时间迅速提高。鉴于生成式人工智能技术的进步，已有新的工具能以全新方式解决众多业务问题。执行繁琐、低价值的任务已不再必要。这股技术力量具有颠覆性！知识管理实践正因旧有做法或被智能自动化，或变得过时而受到冲击。
• 客户行为：客户行为的转变正在颠覆知识被消费并用于产生业务成果的用户体验。客户不再为自助服务而满足于了解信息。相反，他们希望在人的参与下快速完成复杂任务。同时，他们也希望利用可靠的知识库作为来源，更自主地完成简单任务。
• 知识创建模式：新知识的创建方式同样面临颠覆，因为企业正努力缩短价值实现周期。价值实现得越快，他们就能越快捕获并变现该价值。这一基本规则如今正成为技术文档工程师、知识管理者等知识创作者的座右铭。生成式人工智能将加速从多源进行知识创建，知识管理中的许多实践将由生成式人工智能工具接管。

任何创建新知识和使用知识的人，都会分别期望一种更好的知识创建流程和新知识效用的新方式。

延伸阅读：LLM 智能体时代：知识管理的下一波浪潮

未来令人振奋

我们正迈入一个协作蓬勃发展、产品与服务间沟通无缝衔接的世界。人工智能（AI）技术将无处不在。

• 新知识的创造速度将加快，而知识创造者在价值流中的角色将变得非常有限，因为生成式AI工具将辅助众多活动。
• 新知识的创造发生在会议和讨论中，而非知识创造者工作的工具里。
• “人在回路”对于产出可信且准确的内容至关重要。
• 能够基于既定流程做出决策并执行任务的智能体框架，将普遍应用于知识管理生命周期的所有环节，如图1所示。
• 文档在实现客户满意度评分和净推荐值等业务成果方面的作用，将与公司的战略举措紧密相连。
• 产品行业将把其产品和其文档（知识库）视为一个整体。服务行业将赋能客户自助服务并提供更丰富的用户体验。
• 从不同业务应用中提炼的数据洞察将汇聚成海量智能，驱动更优质的知识体验。

图：实现成果的智能体框架

知识创造

代理是一种被编程来执行任务、做出决策并与其他代理通信的自主单元。这些代理可以被视为知识创造团队的成员，他们拥有特定的技能和特定的工作要做。代理可以扮演不同的角色，如“同行评审员”、“撰稿人”或“客户支持”，每个角色都为他们旨在实现的总体目标做出贡献。大语言模型代理正被整合到许多服务和产品中，这些服务和产品将根据场景采取正确的行动。它们将与关于短期内发生了什么以及战略决策将如何展开的及时情报进行协调。这些代理可以帮助完成同行评审、语法检查等任务。技术撰稿人未来将编写用于配置和维护许多大语言模型代理的策略。

知识调动

大语言模型代理将帮助客户调动存储在组织知识库中的知识。大语言模型代理将代表客户，根据标准操作规程中的指令执行任务，或者基于软件文档中编写的“操作指南”手册，在软件产品内部执行某些步骤。

作为知识创造者，我们需要拥抱这波新的技术浪潮，它有助于更快地创建和增强知识。这项技术已融入许多团队协作工具中，例如 Teams、Slack 等，它帮助我们捕获隐性知识并快速将其显性化。高度准确的知识通过 LLM 智能体以一种新的方式得以调动，这些智能体在与客户的互动中工作，从而使知识的价值得以利用。智能体之间的智能流动也有助于知识创造者变得更加敏捷，并充分发挥其潜力。