Dachary Carey（MongoDB）反复追问一个问题：写好给人类看的内容，是否自动等于写好给 Agent 看的内容？ 这个问题在报告里没有标准答案——而这恰恰是它最有价值的地方。
总体判断：正面，但留有阴影
先看大盘：67% 的受访者认为 AI 让自己的文档更好了（40% 略好、27% 好很多），只有 7% 说更差。在已经上线 AI 功能的团队里，感知最强的提升出现在“可发现性”——47% 同意或强烈同意“用户能更快找到信息”。
但越往下看，越不那么确信。AI 对业务指标（文档使用、注册）的影响并不清晰，存在大量“中立”和“不追踪”的回答。那 7% 的“更差”，正是值得追问的部分。
为什么赌注更高
报告给出了一个精辟的对比：当人类读文档时，他能补偿含糊的指令、跳过不相关的内容，或者换个说法再找一遍。但当一个 AI Agent 消费文档时，它逐字执行所写的内容，可能只看到页面的一小部分，而且没有办法告诉你“哪里感觉不对”。当 AI 成为中介，文档质量的赌注被抬高了——大多数团队才刚开始正视这一点。
团队怎么优化
目前最主流的三种做法，其实是无论面向谁都应该做好的基本功：添加显式上下文（30%）、让页面自包含（30%）、投资结构化数据（26%）。报告由此引出一个耐人寻味的观察：最好的 AI 优化，可能只是更好的写作。
但张力恰恰出现在边缘。Agent 有硬性的 token 上限，会静默截断过长的页面，可能需要比人类读者更小、更原子化的内容单元。为 AI 消费优化，有时确实需要一些不同于人类中心设计的结构选择。
投入与顾虑
团队的计划投入集中在 AI 聊天机器人（32%）、AI 搜索（29%）与 MCP 服务器（25%），只有 15% 完全没有任何 AI 计划。安全上，56% 对外部 AI 集成感到舒适，16% 谨慎或受阻，首要顾虑是数据隐私（51%）、合规要求（36%）与数据留存（35%）。
报告的同比数据也印证了预期的迁移：context-aware assistance 从 51% 升到 62%（+11pp），chat-based assistance 从 51% 升到 59%（+8pp）；认为“AI 将成为创建和维护文档的主要工具”的比例几乎翻倍，从 19% 升到 35%（+16pp）。
所以呢：这是一个靠实测、而非靠假设的领域
报告的态度很诚实：为人类写与为 Agent 写，大部分是同一件事，但并不完全。问题尚未定论，它是活跃的实验区——那些真正在跑测试、而不是默认“两类读者想要同一样东西”的团队，学到的最多。
与之呼应的是一个结构性事实：41% 没有正式文档团队的组织，压根没有任何 AI 功能。要创新 AI 功能，得先把文档当成一项持续的函数来经营，而不是一次性的任务。
“Good for humans is not good for agents. Tokens are expensive and context is a public good.”（“对人类友好，不等于对 Agent 友好。Token 很贵，上下文是一种公共品。”） —— Dachary Carey,MongoDB
