Agent 需要怎樣的文件系統

今天的大多數文件仍然為人類閱讀而最佳化，這很自然。但當 AI 系統和未來 Agent 要根據文件完成真實工作時，僅僅“讀起來清楚”已經不夠。系統必須保留 Agent 真正能夠據此行動的上下文。

一個有用的起點

如果 Agent 不只是總結或補全，它需要知道目標、邊界、當前狀態、證據來源、允許採取的動作，以及什麼才算完成。

為什麼靜態文件不夠

靜態頁面可能寫得很好，卻不知道後來哪次會議改變了決定，也不會標明某項假設已經失效。Agent 若無法區分當前 authority 與歷史材料，就可能非常自信地執行錯誤內容。

Agent 最需要的五樣東西

1. 持久目標

任務背後的使用者價值、期望結果與非目標要明確。目標應在工作跨會話和跨工具時繼續存在，而不是隻留在最初提示詞中。

2. 明確約束

許可權、範圍、安全規則、不可逆動作和需要人工確認的邊界必須可讀。約束不能依賴人類預設知道的隱含習慣。

3. 相互連線的決定

決定應連線原因、證據和受影響物件。Agent 需要判斷一條舊決定是否仍適用，而不是把所有歷史句子當成同等有效。

4. 可複用工作流

穩定流程應包含觸發條件、步驟、必要輸入、驗證和停止條件。真正的工作流不是僵硬指令碼，而是幫助 Agent 在變化中保持正確判斷。

5. 修正迴圈

使用者對結果的修改是寶貴訊號。系統需要區分一次性編輯與穩定偏好，並讓經過確認的學習影響後續工作。

這本質上是上下文問題

模型能力不是唯一限制。上下文若不完整、過時或無法判斷權威性，再強的 Agent 也會做出脆弱決定。

這會怎樣改變文件策略

團隊需要少一些孤立頁面，多一些可追溯的當前狀態；少一些最終答案，多一些目標、證據、取捨與驗證；少一些複製，多一些連線。

傳統文件在哪裡遇到困難

傳統系統主要依賴人維護結構與新鮮度。它們可以儲存這些資訊，卻不一定能在工作變化時持續更新，也很少把修正變成未來能力。

最後的結論

Agent 需要的不只是更多文字，而是 decision-grade context：當前目標、明確邊界、可信來源、連線的決定和可驗證的完成狀態。文件系統必須圍繞這些要素演進。