亚马逊云科技文档更新 — 进展、挑战以及 2025 年的下一步计划

笔记本电脑 aws-docs

文档对我们的客户至关重要，我们一直在努力对亚马逊云科技文档的结构、清晰度和可发现性进行重大改进。我想分享我们取得的一些关键进展，并讨论我们的文档策略下一步的发展方向，包括我们如何利用人工智能。

我们的全球技术作家团队为 200 多个亚马逊云科技服务创建和维护了数十万页的技术文档。我们还拥有专门的产品、工程、内容策略和计划团队，负责构建工具、自动化和维护文档网站。整个团队一直专注于持续改进亚马逊云科技文档体验。根据反馈数据（竖起大拇指、竖起大拇指、调查等），我们取得了良好的进展，但我们知道还有很长的路要走。让文档变得更好是一回事，但让亚马逊云科技文档成为业内最好的文档才是我们的真正目标。

优化亚马逊云科技文档以提高可读性等

在过去的一年中，我们对大多数亚马逊云科技用户和开发人员指南进行了全面的重构。这不仅仅是表面清理——我们提高了一致性和结构，并优化了内容以提高可读性。我们还认识到，许多开发人员正在从 AI 工具中学习亚马逊云科技，因此我们将内容结构化为更有效地被语言模型使用，从而确保 AI 驱动的工具（不仅是 Amazon Q，还有所有公共大型语言模型 (LLM)）能够提供有关亚马逊云科技主题的准确信息。

我们将文档中的代码示例数量增加了一倍，以将覆盖范围扩大到更多亚马逊云科技服务。开发人员经常告诉我们，“不要让我读——给我看一些代码就行了”，所以我们知道我们需要更多的样本才能充分涵盖更多的服务。写得好、习惯用法和经过测试的代码示例对人类和语言模型都至关重要。

我们还改善了内容的可访问性。从改进图像的替代文本到改进标题层次结构，我们已经取得了一些长足的进步，我们将继续投资于让所有人都能访问亚马逊云科技文档。

新的亚马逊云科技决策指南可帮助您做出正确的选择

使用亚马逊云科技时面临的最大挑战之一是为特定需求选择正确的服务。例如，拥有多个可以运行容器的服务是件好事，但是有很多选择也会让人不知所措和令人困惑。虽然你可以阅读每种服务的文档以了解它们的差异和优秀用例，但这并不是缩小选择范围的实用方法。为了解决这个问题，我们创建了一系列 “决策指南”，重点关注特定的服务类别（例如，数据库、容器、计算、人工智能等）。这些指南简洁地概述了各类别中服务之间的差异，并解释了每种服务的优化。对这些新指南的积极回应鼓励我们进一步扩展这种方法，并将此类内容更好地整合到整个文档中。

决策指南

网站改进使查找内容变得更加容易

除了内容改进外，我们一直在忙于改进主文档网站的结构、导航和整体可用性。首先是通过将常见目的地放在最前面和中心位置来改进文档网站的主页（在我看来，我们让它看起来更好一些，尤其是在黑暗模式下！）

aws-docs-主页

然后，我们改进了整个网站的导航，包括指向相关资源（例如 API 参考、亚马逊云科技命令行接口 (亚马逊云科技CLI) 和 SDK）和推荐任务的链接。我们在顶部添加了全球导航控件，只需几个步骤即可访问热门目的地——当你访问文档网站时，你不必去搜索开发者工具和代码示例等显而易见的东西。我们还对网站搜索进行了重大改进，增加了搜索自动建议功能，并通过简洁的摘要提高了搜索结果排名。由于大多数开发人员使用谷歌和其他公共搜索引擎来查找亚马逊云科技文档，因此我们还投资优化了内容结构和元数据，以实现搜索引擎优化 (SEO) 和更好的外部搜索结果。

我们听到反馈说，尽管各种导航功能很有用，但在尝试阅读长篇指南时，它们也会分散注意力。因此，我们添加了 “焦点模式” 功能，该功能删除了页面导航元素，将大部分页面的空间留给了指南的内容。数据显示，这是一项受欢迎的功能（而且比我们预期的更受欢迎）。

对焦模式

改进我们如何使用 AI 来帮助创建亚马逊云科技文档

人工智能的最新进展，尤其是生成式人工智能，为我们提供了制作文档的新方法。使用 AI 为新亚马逊云科技功能或服务创建新文档具有挑战性，因为 LLM 可能没有接受过有关新概念的培训。我们的作者需要提供初始内容构建块（“内容原语”）。为此，我们的作者团队为这些新功能提供了清晰、准确的文档，以确保人工智能工具能够理解并提供全面可靠的响应。我们最近发现，通过提供工程设计文档和API规范作为提示（上下文学习）的一部分，我们可以利用LLM来创建一些初稿内容，即使是新概念也是如此，从而加快了整个文档的创建过程。

我们还了解到，人工智能擅长创建我所谓的 “衍生内容”，即源自现有亚马逊云科技内容的新内容。例如，如果你要求任何现代 LLM 为在亚马逊云科技上部署静态网站创建分步指南，你通常会得到不错的回应，因为有大量关于该主题的已发布内容。但是，生成的内容可能不准确或不代表当前的优秀实践。我们发现，我们可以通过使用人工智能创建初稿，然后让人参与测试、更正和发布改进后的内容，最终增强语言模型对该主题的了解，从而创造良性循环。决策指南是这一过程的一个很好的例子。大多数指南都是通过一些巧妙的提示从人工智能生成的初稿开始的，但随后我们在发布之前对内容进行了全面测试和修改，以符合我们的文档标准。

我们的客户期望亚马逊云科技官方文档成为 “真相来源”，我们非常认真地对待这一责任。我们发现，人工智能生成的内容通常是一个良好的开端（而且每天都在改进），但在我们发布之前，几乎总是需要进行一些编辑才能使其技术准确性达到 100%。这是行动的良性循环。而且，当我们展示未经过严格检查的人工智能生成的内容时，始终会被明确标记为此类内容。

人工智能还为内容本地化和使用人工智能代理识别过时或冲突的内容提供了有前途的方法。我们正在积极构建新的平台和工具，以利用这些 AI 功能并提供更好的文档体验。我们还不断提醒自己，当今的人工智能能力是基准，这项技术只会从现在开始改进，因此我们需要预测在不久的将来会有哪些可用。生成式 AI 为我的工作和其他许多工作带来了新的刺激和活力。

尽管我们已经做出了实质性的改进，但我们知道我们需要持续改进。我们的目标不仅仅是改善文档，还要使文档尽可能有用且顺畅无阻，而且我们有一个雄心勃勃的路线图来实现这一目标。即将推出更多网站功能，以及对内容的进一步改进和添加。将来我还将分享一些有关我们如何在整个文档生命周期中进一步使用人工智能的细节。