使用 AI 结构化协作编写高质量技术文档

解决文档编写中常见的“上下文缺失”和“自嗨式写作”问题：通过三个严格的协作阶段（信息采集 结构精炼 读者测试），确保输出的文档对外部阅读者同样清晰易懂。

为什么需要这个技能

大多数人利用 AI 写文档时，习惯于直接发送一个简单的 Prompt（如“帮我写一个 PRD”），导致 AI 生成大量通用、空洞的“AI 腔”内容。

高质量的文档需要深厚的上下文支撑。本技能将 AI 从一个简单的“代笔人”转变为“协作引导员”，它会强迫编写者在动笔前梳理背景，在成文后模拟真实读者进行压力测试，从而消除信息盲点，确保文档在被粘贴到其他 AI 实例或发送给同事时，依然具备极高的可读性和准确性。

适用场景

• 技术规格书 (Spec) 与 RFC：需要严谨的逻辑和对替代方案的分析。
• 产品需求文档 (PRD) 与决策文档：需要明确目标读者且影响力范围广。
• 复杂项目提案：涉及多方利益相关者，需要精准控制信息权重。
• 从碎片化讨论到正式文档的转化：将 Slack 讨论、会议记录转化为结构化文档。

核心工作流

该技能将写作分为三个标准阶段：

阶段 1：上下文采集 (Context Gathering)

AI 不会直接开始写作，而是先通过提问消除信息差。

• 元数据确认：明确文档类型、目标读者、预期影响及是否有既定模板。
• 信息倾倒 (Info Dumping)：引导用户无压力地输出所有相关背景、技术架构、组织政治、时间压力等原始信息。
• 澄清提问：AI 基于信息缺口生成 5-10 个精准问题，确保所有边缘case和权衡（Trade-offs）都被覆盖。

阶段 2：精炼与结构化 (Refinement & Structure)

采用“分块构建，手术级编辑”的策略。

• 骨架搭建：先创建包含占位符的完整结构（使用 Artifacts 或 Markdown 文件）。
• 单节迭代：针对每个章节执行 的循环。
• 外科手术式修改：禁止全量重写，仅使用 str_replace 等方式针对性修改，以维持风格一致性。

阶段 3：读者测试 (Reader Testing)

通过“零上下文”模拟，检测文档是否真正可读。

• 预测疑问：AI 预判读者在阅读该文时会产生哪些困惑。
• 盲测验证：将文档交给一个没有任何上下文的新 AI 实例，测试其能否正确回答预设问题。
• 闭环修复：针对测试中暴露的歧义或假设，回溯到阶段 2 进行修订。

下载和安装

下载 doc-coauthoring 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要

暂无推荐