2023 年展望回顾：

• 工作岗位流失：目前大规模因 GenAI 导致技术作家失业的情况未发生，仅一例可能因 GenAI 失业。

• 自动化：

  • 基本内容生成：很多人用提示工程自动化生成内容，如 Tom Johnson 自动化生成发布说明，作者也成功自动化部分变更日志流程等。
  • 数据分析和解释：未有人用 LLMs 进行此任务，仅个别技术作家用大上下文窗口模型思考文档问题。
  • 格式化和模板创建：可行但需要微调模型、大量特征工程和精心设计，且用户体验难做好。
  • 语法和拼写检查：技术作家用于一次性编辑任务，如快速修复软件工程师等写的文档中的错误。
  • 术语一致性：可行但未听闻有人使用，作者可尝试提取文档术语并定义。
  • 内容总结：采用较少，LLMs 生成高质量总结风险小，但文档网站和团队使用较少。
  • 内容翻译：未看到更多文档网站翻译为多种语言，认为主要约束是工程资源，静态网站生成器和内容管理系统可能会解决。
  • FAQ 生成：未听闻有人做，认为 Q&A 会越来越重要。
  • 元数据生成：未听闻有人做。
  • 剽窃检测：未在企业技术写作中听闻有人做，学术领域有相关情况。

其他趋势回顾：

• RAG 聊天机器人未主导文档世界：多数文档网站未配备检索增强生成（RAG）聊天机器人，虽有公司受益但客观事实是多数未配备。
• 政策是个难题：对有意将 GenAI 纳入工作流程的技术作家来说，政策是采用的重要障碍，如可使用的 GenAI 服务、数据信任、法律问题等。

2025 年预测：

• 对 GenAI 持续缺乏兴趣：多数技术作家因多种原因不感兴趣，预计 2025 年技术写作中 GenAI 的采用仍将缓慢。
• 工作岗位明年仍安全：未看到大规模系统自动化导致技术作家岗位消失，2026 年及以后仍有可能。
• 在棘手挑战上取得进展：认为结合 ML 技术和方法可在技术写作的棘手挑战（如监督学习、嵌入、生成模型等）上取得实际进展，作者有相关防御性出版物在筹备。
• Q&A 复兴：预感 Q&A 将越来越重要，在语言模型训练、与聊天模型交互、Stack Overflow、Reddit 等中都有体现。
• 翻译管道为我们解决：认为静态网站生成器和内容管理系统应解决机器翻译问题，提供 GenAI 服务 API 密钥即可。