如果说 "App 正在消失 " 的观点略有夸张，那么一个更明确的趋势是：App 的使用方式正在发生变化。用户不再总是打开应用、逐层点击、自己完成操作，而是直接表达需求，由 AI 在后台完成调用和执行。

这带来了新的问题和机会。

拿餐饮场景来说，如果有一天越来越多的客人不再亲自翻菜单，而是让 AI 助手根据自己的口味、预算和忌口推荐菜品，那么问题就变成：你的菜单是否以一种 AI 能够理解的方式呈现？如果答案是否定的，那么这道菜在 AI 那里就等于不存在。

类似的变化，正在软件行业发生。当开发者越来越多地通过 AI 来寻找、理解和使用一款产品时，产品的 " 说明书 " ——也就是技术文档，开始承担起比以往更重要的角色。一家叫 Mintlify 的创业公司因此起飞。

Mintlify 是一家围绕技术文档构建产品的创业公司。简单来说，它做的事情是：不再以人类用户为上帝，而是以 AI 为上帝彻底重构文档系统，企业把内部写好的文档交给它，它负责生成一个对外的文档网站，同时让这些内容既可以被开发者查阅，也可以被 AI 直接读取和调用。

Anthropic、X、PayPal 等都在它的客户列表上。不久前，Mintlify 完成了 4500 万美元的 B 轮融资，估值达到 5 亿美元，投资方包括 a16z 和 Salesforce Ventures。至此，其累计融资已达 6700 万美元。

文档变成了 AI 的交互界面

一款软件产品通常会配一套 " 说明书 "，告诉外部开发者这个产品能做什么、怎么用、有哪些限制。这份说明书就是技术文档。

过去二十年，这套说明书主要面向人类开发者。文档被设计成网页，讲究排版和导航，方便人在浏览器里查阅。页面是否美观，目录是否清楚，示例代码是否完整，搜索是否好用，构成了判断一份技术文档是否合格的常见标准。

但这个前提正在变化。Mintlify 联合创始人 Han Wang 提出过一个判断：文档不再只是人类的资源，它正在成为 AI 理解一款产品的主要界面。

变化非常具体。今天的开发者，越来越多会在 Cursor、Claude 或 GitHub Copilot 这类 AI 编程工具里直接提问，由 AI 去查资料、读文档，再给出答案。开发者仍然会看文档，但越来越多的时候，他并不是自己打开文档站逐页查找，而是在 AI 工具里表达需求，让 AI 替他完成这一过程。

来自 Mintlify 的数据是一个直观的证据。4 月，Mintlify 发布了一份基于过去 30 天流量的报告：平台托管的文档站点共收到约 7.9 亿次请，其中来自 AI 编程代理的请求占 45.3%，几乎与传统浏览器流量持平。其中，仅 Claude Code 一个工具，就产生了约 1.99 亿次请求。

但这时候，传统文档的短板就暴露出来了。人类读说明书，可以跳过不重要的部分，也能容忍模糊的表达，还知道什么信息可能已经过时。AI 更像一个非常认真、但完全不会举一反三的新员工。你给它什么，它就照单全收。文档结构混乱，它就容易产生理解偏差；信息过时，它就会把错误的内容当事实说出去。

过去，一份好的技术文档，主要解决的是 " 人能不能看懂 "。但 AI 兴起后，原本只是影响阅读体验的信息问题，现在开始直接影响 AI 的判断和执行。用 Mintlify 的话来说：" 你的文档现在是产品与 AI 的接口，也是 Agent 执行操作所依赖的记录系统。如果文档不完整、不准确或结构混乱，你的产品可能会完全被 AI 忽略。"

在这种情况下，文档的设计自然也要有所变化。谁是你这个产品的 " 上帝 "，会决定这个产品完全不同的设计逻辑。而 Mintlify 踩中的，就是这个机会。

把文档改造成 AI 读得懂的知识系统

按照 Han Wang 的设想，眼下一份设计精良的文档应该包含这样几个层次。

第一层以 Markdown 形式呈现的结构化内容，让 AI 工具更快处理产品内容并减少 token 消耗。第二层是机器可读的目录，让 AI 面对一个陌生站点时，知道 " 这里有什么 "。第三层是实时查询接口，让 AI 能够了解产品的最新变化或调整。

此外，还有一个新兴的第四层：skill.md，用来向 AI 描述产品的能力边界。过去的文档主要告诉人类 " 这个产品是什么、怎么用 "。但 AI 如果要进一步调用工具、执行任务，就需要知道这个产品能做什么操作，需要什么输入，有哪些限制。

不过，Mintlify 不只是构想了面向 AI 时代的文档形态，还把它做成一套可以运转的知识系统。

在 Mintlify 托管的文档站中，每一页通常都对应一个 Markdown 版本，去掉视觉结构，只保留内容本身，方便 AI 直接读取。在此基础上，Mintlify 会自动生成 llms.txt 文件。这是一种近年来逐渐流行的机器可读格式，用一份简洁的文本列出文档中最重要的页面及其说明，相当于一份 " 专门给 AI 看的目录 "。同时，它还提供 llms-full.txt，将整个文档站内容整合为单一文件，供 AI 工具一次性获取完整上下文。这意味着，文档不再只是网页，而是同时具备了 " 页面、目录和全集 " 三种机器接口。

更进一步，Mintlify 还提供 MCP 服务器，其作用是让 AI 在回答问题时，直接向当前最新文档发起查询，而不是依赖训练数据里可能已经过时的记忆。

此外，Mintlify 在文档中内置了 AI 助手。过去两年，很多 SaaS 产品都会在官网或帮助中心加一个聊天框，但这些聊天工具往往只是对整个知识库做一次简单检索，再生成回答。Mintlify 的做法更克制。其 AI 助手只围绕当前这套文档工作。用户提问时，系统会先在文档中搜索相关内容，再基于这些内容生成答案，并附上具体引用页面。这进一步提高了 AI 交互的准确性。

最后，Mintlify 把文档维护重新接入开发流程本身，来确保文档可以及时更新。当工程师向代码仓库提交变更时，系统会读取这次代码差异，判断哪些功能发生了变化，并据此生成文档更新的草稿。随后，这些修改会以 Pull Request 的形式提交到文档仓库，由人审核后再合并。

总的来看，Mintlify 把文档这件事面向 AI 做了针对性优化，而其效果在客户手上得到验证。开发者工具公司 Browserbase 的增长负责人提到，他们会投入大量时间思考如何让 AI 推荐 Browserbase，通过 Mintlify 确保其文档对 AI 可读且可解析，这提供了很大帮助。

Mintlify 的业绩也实现了爆发式增长。据研究平台 Sacra 估算，Mintlify 在 2025 年 ARR 约为 1000 万美元，较前一年增长 10 倍；净收入留存率达到 150%；企业年度合同价值同比增长 15 倍。

别只问 AI 能做什么，也问问它需要什么

现在，Mintlify 不只服务于前来查阅 API 文档的外部开发者，越来越多客户开始把它引入组织内部，用它构建内部知识库、工程手册、设计系统。

逻辑很简单。企业内部的 AI 要替公司做事，也得先读懂这家公司是怎么运转的——产品有哪些功能，价格怎么算，客服遇到问题该怎么回答，诸如此类的信息或者说知识，分散在各种文档里。如果企业希望内部 Agent 能够提供准确的辅助，就需要把这些知识做结构化梳理和维护。

Mintlify 提过一个典型案例。一家公司调整了产品定价，但帮助中心的内容没有同步更新，结果所有基于这些内容搭建的 AI 客服，都在持续向用户提供错误信息。这显然不是模型本身存在缺陷，而是它所依赖的知识有问题。

用 Mintlify 的话来说：" 每家公司都需要一个可靠、结构化且持续更新的知识层，才能在人工智能时代保持竞争力。" 在最新的叙事中，他们直接将自己定义为 "AI 时代的知识层 "，试图成为新时代的基础设施。

Mintlify 能否如愿，还不好说。传统文档工具会想办法守住存量市场，AI 知识平台在扩展使用边界，而更底层的 Agent 接口正在尝试绕过文档本身。Mintlify 的机会在于成为 AI 理解产品的入口，它最大的风险也恰恰在于，这个入口未必是唯一的入口。

不过，他们关于 AI 的思考以及创业思路都值得审视。大多数创业者关注的是能用 AI 做什么，而 AI 在运转的时候需要什么，可能是更重要的问题。

AI 需要数据，需要算力，需要接口，也需要一套可靠的 " 产品说明 "。Mintlify 想填补这个缺口。把 AI 当作你的用户你的上帝，为 AI 做一些它需要的产品，这类需求还有很多在等待被挖掘，而它们也会是接下来诸多创业公司能抓住的最重要的机会。