每个开发者都学同样的文档类型。README。API 参考。代码注释。如果团队有纪律，也许还有架构文档。几十年来，这就是全部的词汇表。
然后 AI 来了，悄然创造出一整个新的文档类别——没有人教过我们怎么写，不在任何训练营或计算机学位课程里，但你越来越被期望产出它。有时是因为队友需要。有时是因为审计员需要。而且，截至 2026 年，有时是因为这是法律要求。
这是一份关于那片新领域的实地指南。我会逐一介绍真实的文档类型，按它们记录的内容分组，说明每一种是什么、什么时候需要它，以及它为什么存在。但首先，有一个把所有这一切串联起来的核心想法——因为一旦你看到它，每一种文档就都说得通了。
为什么 AI 需要新的文档
问题出在这里。
在我们整个职业生涯中，文档描述的是确定性行为。一个函数接收输入，每次都返回相同的输出。你可以精确记录它做什么，因为它只做一件事。从某种意义上说，代码本身就是最终文档，说明了会发生什么。
AI 打破了这一假设。一个生成模型对同一个输入连续两次可以产生不同的输出。一个智能体可以走一条没人写过的路径。你无法为一个不会以同样方式运行两次的系统记录精确行为——所以文档必须从“它做什么”转向另一组问题：
- 它是用什么训练的？
- 我们如何衡量它？
- 它被允许做什么？
- 它实际做了什么？
下面的每一种文档类型都是对这四个问题之一的回答。它们不是文书工作——它们是信任凭证。在确定性的世界里，信任免费来自代码。在概率性的世界里，信任必须制造出来，通过文档，因为这是任何人——队友、审计员、监管者、用户——能够相信你的 AI 做了你声称之事的唯一方式。记住这一点，整个领域就会自行组织起来。
第 1 组：记录模型和数据
这些是基础性的——描述 AI 系统成分的文档。
模型卡
它是什么：一份简短、结构化的文档，描述单个已训练模型——其预期用途、训练所用数据、评估结果、局限性以及超出范围的使用场景。可以把它看作一份模型的营养标签：一目了然地展示它包含什么，以及它在什么范围内是安全的。
何时需要它：任何时候你交付、发布或移交一个别人会依赖的模型。由 Mitchell 等人于 2019 年提出，模型卡如今已成为 Hugging Face 等模型中心的标准配置——而在 EU AI Act 下，它们（或等效物）是高风险系统的监管要求。如果你微调了一个模型并把它交给另一个团队，他们需要一份模型卡才能负责任地使用它。
为什么存在：因为“这是模型，祝你好运”正是让人把系统部署到它从未被设计用于的场景中的原因。模型卡回答了这个模型到底是什么，以及它不应该被用在哪些地方——这些是权重本身无法告诉你的问题。
数据集的数据说明书
它是什么：模型卡在数据侧的孪生兄弟。一份结构化文档，描述一个数据集——它来自哪里、如何被收集、其构成、已知的偏见、同意与许可，以及它应该和不应该被用于什么。由 Gebru 等人（2018/2021）提出。
何时需要它：每当一个数据集的生命周期长于创建它的人时——而这种情况总是发生。如果你的模型行为受到质疑，第一个问题就是“它是用什么训练的？”，而数据说明书就是你会希望自己当时写好的答案。
为什么存在：因为大多数 AI 失败都可追溯到数据，而数据来源在事后几乎从不显而易见。数据说明书迫使数据集的创建者在其来源和局限上保持有意为之和诚实——在那些局限变成某人的事故之前。
系统卡
它是什么：比模型卡更进一步。模型卡记录的是单个已训练模型，而系统卡记录的是完整的 AI 系统——通常是由多个模型组成的流水线，外加架构、安全评估、运行约束和部署上下文。至关重要的是，系统卡记录的是系统如何表现，而不是它如何被使用（这就是它与传统产品文档的区别）。
何时需要它：当你的 AI 不是一个模型，而是一整套技术栈——一个路由器、一个微调、检索、链式组件（在 2026 年，这是大多数真实系统的样子）。前沿实验室为其大模型发布系统卡（GPT 系统卡就是典型例子），正是因为「模型」实际上是一个系统。
它为何存在：因为现代 AI 很少是单一模型，而只记录模型会遗漏掉从组合中涌现出的一切。系统卡正是负责前向部署的工程师判断整个系统是否契合其用例的地方。
第 2 组：记录评估
这是最新、最被低估的一类——也可以说是最重要的一类，因为信任正是在这里真正被赢得或被伪造。
评估报告（评估事实表）
它是什么：记录你如何评估一个 AI 系统以及你发现了什么——测试集、方法论、指标背后的假设，以及你应该对结果抱有多大信心。「评估事实表」以数据表带给数据的同等严谨性将其形式化。
何时需要它：任何时候你对 AI 的表现做出声明——也就是任何时候你发布一个 AI。对智能体和任何面向客户的东西尤其关键。
它为何存在：这里有一个支撑整个类别的犀利洞见。一张模型卡给你分数，却不告诉你分数是如何得到的——而「如何得到」恰恰是告诉你该不该信任它的部分。「95% 准确率」在你不知道是在什么数据上、什么条件下、用何种正确性定义之前毫无意义。评估报告记录的是方法论，而不只是数字。没有评估报告的基准测试结果只是营销声明，不是证据。
回归评估与基准测试卡
它是什么：两个近亲。回归评估是记录你重新运行的测试，以确保模型或提示词的改动没有悄悄破坏原本正常工作的行为（AI 时代的回归测试套件版本）。一张基准测试卡记录的是基准测试本身——它实际测量什么、有哪些局限、如何解读其分数——好让人们不再把排行榜上的数字奉为圭臬。
何时需要它：在生产环境中更改模型或提示词时，立即进行回归评估。发布或引用基准测试时，随时提供基准测试卡片。
它为何存在：因为 AI 系统会漂移，没有记录在案、可重复的评估，“以前能用”就无法验证——也因为未经记录的原始基准测试数字，误导多于告知。
第 3 组：为智能体编写文档
全新的领域，也是对当下正在构建的人最相关的一块。直到最近，没有针对智能体的模型卡片类比物。到了 2026 年，这改变了。
智能体卡片
它是什么：一项 2026 年的文档标准，用于运营层面的AI 智能体。模型卡片描述的是模型，而智能体卡片捕捉的是智能体的运营属性：它的角色、它的记忆分类法、它的工具集成、它的通信协议、它的监控钩子、它的治理范围，以及它的评估指标。
何时需要它：当你部署一个会行动的智能体时——调用工具、接触数据、无人值守运行。任何需要运营、审计或信任该智能体的人，都需要知道它能触及什么，以及它是如何被监控的。
它为何存在：因为智能体在根本上是一种与模型不同的待记录对象——它行动，它有记忆，它使用工具，它随时间运行。模型卡片和数据表都无法捕捉这些，所以必须有一个新的产物来填补空白。智能体卡片就是你让一个行动系统变得透明、可比较、可审计的方式。
策略卡片
它是什么：机器可读的运行时治理，用于自主智能体——记录一个智能体被允许做什么，以一种在其运行时实际可被强制执行的形式，而不只是事后供人阅读。
何时需要它：适用于任何拥有真实权限的智能体——一个能发送、花费、删除或更改东西的智能体。这是对一条值得重复的原则的正式化版本：对于一个行为不可预测的系统，你无法记录它将会做什么，所以你记录它被允许做什么。
它为何存在：因为对于智能体，真正有意思的失败不是“输出错误”，而是“未经批准的行动”。策略卡片把边界变成一个产物——理想情况下是运行时检查的那个——这样智能体的权限就是明确的、可审计的、被强制执行的，而不是活在某个人的脑子里。
AGENTS.md / CLAUDE.md
它是什么：编码智能体实际会读取的、位于仓库内的实用指令文件——项目约定、约束、架构说明，以及写好的规则供 AI在你的代码库中工作时遵循。
什么时候需要它：当你让 AI 智能体在你的仓库中工作的那一刻。没有它，智能体会自行发挥约定；有了它，智能体会遵循你的约定。
它为什么存在：因为智能体现在是你文档的读者——如果你从未写下正确的事，它就会忠实地做错事。这就是“文档”与“为 AI 编程”悄然融合的文档类型。
第 4 组：面向治理与合规的文档
增长迅速，由监管驱动——而且越来越不再是可选项。
审计追踪
它是什么：对生产系统中每一个有后果的模型或智能体决策所做的不可变、仅追加的记录——用作合规、审计和事件调查的证据。
什么时候需要它：任何会做出有后果决策的生产级 AI。当出问题时（而且一定会出问题），审计追踪是你重建实际发生情况的方式。
它为什么存在：因为对于一个会行动的系统，日志就是它所做之事的文档——而“它实际做了什么？”如果没有一份持久、防篡改的记录，就无法回答。这是我们四个问题中的第四个，被具体化了。
合规卡、AI 卡和透明度报告
它是什么：一族治理文档——合规卡 / AI 卡（受 EU AI Act 启发的机器可读风险与合规文档）、用例卡（记录某个具体部署的预期用途和风险），以及透明度报告（面向公众说明系统做什么及其局限性的报告）。
什么时候需要它：当你在某种监管制度下运营时——而这个“当”正在迅速增多。EU AI Act 要求对高风险系统提供文档，而新加坡的 Model AI Governance Framework for Agentic AI（2026 年 1 月发布）是首个明确要求自主 AI 文档的框架：风险评估、对智能体权限的限制、关键决策点的人类问责。
它为什么存在：因为 AI 文档不再是有则更好，而是成为了一项法律工件治理没有文档就只是一个承诺，而监管者已经不再接受承诺了。
把所有这一切串联起来的那个想法
退后一步，看整张地图，这个模式就再明显不过了。
模型卡和数据表回答它是用什么训练的？评估报告回答我们是如何衡量它的？智能体卡和政策卡回答它被允许做什么？审计追踪回答它实际做了什么？这些文档中的每一份之所以存在，都是因为 AI 打破了那个曾经让文档变得容易的东西：确定性。当一个系统不会两次表现出相同的行为时，你无法记录它的行为——所以你记录它的成分、它的衡量方式、它的边界，以及它的历史作为替代。
这就是为什么这些不是官僚主义，尽管它们可能让人感觉像是。它们是信任工件。在旧世界里，代码告诉你将会发生什么，所以信任是免费的。在这个世界里，信任必须被刻意地、以书面形式建立起来——因为模型卡是队友信任你的微调的方式，评估报告是评审者信任你的准确率声明的方式，政策卡是操作员在生产环境中信任你的智能体的方式，而审计追踪是调查者信任你对一起事件的陈述的方式。
要点
没有人教过我们写这些。也没有理由去教——直到我们构建的系统不再可预测，直到“读代码”不再是“这是做什么的？”的充分答案。
在这个时代蓬勃发展的开发者，将不仅仅是那些能够构建AI 系统的人。他们将是那些能够让这些系统被其他所有人信任的人——而且越来越地，这是一种文档技能。它也是一种奇特的人类技能：关于披露什么的判断力，关于你如何衡量的诚实，关于你在哪里划定边界的清晰。机器可以帮你写这些。它无法决定其中应该包含什么。那部分仍然属于你。
所以下次你发布带有模型的东西时，问一个我们从未被训练去问的问题：不只是“它能用吗？”而是“其他人能否从我写下的内容中看出它能用，以及它在哪里不能用？”那个问题，以及回答它的文档，就是整个 AI 时代将要运行于其上的安静基础设施。
这些里面有哪些是你实际不得不写的——而且，老实说，哪些是你直到刚才才知道存在的？我真心想知道真正的实践在哪里，而不是标准说它应该在哪里。如果你正在使用某种我在地图上遗漏的文档类型，请在下面补充。
来源与延伸阅读：Model Cards（Mitchell 等，2019）；Datasheets for Datasets（Gebru 等，2018/2021）；System Cards（前沿实验室的系统卡，例如 OpenAI 的 GPT 系统卡）；Eval Factsheets 和 BenchmarkCards（2025–2026 年评估文档研究）；Agent Cards 和 Policy Cards（2025–2026 年智能体文档标准）；以及治理框架，包括 EU AI Act 和新加坡的 Model AI Governance Framework for Agentic AI（2026 年 1 月）。这一领域的标准正在快速演变——请将具体内容视为撰写时的最新状态，并查阅一手来源以获取最新信息。