‏کیفیت مستنداتت، همون کیفیت هوش مصنوعیته

بن بالتر دوازده سال پیش یه ابزار ساخت که فایل Word رو به Markdown تبدیل می‌کنه و حالا اسمش word2md.com هست. نویسنده می‌گه این ابزار الان از همیشه شلوغ‌تره و احتمالاً بیشتر کاربراش برنامه‌نویس نیستن. اونا آدم‌هایی‌ان که فهمیدن وقتی متن ساده به چت‌بات بدن، جواب بهتری می‌گیرن. حرف اصلی مقاله همینه: کیفیت مستندات تیمت حالا همون کیفیت هوش مصنوعیته.

به گفتهٔ نویسنده، Word تشویقت می‌کنه بگی یه چیز «چه شکلیه»، ولی Markup مجبورت می‌کنه بگی «چیه». مثلاً ## Deprecating the v1 API تو Markdown یعنی تیتر سطح دو. Word هم استایل Heading 2 داره، ولی اجازه می‌ده فقط متن رو بزرگ و بولد کنی و بیشتر آدم‌ها همین کارو می‌کنن. ظاهرشون یکیه، ولی screen reader و مدل زبانی دو چیز کاملاً متفاوت می‌بینن. به تعبیر خودش: markup یه قرارداده، formatting یه لباس مبدل.

برای نشون‌دادن این تفاوت، یه سیاست مرخصی کوتاه رو دو بار ساخته: یه بار با استایل‌های واقعی تیتر و لیست و یه بار دستی با تیتر بولد ۱۴ پوینت و شماره‌های تایپی. نسخهٔ اول بعد از تبدیل یه بخش و یه لیست واقعی داشت. نسخهٔ دوم فقط یه جملهٔ بولد و دو پاراگراف بود که اتفاقی با عدد شروع می‌شن. جدول‌ها وضع بدتری داشتن: مبدل داخلی macOS یعنی textutil یه جدول سه‌ستونه رو به دوازده خط جدا تبدیل کرد که هیچ ربطی بین عدد و ستونش نمی‌موند.

نویسنده فایل .docx رو «زندان کوچیک محتوا» می‌دونه، یعنی یه بستهٔ زیپ‌شده از XML که برای یه برنامهٔ خاص ساخته شده. تو تست سال ۲۰۱۴ همون متن ۳۳٬۶۲۱ بایت تو Word، ۱٬۳۵۹ بایت تو HTML و فقط ۸۰ بایت تو Markdown بود. به یه پژوهش ۲۰۲۳ به اسم «Lost in the Middle» هم اشاره می‌کنه که نشون داده مدل‌ها با بلندشدن ورودی، مخصوصاً وقتی نکتهٔ مهم وسط متنه، کمتر قابل‌اعتماد ازش استفاده می‌کنن.

برای رفت و برگشت دو ابزار معرفی می‌کنه: word2md برای تبدیل Word به Markdown و md2word.app برای ساختن فایل Word از Markdown. هر دو تو مرورگر اجرا می‌شن و فایلی آپلود نمی‌شه، و هر دو به شکل سرور MCP هم هستن تا ایجنت‌ها خودشون تبدیل رو انجام بدن. ولی هشدار می‌ده که این رفت و برگشت بی‌نقص نیست: word2md کامنت‌ها رو حذف می‌کنه و همهٔ track changeها رو بی‌صدا قبول می‌کنه. یه نمونهٔ جالب هم از کتاب ۹۹٬۶۵۱ کلمه‌ای خودش می‌گه: چون متن Markdown بود، یه LLM تونست فصل به فصل ادعاها رو چک کنه و یه عدد اشتباه رو پیدا کرد که هیچ linterی نمی‌گرفت.

نکات کلیدی:

• از استایل‌های واقعی Heading و لیست استفاده کن، نه متن بولد یا شماره‌های تایپی
• تیترهایی بنویس که بگن بعدش چی میاد؛ «Background» به مدل چیزی نمی‌گه
• یه نسخهٔ زنده نگه دار و لینک بفرست، نه پنج تا فایل پیوست
• Word رو فقط آخر کار و به عنوان خروجی دورریختنی بساز
• word2md کامنت‌ها رو حذف می‌کنه و track changeها رو بی‌صدا قبول می‌کنه
• Google Docs از ۲۰۲۴ ورود و خروج Markdown رو پشتیبانی می‌کنه