一次定义，编译出 客户文档 · AI 语义问答 · 开发者 MCP/SDK 三态交付物——让京东云的产品内容从「人肉手搓、乱且滞后」跃迁到「一次定义、多态同步、AI 原生可查可调用」。
在文档后台一字一句编写、直接展示给客户。
各产品线各写各的，无统一结构。只有「稿」，没有「源」。
→ 根因：缺单一可信源能力一变，要人记得回来逐处手改。手搓必然滞后。
→ 根因：靠人工同步散文 + 关键字搜索，用户和 AI 都难精准命中，自助率低。
→ 根因：对机器不友好同一份能力，客户文档 / 销售材料 / 开发者说明还要各手搓一遍——重复劳动，且互相不一致。
| Fern 提供 | 云官网现状 | 结合后 |
|---|---|---|
| Docs · 自动生成文档站 | 手搓文档站，乱 / 滞后 | 结构统一、自动同步的产品文档 |
| AI Search · 文档训练问答 | 只有关键字搜索，命中差 | AI 语义问答，说人话就查到 |
| SDK · 开发者可调用 | 无 | MCP / llms.txt 内核（研发内核原封保留） |
研发已攻下最硬的 SDK/MCP 内核。我们在其上补齐 Docs + AI Search，把同一套能力延伸到云官网真实场景——受众从「开发者」扩到「全部客户」。
Fern 要求先有 OpenAPI 这种干净结构，我们没有——这恰恰是升级点：用 LLM 把手搓散文反向抽取成结构化源，再正向编译出多态交付。比 Fern 更 AI-native。
现成文档后台即入口
散文→结构化可信源；一致性&过期校验；模板化多态生成
一次定义，全渠道同步
技术内核（LLM Refiner + MCP/llms.txt）不仅完整保留，更成为整个飞轮的引擎。
不要求干净结构，把存量手搓文档抽取成结构化产品知识模型，形成单一可信源。
治「乱」+ 低迁移成本自动检查跨文档/跨版本冲突：定价改了操作指南没改、功能下线文档还在。
治「不更新」的根客户文档 + AI 问答 + 开发者 MCP/SDK，一次定义全渠道同步、永不脱节。
受众从技术扩到全客户不是「逼人多填表」，而是三个杠杆叠加：
填结构化字段（必填字段+自由富文本），LLM 生成文字初稿，人只审校。填一次 → 多态生成。
能自动拿的就不让人填：定价←计费系统、规格/功能←产品中台、变更←发版系统。
冷启动一键抽取存量文档；日常 AI 草拟、查一致性、提示过期。人从作者→审校。
人工角色：手搓作者 → 填字段 / 审校。解决「乱」+ 重复劳动。
人工角色：只审校例外情况。解决「更新不及时」。
人工角色：趋近零维护。文档永远和产品一致。
一句话：填一次多态生成 + 能自动拿的不让人填 + AI 把人从作者降为审校。
文档后台接入 → LLM 反向抽取结构化模型 → 一致性校验 → 模板编译多态产出。（LLM Refiner 内核在这层）
客户文档站（自动同步）/ llms.txt 语义索引 / 开发者 MCP · SDK。
把官网关键字搜索升级为 AI 语义问答（对标 Fern AI Search）：说人话查文档、跨文档综合回答。
产线只维护「一份结构化定义」，编译器自动产出三态交付物，不同人群各取所需。
填字段 + 富文本，审校 AI 草稿。不再各渠道手搓多份。
一次定义，编译出下面三态。
全渠道同步产出。
结构统一的产品文档站 + AI 智能检索/问答。
消费者：普通客户 → 说人话就查到MCP / SDK / llms.txt，可被 Claude、Cursor 等 Agent 直接调用。
消费者：开发者 → AI Agent 调用结构化内容供料给已有企业知识库，提升检索质量。
消费者：售前/解决方案 → 更准* 指标为预期方向，具体数值以试点产线实测为准。
面向售前 / 解决方案的内部工具，做「在文档上做检索」。
检索层面向云官网客户，做「从源头保证文档不乱、自动更新、多态生成」。
源头治理层两者受众不同、层次不同——我们从源头产出结构化内容，天然可向售前知识库供料，还能反过来提升它的检索质量。显协同，不抢功。
左边「乱且搜不到」→ 一键编译 → 右边「结构统一 + AI 直接答 + 自动生成 MCP」，对比冲击力最强。
重塑京东云在 AI 时代的产品内容交付范式。
Input product spec. Output everything.