Yazılım geliştirme süreçlerinde dokümantasyonun kod deposu içinde tutulması, günümüzde giderek daha kritik bir öneme sahip. Makale, bu yaklaşımın sunduğu birçok avantajı detaylandırıyor: Kod gibi dokümantasyonun da versiyon kontrol sistemleriyle (örneğin Git) yönetilmesi, değişiklik takibini ve çakışma çözümünü kolaylaştırıyor. Dokümantasyonun koda yakınlığı, arama araçlarıyla hem kod hem de doküman sonuçlarına ulaşmayı sağlayarak güncelliği artırıyor. Ayrıca, dokümantasyon odaklı geliştirme felsefesiyle, doküman güncellemelerinin gözden geçirilmesi, ürün veya API'nin daha iyi anlaşılmasına katkıda bulunuyor. Sphinx'in autodoc, jsdoc veya Docusaurus gibi araçlarla API dokümanlarının doğrudan koddan otomatik oluşturulması, manuel kopyalama-yapıştırma ihtiyacını ortadan kaldırarak verimliliği artırıyor.
Makale, statik kod örneklerinin test edilebilir olmasının önemine de vurgu yapıyor; Python'ın doctest'i gibi araçlarla dokümantasyon içindeki kod örneklerinin sürekli entegrasyon sürecinin bir parçası olarak test edilmesi, dokümantasyonun bir nevi spesifikasyon görevi görmesini sağlıyor. Özellikle yapay zeka ajanlarının yükselişiyle birlikte, commit'lerdeki markdown dosyalarının oranı önemli ölçüde arttı. Bu durum, ajanların yürütülmesini yönlendiren kural dosyalarının (.mdc dosyaları) aslında birer dokümantasyon niteliği taşıdığını gösteriyor. Yazar, yapay zeka tarafından oluşturulan markdown ile insan tarafından yazılan arasındaki sınırın bulanıklaştığını ve kural dosyalarının zamanla tamamen dokümantasyonla yer değiştirebileceğini öngörüyor. Bu, mühendislerin odaklarını daha soyut seviyelere, yani spesifikasyonlara ve yönergelere kaydırmasıyla da uyumlu bir değişim.
Yapay zeka araçlarının yaygınlaşmasıyla birlikte, dokümantasyonun kod depolarında tutulması, sürdürülebilir ve verimli yazılım geliştirme süreçleri için kritik bir hale gelmektedir.