人类用了半个世纪，才将文档从打字机搬到Word，又花了二十年迁移到云端。然而在AI时代，真正的通用格式竟是一门2004年发明的纯文本语言——Markdown。最近，Claude Code工程师Thariq提出了一个引人热议的观点：他已弃用Markdown，认为HTML才是未来。

Claude Code工程师Thariq分享的用HTML替代Markdown的文章，当前已在X上获得千万次浏览。

在文章中，他提出HTML格式的输出比Markdown文本更优越。对AI而言，从输出Markdown转向输出HTML，转换过程几乎无痛，但对用户来说却是实实在在的体验提升。Karpathy在凌晨也转发了这篇文章，并分享了他对HTML的看法。在他看来，音频是大语言模型的最佳输入，视觉则是最佳输出；而HTML之后，还有交互动画、神经网络直接生成的视频，以及最终某种人机之间真正的感知融合。

上下滑动查看更多内容。

在Vibe Coding和Agent产品成为主流的背景下，HTML和Markdown对大多数AI玩家来说并不陌生。

在DeepSeek中要求它做一个小游戏，会直接给我们一段可运行的HTML代码文件。如果想做一个小游戏，告诉ChatGPT“帮我做一个贪吃蛇的单页HTML网页”，ChatGPT会将代码打包成一个后缀名为html的文档。双击打开，就能在浏览器里看到一个可交互、有动效、图文丰富的成果。甚至在浏览器中，任何一个网页下按下CTRL+S，保存下来的本地文件都有一个.html文档。

而Markdown从AI需要获取网页上下文的年代起，就有大量工具能将各种文件类型的文档转换为Markdown格式。微软作为办公三件套之王，拥有docx、pptx、xlsx等职场常用文件，早前也开源了一个将这些办公文档转为Markdown格式的项目，目前在GitHub上已收获超过12万Stars。

项目地址：https://github.com/microsoft/markitdown

OpenClaw爆火之后，各种AGENT.md、SOUL.md、CLAUDE.md、MEMORY.md……甚至Skills工程中，每个Skill也是一个Skill.md文档。从记忆保存到提示词和Agent控制，Markdown格式几乎成为AI获取丰富上下文的不二选择。

OpenClaw智能体会通过多个不同的Markdown文件来搭建最终的工作区｜图片由AI生成。

我们日常工作中最常用的PDF、DOC和PPT，反而在AI时代成了“最不被待见”的格式。但现在冒出的HTML又是怎么一回事？它有机会取代Markdown成为AI时代的新通用语言吗？

Markdown为什么最适合AI

先说说为什么Markdown成了AI时代的Word。无论是AI的回答，还是我们丢给AI的上下文，现在大多以Markdown为主。这门语言诞生于2004年，灵感来自2000年代电子邮件的文本排版惯例——竖线分隔、80字符换行、星号表示强调。它的目标是“写起来像纯文本，渲染出来像HTML”。足够简单，足够便携，不需要任何工具，任何文本编辑器都能处理。

Markdown语法速查表｜图片由AI生成。

这套设计哲学在博客时代是完美的。2008年前后随着GitHub崛起，Markdown直接成为程序员的标准写作格式。各类技术文档、Stack Overflow回答、GitHub README、技术博客，Markdown几乎在所有这些场景里都工作得很好。

然后大语言模型来了。一方面，训练数据中有大量Markdown格式的文本，模型学会了用它表达结构。即训练数据上，那些技术博客论坛里“聪明人写的东西”大量是Markdown。模型学到的不仅是格式，还有“用Markdown写作 = 认真、结构化、专业”这个关联。另一方面，Markdown的结构信号非常局部化：一个标题只需一个#，一个列表只需一个-，**出现就是加粗。模型不需要看很远的上下文，就能判断当前token的语义角色。

同样一篇文章，HTML意味着繁多的标签、各种区块的分隔以及样式控制等。对比HTML的标题和列表，如

或

要省得多。此外，HTML的

才闭合，语义跨度长，模型生成时需要“记住”更远的状态，对模型生成来说负担更重，出错概率更高。

所以，无论从大语言模型注意力机制的技术角度，还是Token经济学的角度，“能用Markdown就不用HTML”在长文档、多轮对话、大量API调用的场景里，成了工程师和模型双方的偏好。总结下来，Token效率高、结构清晰、解析简单的核心价值，让模型天然爱Markdown——它爱Markdown格式的输入，也爱Markdown格式的输出。这种偏好在大语言模型训练时也变得更加明显。模型通过人类反馈强化学习RLHF时，标注员给高分的回答大概率是：有清晰标题、有分点列举、结构一目了然的回答。而这种视觉结构，在纯文本环境里就是Markdown。于是模型学到的奖励信号也是：用Markdown格式化 = 看起来更认真、更完整、更值得高分。即使问题根本不需要列表，模型也会倾向于加列表。

知名的Markdown编辑器Typora。

这大概也是为什么我们随便问ChatGPT一个问题，它都想给三个要点、加粗关键词、再来个小结。大多数时候，在AI的对话界面，复制AI的回答粘贴到其他输入框，都会发现自动多了#、**、—等Markdown标识。我们看到的每一条AI回复的文字消息，基本上都是以Markdown的格式在渲染。

为什么不是PDF、Word、PPT

Markdown好用，但我们日常生活中使用的文档格式大多还是PDF和Word。老板发来一个文件，我丢给AI去处理，这个文件往往要比我直接复制粘贴消耗更多时间。本质原因还是模型只认识token，不认识文件。大语言模型的输入，在进入模型之前必须先被转换成token序列。模型看不到“一个PDF”，它看到的是PDF被解析出来的文本内容，然后再切成token。所以哪种格式在解析成纯文本之后，损失的信息最少、引入的噪声最少，这种格式就是更好的格式。

Claude官方的PDF Skill，需要调用专门的工具库才能实现PDF文件读取。

PDF设计的目标是“打印出来好看”，不是“机器好读”。在PDF内部存储的是每个字符的坐标位置，而不是文本的逻辑顺序。一个两列布局的PDF，解析出来的文本顺序很可能是左列第一行、右列第一行、左列第二行、右列第二行，直接就完全乱掉。表格更糟糕。PDF里的表格通常是用绝对坐标定位的文本块，没有任何“这是一行”“这是一列”的语义信息。对AI PDF解析器来说，只能靠猜。扫描版PDF就更不用说了，直接是图片，要先过OCR文本识别，而OCR的错误率直接进入模型上下文。

.docx和.pptx本质上是ZIP压缩包，里面是一堆XML文件。解析出来的原始内容里有大量样式标记，如字体、颜色、段落间距、主题、修订记录，这些对模型理解内容毫无帮助，但会占用大量token，稀释真正有用的信息。对PPT来说，信息密度本来就低，一张幻灯片可能只有一句话、几个关键词，解析出来是碎片化的文本，没有上下文连接，模型很难重建完整的逻辑。有人会说那TXT呢？其实Markdown和Word这类文本，本质上都可以转成TXT文档。它没有额外的噪声，但也没有任何结构信号。模型很难定位到哪里是标题、哪里是列表、哪里是代码块、哪里是引用。对于长文档，还意味着模型要靠自然语言线索去猜结构，准确率不稳定。

图片由AI生成。

类似的语言还有JSON/XML。它们确实对机器更友好，但“机器”指的不是语言模型。JSON和XML是为程序解析设计的，键值对、层级结构、严格语法。传统软件读JSON很舒服，因为它可以直接json.parse()，得到一个结构化对象。而语言模型的“理解”是通过token之间的统计关联实现的。对语言模型来说，读JSON和读自然语言的方式是一样的，逐token处理，靠注意力机制建立关联。把这种严格结构化的格式喂给一个为模糊输入设计的系统，本身是一种错配。Markdown刚好在这两者之间，它是纯文本，但带有轻量结构信号。

部分工具如Jina Reader，在网页URL前添加r.jina.ai前缀，就能将任何网页转换为LLM友好的Markdown。

解析Markdown不需要任何特殊工具，直接读文本就行。不会有PDF那种坐标混乱，不会有Word那种XML噪声。同时#、**、-这些符号给了模型足够的结构线索，让它知道这段是标题、这段是列表、这段是代码。这些符号本身就在token词表里，模型直接处理，不需要任何预处理步骤。

Markdown也要过时了？

在Claude Code工程师的那篇文章里，细数了HTML的几大优点。

图片由AI生成。

信息密度更高。HTML能传达的信息远比Markdown丰富。它能做基础的文档结构、标题格式，还能表示各种其他信息，如CSS样式、SVG图片、canvas空间数据、流程图、img标签插入图片等。他还提到，Claude能处理越来越复杂的工作，它写的需求文档和计划也越来越长。而超过100行的Markdown文件根本读不下去，更别说让其他人去读。但HTML文档的阅读体验就更轻松。Claude可以用标签页、插图、链接等方式把结构组织得清晰易导航。它甚至能做到响应式布局，在不同设备上都能舒服地阅读。

在分享这点上，他也认为HTML的传播要比Markdown容易。把HTML文件随便放到某个云平台上，发这个链接给朋友和发一份Markdown文档，一定是点开链接阅读的几率更大。就像现在做报告，展示几十页的PPT，不如直接打开一个网页。市面上常见的深度研究产品，在生成PPT时，所采用的格式也是从渲染HTML网页开始。

还有HTML的交互性。我们可以点击不同的按钮、使用滑块或旋钮来调节不同的信息展示。在提到Markdown输出的Token要比HTML少以及更耗时间时，他说HTML可能比Markdown慢2-4倍，但觉得值得；而HTML带来的表达力提升以及真正去读它的概率大幅提高，最终产出反而更好。我们也尝试把Thariq这篇长文转成HTML的格式，相较于X推文的长截图，HTML呈现的内容会对读者更友好。

将X长文转成HTML｜上下滑动查看更多内容。

针对HTML更合适给人阅读这点，文章所列的优点听起来确实Markdown很难做到，但直接把HTML描绘成新的AI通用语言，还为时尚早。难道我们未来的会话，每一次都要等AI输出一个所谓样式精美、交互友好的网页吗？我想我们和朋友闲聊的时候，不会希望它盛装打扮，更不会想它要化妆一小时，要我们原地等待。更不用说，在大多数用户接触到的AI，即那些不针对编程、设计等特定领域的AI，全部都是以对话的形式在交互。我们的会话或许并不需要一份精美的HTML，现有的Markdown就已经足够了。

Claude Code工程师这篇文章里也提到了HTML适用于哪些项目，例如要求AI生成一份详细的需求文档，包括规划项目和探索不同的设计方案、或是可视化代码审查和理解、制作交互原型（如动画和动作效果）、以及研究报告等使用场景。而这些场景本来就是适合网页呈现的场景，用它来挑战Markdown的地位稍微有点胜之不武。作者在最后得出的论点是HTML作为AI交付给人类的最终产物更好读，但他并没有主张用HTML作为AI的工作记忆或上下文格式，因为Markdown在这一领域目前就是所有AI的唯一解决方案。

Markdown还是AI时代的Word。那Markdown最终会走向哪里？Markdown是AI的工作语言，是上下文的载体，是agent之间传递信息的格式，但它可能不需要是用户最终看到的东西。HTML或者未来某种更好的格式，是Markdown被渲染之后的界面。HTML不需要挑战Markdown的地位，它只需要承担补上Markdown从来就不需要承担的那个角色。Markdown可以是HTML的一部分。我们在网页上和AI聊天，AI给我们的回复使用Markdown，它此时是被嵌入到了HTML里。未来的Markdown就像一块积木一样，它会被嵌入到HTML，甚至是某种更精美的XTML语言里。

图片由AI生成。

格式会一直往前走。HTML是此刻的前台，但也只是此刻的。下一站可能是可交互的3D空间，再下一站可能是直接写进视网膜的信号流。但无论前台换成什么，后台跑的还是Markdown。它不会被取代，只会被遗忘。而在技术的世界里，被所有人遗忘，恰恰是一种格式最终胜利的方式。每一代人都在争论下一个界面是什么。但真正活下来的，从来不是界面，是协议。