来源：量子位 QbitAI（Jay），2026-05-12
Thariq 原文：https://x.com/trq212/status/2052809885763747935
Karpathy 回应：https://x.com/karpathy/status/2053872850101285137

Anthropic 工程师力推 HTML，为什么？

Anthropic 工程师 Thariq 发表长文，核心观点：Markdown 当死，应全面转向 HTML 作为 AI 输出格式。

我现在几乎不怎么亲手编辑这些文件了，更多是拿它们当规范、参考文档或者头脑风暴的产出。就算真要改，通常也是直接丢给 Claude 去修。

HTML 大于 MD 的 5 点理由：

image.png

1、信息密度碾压

Markdown 能做什么？标题、加粗、列表、代码块。差不多了。

但 HTML 可以做的事情，多到离谱——表格、CSS 样式、SVG 矢量图、JavaScript 交互、Canvas 画布、绝对定位的空间布局……

几乎没有任何一类信息，是 AI 读得懂但 HTML 表达不了的。

image.png

Claude Code 在 Markdown 里用 ASCII 码画流程图，或用 Unicode 色块去「估算颜色」——就像逼着一个画家用筷子画油画，还要求人家必须画出个蒙娜丽莎。
image.png

2、可读性

Thariq 一直这么觉得，超过 100 行的 Markdown 文件，他基本就不读了。更别提让团队里其他人去读。

但 HTML 应该会好一点。AI 可以把同样的信息组织成带标签页、带导航、带折叠区块的页面，甚至可以做成响应式的，手机上看也舒服。
image.png

3、分享成本几乎为零

Markdown 文件你怎么分享？发附件。对方还得找个能渲染的工具打开。

HTML 呢？往 S3 上一传，甩个链接，浏览器直接打开。发给同事或老板，发给朋友炫耀，都很方便。

你的 spec、你的报告、你的 PR 说明，被别人真正读到的概率，HTML 比 Markdown 高出太多了。这也是为什么，AI 时代，个人网站成了新的简历形式。

4、双向交互

HTML 是可以交互的。

  • 让 Claude 给设计稿加上滑块和旋钮，拖一拖就能调整参数
  • 让它做一个可拖拽的看板来重新排列任务优先级
  • 让它做一个实时预览的 Prompt 编辑器——左边改 Prompt，右边立即看到填充效果，改完了点一个 Copy 按钮，把参数直接粘贴 Claude Code
    image.png

5、快乐

用 HTML 做东西，更好玩。

当你跟一个工具协作时感到快乐，你就会更愿意投入，更愿意打磨，最终产出的东西质量就是更高。大家之所以会沉迷于 vibe coding，不就是因为找回了那份原始的快乐吗。

Thariq 的用法清单

1、规划和探索

开始一个项目的时候，不再写一个 plan.md，而是让 Claude Code 生成一组 HTML 文件。

先做头脑风暴，把几个方向做成可视化的对比页面。然后选一个方向深入，做 mockup、写代码片段。最后整理成一份实施计划。

Prompt 参考：

我不确定入门引导页该怎么做。生成 6 种完全不同的方案——布局、语气、信息密度都要有差异——放在一个 HTML 文件里用网格排列，让我能并排比较。每种方案标注它做了什么取舍。

image.png

2、代码审查

在 Markdown 里看 diff，太痛苦了。

但 HTML 可以渲染真正的 diff 视图，加上行内批注、按严重程度标颜色、画流程图来解释代码逻辑。

Thariq 说，他现在每个 PR 都会附一个 HTML 格式的代码说明。
image.png

3、设计和原型

HTML 在交互方面就是天生优势，很适合用来做前端。
image.png

4、报告和研究

让 Claude Code 去翻你的 Slack、你的代码库、你的 git 历史、互联网上的资料，然后把所有信息整合成一份可读性极高的 HTML 报告。

可以是一份长文档，可以是一个交互式的解释器，甚至，可以是一个幻灯片。
image.png

5、一次性编辑器

当你用纯文字很难描述你想要什么的时候，让 Claude 给你做一个「一次性编辑器」。

  • 30 个 Linear ticket 需要重新排优先级 → 做一个拖拽看板，预排一遍，调整完，点一下按钮导出成 Markdown
  • 调一个 system prompt → 做一个左右分栏的编辑器，左边改 Prompt，右边实时预览，带 token 计数器和 copy 按钮
    image.png

奢侈，用完就扔。但它帮你省下的时间和脑力，远超你花在描述需求上的 30 秒。

Q&A：代价与权衡

Token 成本

实测：425 个 Markdown 文件一年约烧 6600 美元上下文成本；换成 HTML 后，直接涨到 1.1 万美元——每年多花 5000 美元。

Thariq 承认，HTML 生成时间大概是 Markdown 的 2 到 4 倍。但他觉得值——因为你真的会去读它，而且读完之后获得的信息量远超一份你看两眼就关掉的 MD 文件。

随着 Opus 4.7 的 100 万 token 上下文窗口，这点额外开销其实感知不强。

版本控制

HTML 的 diff 很吵，很难 review。Thariq 没有给出完美的解决方案。

以衡量 trade off 为主——如果用 HTML 的场景主要是一次性的规划文档、报告、代码审查说明这类东西，版本控制的需求本来就没那么强。

卡帕西也附议了

Karpathy 跑出来附议：

当下最值得尝试的热门建议：试试要求输出 HTML。

但角度不太一样，Karpathy 更宏观一点，他画了一条从文字到视觉的进化路线：

  • 纯文本（难读，费劲）
  • Markdown（加粗、斜体、标题，稍微好看点）
  • HTML（还是代码驱动的，但在图形、布局、交互上灵活太多了）
  • ……
    image.png

至于这条路的终点，Karpathy 表示，可能是某种由扩散模型直接生成的交互式视频。

Karpathy 还提了一个很有意思的点：输入端也需要进化。

光靠语音也不够，他觉得自己需要能「指」东西——指着屏幕上的某个位置说「这里改一下」，就像你身边坐着一个人的时候会自然做的那样。

现在的解决方案是截图，或者像 Stitch 里那样可以圈出来，但大家肯定都能感受到，还是不够极致。

哥白尼式智能观

这件事的意义，远不止格式标准之争这么简单。

Markdown 是为人类设计的。它简单、直觉、容易手写手编。它存在的全部理由，就是「方便人类使用」。

但现在，谁在写这些文件？不是你。是 AI。谁在读这些文件？也越来越多地，不只是你。是你和 AI 一起读。甚至有时候，只有 AI 在读。

HTML 确实有些信息冗余。但它是半结构化的——能精确定位、精准修改，扔进浏览器就能直接出预览。而这些特质，恰恰完美适配了现在的 vibe coding 工作流。

所有曾经为了「方便人类操作」而精心设计的东西，都在被重新审视。不是因为它们不好，而是因为它们曾经优化的那个唯一目标——人类体验——现在只能退居其次，变成众多目标中的一个了。

这让人想起陶哲轩说过的一段话——我们正在经历一场认知上的哥白尼革命：

曾经我们以为人类智能是宇宙的中心，而现在终于发现，宇宙中存在着各种截然不同的智能形态，各有其独特的优势与局限。

CLI 正在回归，自然语言正在取代 GUI，代码本身正在变成一种中间产物，而不是最终产品。所有曾经为了「方便人类操作」而精心设计的东西，都在被重新审视。

当创作者和消费者都不再是纯粹的人类时，那个为「纯粹人类」设计的世界，或许……注定会逐渐坍塌。
image.png