当前位置：

社区首页

电脑数码

软件应用

服务软件

AIGC文章详情

张大妈

AI时代，Markdown已死？HTML才是人机协作的新基建

源自116位全网作者

05-12 18:44

精选参考来源

Andrej Karpathy分享了他用大语言模型（LLM）辅助阅读各种文本（博客、文章、书籍章节等）的三步法：第一遍人工阅读，第二遍让LLM解释和总结，第三遍通过问答深化理解。这样不仅提升了阅读效率，还能获得比单纯阅读更深刻的认知，成为他最重要的学习方式之一。他也指出，随着这种方式兴起，写作者的心态可能会改变——从“写给人看”转向“写给LLM看”。因为当LLM理解了内容，它能为不同读者定制和传递信息，实现更精准的沟通。Karpathy还开源了一个名为reader3的工具，方便用户用LLM逐章阅读电子书（EPUB格式）。他强调目前还没有专门工具，自己通常就是复制粘贴到不同的LLM里轮换使用。 GitHub: github.com/karpathy/reader3社区回应中，有人分享了类似经验： - 用LLM辅助读书能大幅提升信息保留和理解深度，变被动阅读为主动思考。 - AI将教育从“一刀切”转变为个性化辅导，学生能随时通过对话拆解难题。 - 未来写作可能陷入“为AI优化”的循环，导致信息自我引用，创新受限。 - 有人开发工具让AI帮忙筛选和索引长文档，提升查阅效率。也有人提醒，写作过度迎合AI可能让文字缺乏人性和灵魂。真正的学习和交流，依赖人类间的互动和思考，而非单纯AI的反馈。此外，使用LLM读书的关键在于“提问的艺术”：善问问题，AI才能激发更深入的洞见和持续的好奇心，创造自然流畅的对话，从而推动认知升级。这场阅读革命不仅是工具变革，更是思维方式的跃迁：信息不再是稀缺资源，学会用AI辅助思考和提问，才是未来的核心能力。链接：x.com/karpathy/status/1990577951671509438

长期看陶瓷对陶瓷更具有防感染优势髋关节置换术后假体感染是患者最担心的问题之一，而假体摩擦界面材料是否会影响感染风险，一直是大家关注的焦点。2016 年一项依托新西兰关节登记库、覆盖 85 万例初次髋关节置换病例、中位随访 9 年的研究，对比了金属对聚乙烯、陶瓷对聚乙烯、陶瓷对陶瓷、金属对金属四种主流摩擦界面与假体周围感染的关联。研究发现，术后半年内的早期假体感染与假体材料无明显关联，但长期随访来看，陶瓷对陶瓷假体的长期感染翻修风险显著低于其他三类材料，金属对金属感染风险相对最高；不过该结论受研究局限性影响，仅为初步参考，结合此前百万例研究，陶瓷对聚乙烯仍是兼顾低翻修率与低感染风险的稳妥选择。#髋关节置换 #抖出健康知识宝藏

全部
来源

内容由AI生成

1. Andrej Karpathy分享了他用大语言模型（LLM）辅助阅读各种文本（博客、文章、书籍章节等）的三步法：第一遍人工阅读，第二遍让LLM解释和总结，第三遍通过问答深化理解。这样不仅提升了阅读效率，还能获得比单纯阅读更深刻的认知，成为他最重要的学习方式之一。他也指出，随着这种方式兴起，写作者的心态可能会改变——从“写给人看”转向“写给LLM看”。因为当LLM理解了内容，它能为不同读者定制和传递信息，实现更精准的沟通。Karpathy还开源了一个名为reader3的工具，方便用户用LLM逐章阅读电子书（EPUB格式）。他强调目前还没有专门工具，自己通常就是复制粘贴到不同的LLM里轮换使用。 GitHub: github.com/karpathy/reader3社区回应中，有人分享了类似经验： - 用LLM辅助读书能大幅提升信息保留和理解深度，变被动阅读为主动思考。 - AI将教育从“一刀切”转变为个性化辅导，学生能随时通过对话拆解难题。 - 未来写作可能陷入“为AI优化”的循环，导致信息自我引用，创新受限。 - 有人开发工具让AI帮忙筛选和索引长文档，提升查阅效率。也有人提醒，写作过度迎合AI可能让文字缺乏人性和灵魂。真正的学习和交流，依赖人类间的互动和思考，而非单纯AI的反馈。此外，使用LLM读书的关键在于“提问的艺术”：善问问题，AI才能激发更深入的洞见和持续的好奇心，创造自然流畅的对话，从而推动认知升级。这场阅读革命不仅是工具变革，更是思维方式的跃迁：信息不再是稀缺资源，学会用AI辅助思考和提问，才是未来的核心能力。链接：x.com/karpathy/status/1990577951671509438

2. 长期看陶瓷对陶瓷更具有防感染优势髋关节置换术后假体感染是患者最担心的问题之一，而假体摩擦界面材料是否会影响感染风险，一直是大家关注的焦点。2016 年一项依托新西兰关节登记库、覆盖 85 万例初次髋关节置换病例、中位随访 9 年的研究，对比了金属对聚乙烯、陶瓷对聚乙烯、陶瓷对陶瓷、金属对金属四种主流摩擦界面与假体周围感染的关联。研究发现，术后半年内的早期假体感染与假体材料无明显关联，但长期随访来看，陶瓷对陶瓷假体的长期感染翻修风险显著低于其他三类材料，金属对金属感染风险相对最高；不过该结论受研究局限性影响，仅为初步参考，结合此前百万例研究，陶瓷对聚乙烯仍是兼顾低翻修率与低感染风险的稳妥选择。#髋关节置换 #抖出健康知识宝藏

3. 最强AI视频工作流：自动量产高质量短视频，无需剪辑，真正一键成片！

4. Claude Code 团队的 Thariq 最近写了一篇文章，分享了一个他自己摸索出来的工作习惯：用 Claude Code 的时候，别再让它输出 Markdown 了，改成输出 HTML。这个建议乍一听有点奇怪，Markdown 不是公认的轻量好用吗？但他的理由很实在。首先是可读性问题。Markdown 文件一旦超过100行，他就基本读不下去了，而且他也没办法让团队里的其他人认真看完一份长 Markdown 文档。但 HTML 不一样，Claude 可以用标签页、目录导航、插图、链接来组织内容结构，甚至可以做成响应式的，手机上也能舒服地阅读。同事实际打开并读完你的文档的概率，会因此大幅提升。其次是表达能力。HTML 几乎能承载任何类型的信息：表格、CSS 样式、SVG 矢量图、JavaScript 交互、空间布局、代码片段。他说几乎没有什么 Claude 能理解的信息是 HTML 不能高效呈现的。相比之下，Markdown 里想表达颜色只能用 Unicode 字符凑合，想画流程图只能用 ASCII 线条拼，效果差很多。然后是分享便利性。Markdown 文件在浏览器里不能直接渲染，你得当附件发。但 HTML 上传到 S3 之后就是一个链接，任何人点开就能看，不需要额外工具。最让他兴奋的是交互能力。你可以让 Claude 在 HTML 里加滑块、旋钮、开关，用来调整设计参数或算法配置，调好之后点一个「复制」按钮，把参数粘贴回 Claude Code 继续工作。这就形成了一个双向的工作流：Claude 生成可交互的 HTML，你在上面调整，然后把结果喂回给 Claude。他列了很多具体用法：让 Claude 生成六种不同的设计方案，用网格布局并排对比；让 Claude 读 PR 代码然后生成带注释、带颜色标记的 diff 可视化页面（他说比 GitHub 默认的 diff 视图好用）；让 Claude 做一个一次性的专用编辑器，比如拖拽排序工单、编辑 feature flag 配置、或者实时预览 prompt 模板的效果。他也坦诚地说了缺点：HTML 生成时间是 Markdown 的2到4倍，而且版本控制里 HTML 的 diff 很难看。但他说，真正让他坚持用 HTML 的原因，其实是一种心理上的变化。之前他已经不怎么读 Claude 生成的 Markdown 计划了，开始担心自己会失去对 Claude 工作方向的掌控。但换成 HTML 之后，因为文档变得好看、好读、可交互，他重新开始认真看 Claude 的输出了，感觉自己又回到了 loop 里面。最后他特别提了一句：不需要做什么特殊的 skill 或配置，直接跟 Claude 说「生成一个 HTML 文件」就行了。关键是你要知道自己想用这个 HTML 做什么，想怎么跟它交互。#科技先锋官##How I AI#

5. 硅谷最新估值5亿的文档产品Mintlify：以AI为上帝重构，1000万ARR

6. 如果你平时有大量工作需要跟 Word 文档打交道，给大家推荐一个非常好的方式就是使用 Claude Code 用 document-skills 来处理 Word。 document-skills 是 Claude Code 官方技能库里的正统 Skill，处理逻辑很讲究。它会先把 Word 文件解压成 XML，然后直接在 XML 层面做修改，改完再打包回 docx。这个思路比用 Python 库直接操作 Word 要强大很多，因为它能触达文档底层的几乎所有元素。具体能干什么呢？创建、读取、编辑 docx 文件这些基本操作自然不在话下，目录生成、页眉页脚、表格、超链接、脚注这些格式要求也都支持。更实用的是，它还能处理修订追踪和批注管理，支持图片插入和多栏布局，甚至可以把旧版的 doc 格式转成 docx。除了 Word 之外，Excel、PPT、PDF 它也能处理。安装特别简单，一句话搞定： /plugin install document-skills @anthropic-agent-skills 对于日常要跟大量格式文档打交道的人来说，这个 Skill 算是真正解决了一个痛点。以前那些纯粹耗时间在格式调整上的活儿，现在基本可以丢给 Claude Code 去干了。 #科技先锋官##How I AI#

7. 商汤SenseNova U1：原生多模态统一模型的范式革命

8. memsearch：OpenClaw同源的记忆系统Zilliz 最近开源了 memsearch，从 OpenClaw 的记忆系统里提取出来的，核心思路很干净：Markdown 文件就是记忆的唯一真相。设计理念：Markdown is the source of truthAgent 的记忆就是本地文件，按天存，人能读、能改、Git 可以管理版本。索引坏了？删掉重建，原始记忆一行不丢。这是对"数据库黑盒"方案的直接反叛。三步记忆范式- Recall：用混合检索（向量语义 + BM25 关键词）从历史记忆里找相关上下文- Think：把检索结果注入 LLM，做有记忆支撑的推理- Remember：把这次对话写回 Markdown，自动重新索引几个工程细节值得关注- SHA-256 内容哈希去重：内容没变就不重复 embed，大幅降低 API 成本- 文件监听自动索引：开启后，文件一保存立刻更新向量库，删文件时对应 chunk 也同步清除- 多 embedding 引擎：支持 Gemini、Voyage AI、Ollama（本地）、sentence-transformers（离线），换引擎只改配置，历史记忆不影响和 Mem0 / Zep 的本质区别Mem0、Zep 把记忆存在数据库里，人看不到、改不了、换供应商就麻烦。memsearch 的记忆就是普通文本文件：看改动，查历史，跨机器同步，零供应商锁定。主要短板：暂不支持时序关系图谱和多 Agent 共享记忆，适合单 Agent 长期记忆场景，不适合复杂多 Agent 协作系统。🔑 三个关键点① Markdown 文件即记忆，人类可读可编辑，彻底解决 AI 记忆的"黑盒"问题② 混合检索（向量 + BM25）比单纯语义检索精度更高，"Redis 缓存"能精确匹配到相关决策③ SHA-256 去重 + 文件监听自动索引，工程上几乎是零维护成本GitHub：github.com/zilliztech/memsearch#how i ai##程序员#

9. HTML is the new Markdown。🔥总结一下我们用 Markdown 作为 AI 输出格式，是有历史原因的——但那个历史原因已经消失了。1. 为什么 Markdown 变成了默认？GPT-4 时代 context window 只有 8192 token，Markdown 的 token 效率远高于 HTML——同一篇博客，HTML 要用 16180 token，Markdown 只需 3150 token，压缩了 80%。token 贵，所以用 Markdown。今天 Opus 4.7 的 context window 是 100 万 token，这个约束几乎消失了。我们继续用 Markdown，只是惯性。2. HTML 派的理由Thariq 的核心论点是信息密度。Markdown 能做的 HTML 都能做，HTML 还能做 Markdown 做不到的：1）可视化：SVG 插图、流程图、数据图表——用真正的矢量图，而不是 ASCII 将就版2）阅读体验：超过 100 行的 Markdown，Thariq 说他根本不读。HTML 可以做标签页、内页导航、折叠展开，组织复杂信息的方式完全不一样3）双向交互：让 agent 在文档里加滑块调参数，调完把参数复制回给 Claude——Markdown 做不到4）分享：上传到 S3，一个链接发给同事，浏览器直接打开。Markdown 要么看源文件，要么配渲染器5）Code Review：diff 和调用关系是空间信息，Markdown 会压平它。HTML 可以渲染带注释的 diff、画模块关系图，比 GitHub 默认 diff 视图更好用他现在每次做 PR 都附一份 HTML 版代码解释，让 Claude 从 git history、Slack MCP 读上下文，生成带颜色标注和内页导航的审查报告。3. Markdown 派的反驳这场讨论也有清醒的反对声。1）Cloudflare 的视角完全相反：他们 2026 年 3 月专门发布了"Markdown for Agents"功能，把 HTML 网页自动转成 Markdown 再喂给 AI。理由是：AI agent 消费内容时，HTML 里的 <div>、CSS、script tags 全是噪声，token 浪费严重，Markdown 才是 AI 处理内容的正确格式2）版本控制：连 Thariq 自己也承认，HTML diff 嘈杂，很难 review。这是 HTML 最大的短板之一3）生成速度：HTML 生成时间是 Markdown 的 2-4 倍4）编辑成本：Markdown 人可以直接改，HTML 要面对一堆标签。如果文档后续还要人工编辑、或者粘贴进 Notion/Slack/Zenn 这类工具流转，Markdown 明显更好5）评论区 Somya 的折中观点：HTML 适合原型、mockup、可视化预览；Markdown 适合代码、计划、文档这类纯文本内容。建议：插图多于文字时用 HTML，反之用 Markdown4. 一个更清晰的框架争论双方说的其实不是同一件事。有种的分析比较到位：1）HTML 赢在"发布终点"——给人最终阅读的版本：PR 审查报告、技术教材、数据看板、交互原型2）Markdown 赢在"中间素材"——还在流转的内容：agent 读取的规格文档（CLAUDE.md、ADR）、人工编辑的草稿、需要跨工具传递的内容本质上：HTML 赢在"人最终读的那个版本"，Markdown 赢在"还没到终点的中间态"。5. 真正值得关注的信号Thariq 说他用 HTML 的真正原因是"感觉更 in the loop"——以前不看长计划，只能任 Claude 自行决策；现在 HTML 可读性高，他会真的读，发现问题、给反馈、参与决策。这个观察比格式之争更重要：输出格式影响人是否参与 loop，参与程度决定 agent 系统的质量上限。背景：Claude Code 团队工程师 Thariq Shihipar 两天前在 X 上发的一篇文章，引起了大家非常热烈🔥🔥🔥的讨论。Simon Willison 直言"重新考虑了用了三年的 Markdown 默认习惯"。#HOW I AI# #程序员#

10. 如果你还在用原生JSON喂LLM，那你其实在浪费tokens、增加延迟和成本！试试TOON（Token-Oriented Object Notation），它像YAML一样清晰，像CSV一样紧凑。优势显著： - 节省30%~60% tokens - 成本降低最多50% - 尤其适合表格数据处理这不仅是节省，更是效率革命。用更少的token传递同样信息，直接降低调用费用和响应时间。对大规模数据交互的应用尤其关键。项目开源在这里：github.com/toon-format/toon 值得思考的是：虽然CSV和TOON都把键和值分开存储，是否会影响LLM的“记忆”与理解？这是未来值得研究的方向。也有人担心LLM训练时习惯了JSON格式，变换格式会不会影响生成质量？这点还需实测验证，但探索新格式本身就是推动效率创新的关键。总之，转向TOON或者类似紧凑格式，是降低LLM调用门槛和成本的必由之路。技术人必须拥抱这种token效率的提升，才能真正玩转大模型时代。原文：x.com/DataChaz/status/1989056483057889481

11. 在线开发经常需要面对前端设计、后端架构、移动开发和图形着色等多样技能，学习曲线陡峭且缺少系统化指引。 MiniMax Skills 专为 AI 编码助手打造了一套结构化的开发技能库，覆盖从前端动画、全栈集成，到安卓 iOS 原生开发，再到 GLSL 着色器视觉特效。项目不仅支持丰富技术栈和产业标准，还能兼容多种 AI 工具如 Claude、Cursor、Codex 和 OpenCode，通过简单配置即可集成使用，极大提升开发效率和代码质量。 GitHub：github.com/MiniMax-AI/skills 主要内容： - 前端开发：React / Next.js + Tailwind CSS，支持动态图形与 AI 生成媒体； - 全栈开发：REST API、认证、安全、实时通信及数据库整合指南； - 安卓原生：Material Design 3，Jetpack Compose，性能与易用兼顾； - iOS 应用：SwiftUI、UIKit、Apple HIG 标准实现无障碍设计； - 着色器开发：GLSL 高级技巧，流体、粒子和光影特效制作； - 丰富文档生成：PDF、PPTX、XLSX、DOCX 格式的创建与编辑。支持多平台插件，适合 AI 辅助开发者、培训机构和大型团队协作。 #AI开发##开源项目##编程技能提升#

12. 发布了头条文章：《互联网的“脱水”时刻：Cloudflare 正在重写 AI 时代的协议底层》 :全球边缘计算巨头 Cloudflare 正式推出了 “Markdown for Agents” 协议。这看似只是一个格式转换工具，实则拉开了互联网“脱水运动”的序幕——它宣告了 HTML 霸权的终结，以及一个“语义优先”时代的到来。互联网的“脱水”时刻：Cloudflare 正在重写 AI 时代的协议底层

13. Python 文件操作：Markdown 格式

14. 戛纳导演硬核工作流全公开！1个人7天用AI手搓出一部“权游”电影

15. Claude Code隐藏玩法爆火！Anthropic大佬：不要再用Markdown了

16. Obsidian AI插件 Claudian 基础配置使用教程能和笔记直接对话啦

17. 都2026了，Obsidian还不接AI？保姆级教程来了

18. AI代理处理Office文档总需要安装一堆库，python-docx、openpyxl、python-pptx轮番上阵，依赖复杂、渲染麻烦，还得额外配置Office环境才能预览效果。OfficeCLI 把Office操作全搞定，提供专为AI代理打造的Word、Excel、PowerPoint完整解决方案。单二进制文件、无依赖、无需安装Office，支持创建、读取、编辑所有Office格式，还内置渲染引擎，能直接生成HTML/PNG预览，让AI代理"看得到"自己创建的内容。GitHub：github.com/iOfficeAI/OfficeCLI主要功能：- 支持Word(.docx)、Excel(.xlsx)、PowerPoint(.pptx)完整读写创建；- 内置渲染引擎，生成HTML/PNG预览，无需Office即可可视化；- 路径式DOM操作，支持get/set/add/remove/move等精确编辑；- 实时预览watch模式，编辑即自动刷新浏览器显示；- 模板合并merge功能，一次设计布局，批量填充JSON数据；- Excel内置公式引擎（150+函数自动计算）和数据透视表生成；- 批量操作batch模式，多命令原子执行，CI/CD友好；- AI技能自动安装，支持Claude Code、Cursor、Copilot等无缝集成。#AI工具##Office自动化##人工智能#

19. 使用多个AI编程代理（Claude Code、Codex、Cursor、Aider等）时，历史对话分散在不同目录，JSONL、SQLite、Markdown格式各异，grep搜索费时费力，关键解决方案往往找不回来。coding-agent-search (cass) 把所有代理的历史对话统一索引搜索，提供高性能TUI和CLI工具。不仅支持19+代理的会话聚合（Claude Code、Codex、Gemini、Cursor、Aider等），还提供BM25精确搜索+可选语义搜索、毫秒级响应，支持多机同步搜索。GitHub：github.com/Dicklesworthstone/coding_agent_session_search主要功能：- 统一索引19+ AI编程代理的历史对话，支持JSONL、SQLite、Markdown等多种格式；- 高性能TUI界面，实时搜索+三栏布局，F12切换排序模式，支持模糊搜索；- 混合搜索模式（词法+语义），支持通配符、前缀匹配、自动模糊回退；- 多机搜索，通过SSH/rsync同步远程服务器的代理会话数据；- Robot模式CLI，JSON输出，专为AI代理设计，支持自动化工作流；- HTML导出带加密，支持密码保护和离线查看，语法高亮+可搜索。支持Linux、macOS、Windows，通过Homebrew、Scoop或安装脚本一键部署，本地运行完全离线，适合个人开发者及团队使用。#AI编程##Rust##开发者工具#

20. 商汤科技正式发布并开源了与南洋理工大学 S-Lab合作研发的全新多模态模型架构 —— NEO，为日日新 SenseNova 多模态模型奠定了新一代架构的基石。作为行业首个可用的、实现深层次融合的原生多模态架构（Native VLM），NEO 从底层原理出发，打破了传统“模块化”范式的桎梏，以“专为多模态而生”的创新设计，通过核心架构层面的多模态深层融合，实现了性能、效率和通用性的整体突破，重新定义了多模态模型的效能边界，标志着人工智能多模态技术正式迈入“原生架构”的新时代。发布了头条文章：《商汤发布 NEO 架构，重新定义多模态模型效能边界》 #大模型 # 商汤科技##ai# 商汤发布 NEO 架构，重新定义多模态模型效能边界

21. 终于，我用AI治好了"只收藏不学习"的坏毛病（附全自动工作流）

22. 【AI前沿】Perplexity 公开内部 Agent Skills 手册：比格式更重要的，是一套新的开发者思维

23. 实测用TRAE Skills接管工作流，打工人的自动化神器 #AI #AI编程 #TRAE #SOLO #Skills

24. SenseNova U1开源：8B参数原生统一多模态模型

25. “福利姬”该被骂吗？真的轻松赚钱吗？真实工作流竟是？#二次元 #长视频 #播客 #cosplay #cos

26. 9.3k星Skill Seekers：一键把文档变成Claude技能，文档党狂喜

27. AI时代，Figma如何重塑设计和编程工作流

28. AI让短剧从拍摄变生成，成本直降百倍、效率拉满。你觉得AI短剧未来还能带来多少惊喜？#网络名人赞两会 #2026全国两会 #漫剧 #AIGC #红衣聊AI

29. Product Hunt月榜盘点：单纯做Agent已经不够了，要切进真实、高频的工作流中

30. Markdown 就是代码：YC 掌门人 Garry Tan 揭示的 AI 编程新范式。YC 掌门人 Garry Tan 最近发了一条推文，只有几句话，但在技术圈引起了不小的讨论。他说：Markdown is code。Markdown 就是代码。乍一看你可能觉得这话有点夸张。Markdown 不就是用来写文档、做笔记的吗？怎么就成代码了？但如果你了解他正在做的事情，就会发现这句话背后藏着一个正在发生的巨大范式转变。Garry Tan 正在开发一个叫 GStack 的工具，他在里面集成了 Codex 来做自动化的代码审查和计划评审。他把 skill（技能指令）用 Markdown 写好，直接放在代码仓库里，这样他的工作区就会自动使用本地的最新版本。有意思的事情发生了。当他执行一个叫 /ship 的命令时，这个 Agent 跑的其实就是它自己的代码，也就是那些 Markdown 写成的指令。更让他惊讶的是，Agent 在运行过程中展现出了一种“自我感知”的能力，它对他说：选 A 方案吧，因为你现在正在部署这个功能。你品一品这句话。Agent 不光是在执行指令，它还知道当前的上下文是什么，知道 Garry Tan 此刻正在做什么，然后基于这个理解给出了建议。这在传统的确定性代码里几乎是不可能的。你用 JavaScript 或者 Python 写一段逻辑，它只会按照你预设的条件分支去走，它不会“理解”你正在做什么。但 Markdown 写成的指令不一样。因为 AI 能读懂自然语言，所以它可以根据当前的情境灵活地做出判断。这就是 Garry Tan 说的那句话的意思：Markdown 比 JS 或者确定性语言更好，因为它知道正在发生什么，并且能用智能来做选择。评论区有个叫 Humi 的开发者举了一个很直观的例子。他说，如果你用 YAML 来做同样的事情，你得写一个脚本去检查当前的分支名，解析功能名称，映射到对应的配置选项。一旦有人把分支命名方式改了，整套逻辑就崩了。但 Markdown 版本就不会有这个问题，因为它理解的是英语，理解的是意图，不是死板的语法规则。这其实揭示了一个更深层的变化：我们正在从“写语法”走向“写意图”。过去编程，你得告诉计算机每一步该怎么做，用什么数据结构，走哪个分支，怎么处理异常。现在呢，你只需要用自然语言把你的意图描述清楚，AI 就能理解并执行。Markdown 恰好是一种介于纯自然语言和结构化代码之间的格式，它有层级，有组织，但又足够灵活，能让 AI 自由发挥。评论区另一个叫 Hero Halldon 的用户说了一句特别到位的话。他说他现在整个工作流都跑在 Markdown 工作区文件上，人格设定、规则、优先级、记忆，全部用 Markdown 来定义。他说这已经不只是配置文件了，这是认知脚手架。认知脚手架这个词用得特别好。传统的配置文件是死的，你写什么它就是什么。但当 AI 能理解这些 Markdown 文件的时候，它们就变成了 Agent 的“思维框架”。Agent 会基于这些框架去理解世界、做出判断、采取行动。你写的每一行 Markdown，都在塑造 Agent 的认知方式。这对我们每个人来说意味着什么呢？想想看，如果 Markdown 就是代码，那“编程”这件事的门槛就被彻底拉低了。你不需要学 Python，不需要懂 JavaScript，你只需要能把自己的想法清晰地组织成结构化的自然语言，你就在“编程”了。会写文档的人，会整理笔记的人，会列清单的人，本质上都具备了这种新型编程的基础能力。当然，Garry Tan 自己也很清醒。有人在评论区质疑说，你看到的智能其实来自 Codex 的能力，跟 Markdown 本身没关系。Garry Tan 的回复很简洁：这是一种不同类型的代码，用最合适的工具做最合适的事。这句话很重要。他没有说 Markdown 要取代传统代码，他说的是在某些场景下，Markdown 比传统代码更好。需要精确控制、高性能计算的地方，你还是得写传统代码。但在需要灵活判断、情境感知、意图理解的地方，Markdown 加 AI 的组合可能是更优解。我们正站在一个很有意思的节点上。编程语言从机器码到汇编，从汇编到 C，从 C 到 Python，每一次进化都是在让人类更容易表达意图。现在，Markdown 加 AI 可能正在开启下一次进化：直接用人类的语言来编程。这不是科幻，这是 YC 掌门人此刻正在做的事情。#科技先锋官# #How I AI#

31. AK大佬的2025 年 LLM 年度回顾

32. Andrej Karpathy最新博客更新《2025 LLM 年回顾》

33. Python 第三方库：Markdown（将文本渲染为 HTML）

34. 盘点一周AI大事(5月3日)｜Google上线AI口语陪练 Google IO即将发布Gemini 4和Veo 4 Gemini上线原生文件生成 Google推出AI衣柜 Google翻译上线AI口语陪练 Claude 接入50多款创作软件，能直接操作Photoshop修图、做海报，接管Blender建模，用Ableton创作音乐英伟达开源全模态模型Nemotron 3 Nano Omni 研究员训练出复古大模型talkie KAIKAKU发布食品大模型Epicure 研究员开源突破性智能体协作框架Recursive MAS Moonlake上线Blender智能体Moonlake 3D Agent #前沿科技趋势发布月 #AI新星计划 #AI #AIGC #大模型

35. AI工作流已死？Agentic 时代，n8n这类工具还有学的必要吗？

36. 卡帕西宣判Vibe Coding终结！99%代码AI接管，智能体工程时代开启

37. 大模型（LLM）和智能体（Agent）有什么区别？

38. 【LLM智能体正在成为新一代高级编程语言】一个大胆的假设：C语言之于汇编，Java之于C，Python之于Java，现在LLM智能体正在对所有编程语言做同样的事。这里说的LLM智能体，指的是一种全新的开发模式：多个智能体并行工作，大部分时间自主运转，只在关键节点需要人类介入。判断这个假设是否成立的标准很简单：如果一个开发者借助多智能体能产出十倍于从前的成果，那它就是真的。2026年初的今天，我还不能完全确定，但已经在认真考虑这种可能性。对于在软件行业摸爬滚打多年的人来说，质疑声不会少。先回应几个常见的：“十倍代码量不等于十倍产出，那只是垃圾代码。”没错，衡量标准应该是实际交付的功能价值，不是代码行数。如果假设成立，真正的“代码”其实是你给LLM的指令。“LLM是给不会写代码的人用的。”LLM确实会带来大量新程序员，但这不意味着老手用不上。事实上，很多资深开发者正在借助LLM实现产出的飞跃。“用LLM就是偷懒不想动脑。”恰恰相反。当你用LLM做更多事情时，你需要思考和工作得更多，而不是更少。管理一支智能体舰队比自己写代码更费心力，因为你要设计的东西是原来的好几倍。“LLM会让我们的编程技能退化。”可能吧。但我们在工作中也不会担心汇编或C语言技能生疏。大多数人只在业余时间练习这些，因为没人能证明用汇编写业务代码会更高效。“LLM写的代码比我差太多。”几乎肯定如此。但你的汇编代码也比不上专家。只要LLM生成的代码足够高效，能跑起来，就已经可以交付了。系统会丑一些，但它能用。“用LLM智能体太贵了。”如果它们能带来50%的生产力提升，对比你的薪资，其实一点都不贵。而且LLM只会越来越便宜。它们只在绝对值上贵，相对值上并不贵。“我试了一下午，纯粹浪费时间。”学习曲线是存在的。想想你当初花了多少时间和编程工具、语法搏斗，才勉强上手。以上这些反对意见在逻辑上都站不住脚，但情感上确实不容易接受。真正触及核心的问题有两个：质量和可理解性。LLM生成的代码会不会很快变成一堆垃圾？我们是不是在沙子上建房子？LLM生成的代码量会不会大到我们永远无法理解？即使系统能跑，我们是否会因为不理解而永远失去控制？我认为质量和可理解性应该成为任何LLM编程框架的核心目标。从经济角度看，只追求质量是不够的。可理解性可能是浪漫主义的幻想，也可能是一个值得押注的长期赌注。我选择后者。有趣的是，LLM比以往任何高级语言都更具非确定性。但它们也能在高层次描述上帮你理清思路，这是以前任何抽象层都做不到的。未来的开发会是什么样子？我看到四个核心要素：文档是一组描述系统规格的页面，包括目的、核心实体、接口、约束、关键流程和编码规范；实现是代码库加上所有数据，代码库应该能从文档重建，数据应该与文档描述一致；对话是多个智能体在执行任务时产生的思考流，人类可以随时查看或介入；任务是一组动态的离散工作单元，可以嵌套，有状态追踪。两个存量，两个流量。文档和实现是系统的积累，对话和任务是构建它们的过程。人类当然可以直接修改文档和实现，但这种情况会越来越少，因为大部分工作流是智能体驱动的，人类主要在与智能体交互。智能体可以扮演多种角色：独立完成任务的执行者、协调下一步的管理者、试图破坏新功能的测试者、脱离上下文审查代码的评审者、解决冲突的合并者。重要的是人类可以灵活配置，指令可以是一次性的，也可以是文档的一部分。MCP协议带来了一个打破应用孤岛的机会。它可以被视为一种通用的数据请求接口，让你的智能体能够从任何现有应用中提取功能和数据，放到你自己设计的动态画布上。你可以说“从某个系统给我拿这些数据”，LLM就会去取，然后在你想要的地方做一个漂亮的即时可视化。这才是真正的孤岛终结者。如果我们用一个好的底层基座而不是臃肿的技术栈，LLM输出的代码量会大幅减少，也更容易理解。系统的前端变成了文档和智能体，后端变成了基座。还有一些开放问题：文档和对话如何与实现一起存储？版本控制系统怎么用？这些都等待探索。federicopereiro.com/llm-high/

39. 写在2026的开端——生成式AI带来的时代加速与过程压缩

40. 阿里系连发两个重磅AI产品，暗藏了一个巨大的机会#灵光 #蚂蚁灵光 #阿里巴巴 #全模态通用AI助手 #AI工具

41. 实测碾压！PaddleOCR-VL-1.5 来了：这可能是目前最实用的文档解析工具

42. 灵光一夜爆火，一句话就能做出小应用，当AI发展得越来越快——你就知道，孩子真正要练的，从来不是技能本身#近6成程序员称不会给孩子报AI编程课 #AI时代教育 #灵光#孩子要学什么

43. 前端圈直接上了个大新闻：Anthropic 把 Bun 收了。这个原本被称为“Node.js 最强替代品”的超高速运行时，现在正式成了 Claude 的底层引擎。很多人只看到收购，但真正值得关注的是AI 编程工具正在反向重塑整个 JavaScript 基础设施。 Claude Code、FactoryAI 等一堆热门 AI 编码工具，本质上都跑在 Bun 上：运行快、启动快、工具链一体化、还原生支持 TypeScript。对 Anthropic 来说，谁掌握了运行时，谁就掌握了未来 AI 写代码的执行权。有了 Anthropic 的资源，Bun 的迭代速度会更快，Node.js 的压力也会更大。未来前端工具链可能不再靠开发者手搓配置，而是 AI + Bun 在底层把一切都处理掉。可以说这是 AI 改写开发方式的又一个转折点。#ai#

44. #互联网技术[超话]##个重磅信号！#黄仁勋 #AI #人工智能#机器人 #自动驾驶 #CES2026 #英伟达#新年演讲# 黄仁勋在2026年CES展会上的新年首场演讲，以"物理AI"为核心主题，宣告人工智能正式迈入从理解数字世界到改造物理世界的新阶段。以下是演讲的核心内容整理：一、时代定调：双重平台转移开启AI新纪元黄仁勋指出，计算机行业正经历十年一遇的"平台重置"，同时发生两大平台转移：一是应用程序全面构建于AI之上，软件开发从"编程"转向"训练"，运行载体从CPU迁移至GPU；二是软件的开发与运行逻辑彻底革新，AI应用不再是预编译的固定程序，而是能理解上下文、实时生成内容的智能系统。这一变革正驱动全球价值约十万亿美元的计算机基础设施进行现代化改造。二、物理AI的ChatGPT时刻已至物理AI成为演讲的核心焦点。黄仁勋认为，AI的演进可以分为四步：感知AI、生成AI、代理AI、物理AI。当模型能够理解重力、摩擦、惯性、动量守恒等物理定律，AI才能真正走出屏幕，进入物理世界执行任务。支撑物理AI战略的三大技术支柱已全面成型： Newton物理引擎：实现低于0.01秒的实时物理计算响应 Cosmos基础模型平台：以1000亿参数达成1毫秒级推理延迟，支持多模态物理世界理解 GPU+LPU混合架构：算力效率提升100倍，成本降低90% 三、Rubin计算架构全面量产英伟达推出新一代Vera Rubin计算架构（简称Rubin架构），该平台已进入全面量产阶段。Rubin架构通过CPU与GPU协同设计，AI训练性能较前代Blackwell提升3.5倍，推理性能提升5倍，token生成成本最高降低10倍。该架构包含六款全新芯片：Vera CPU、Rubin GPU、NVLink 6 Switch、ConnectX-9 SuperNIC、BlueField-4 DPU和Spectrum-X以太网交换机。四、自动驾驶与机器人突破自动驾驶领域：英伟达发布全球首个开源端到端AI系统Alpamayo，这是业界首个具备思考推理能力的自动驾驶AI模型。2025款梅赛德斯-奔驰CLA将首发搭载该技术，计划2026年第一季度在美国上路，随后推广至欧洲和亚洲市场。机器人领域：黄仁勋宣布"机器人领域的ChatGPT时刻已经到来"。英伟达发布了专为人形机器人设计的Isaac GR00T N1.6视觉语言行动模型等开源工具，同时推出Cosmos Reason 2推理型视觉语言模型。特斯拉Optimus人形机器人已通过Omniverse数字孪生平台完成90%以上的训练，自主运行比例达85%，2026年第一季度将实现5万台量产，成本降至2万美元以下。五、开源生态战略加速黄仁勋强调，开源模型与前沿闭源模型的差距已缩短至约6个月，且仍在持续缩小。英伟达不仅开源模型，还开源用于训练这些模型的数据，以建立真正的"系统信任"。现场展示的多款开源模型包括三家中国开源模型：Kimi K2、Qwen和DeepSeek V3.2。黄仁勋特别提到，DeepSeek R1的出现意外推动了整个行业的变革进程。六、全栈AI体系构建英伟达的角色已从芯片供应商转变为"全栈AI体系"的构建者。通过"三台计算机"的架构——训练（DGX超级计算机）、仿真（Omniverse与RTX）、推理（AGX系列边缘设备），英伟达构建了从云端训练到现实部署的完整闭环系统。同时，通过开源模型、数据及NeMo开发库，英伟达正推动技术民主化，让更多开发者和企业能够参与到物理AI的创新浪潮中。黄仁勋在演讲结尾强调，物理AI的落地将重塑全球千万家工厂与数十万个仓库的运作逻辑，开启AI与实体经济深度融合的新时代。 http://t.cn/AXb9Z9MM

45. AI时代输出格式大洗牌！HTML完胜Markdown🔥

46. HTML 正在取代 Markdown？｜拆解 Claude Code 团队这篇《The Unreasonable Effectiveness of HTML》

47. 使用 Claude Code，为什么“让 AI 输出 HTML”可能比 Markdown 更合适？

48. Claude Code 团队为什么建议用 HTML 做复杂输出

49. Claude Code 团队正在悄悄流行的 HTML 输出习惯

50. AI 时代，为什么更倾向于用 HTML 而不是 Markdown 输出

51. AI 时代，该用 HTML 而不是 Markdown 向人类传递信息了

52. AI 写作时代，Markdown 的最大优势，消失了

53. 你让 AI 写的 Markdown，大概率没人读

54. Claude Code团队宣布

55. Claude团队内部都在偷偷用 HTML！你还在用 Markdown？Out 了！

56. Claude Code 团队即将抛弃 Markdown，全面拥抱 HTML！

57. 我用 Claude Code 写了上百个 HTML 文件后，再也不想回 Markdown 了

58. Markdown 已死，HTML 当立。

59. 别再让Claude code写Markdown了，你亏大了

60. 现在又说Markdown不好，HTML回光反照了？

61. AI Agent开始嫌弃Markdown？

62. 600万人看了这篇文章，然后默默把Markdown删了

63. 再见Markdown！Claude Code团队自曝

64. HTML 正在取代 Markdown？别被标题党骗了，真相是这样的

65. 我让AI生成文档，格式一律要HTML——不是为了做网页

66. Anthropic 工程师都开始弃用 Markdown 了，AI 时代的文档格式要变天？

67. 大模型生成Markdown已经过时？HTML是AI输出的新标准吗？一个来自Anthropic工程师的挑衅性论断

68. Markdown 失宠了？ HTML 才是 AI 时代该用的输出格式

69. 从Markdown到HTML，HTML才是AI时代的原生格式

70. Markdown是记忆，HTML是表达

71. HTML将取代markdown ！！！

72. AI 时代的产品原型之困

73. 抛弃 Markdown！Anthropic 工程师直言

74. Claude Code团队正在做的事

75. Claude Code核心工程师呼吁

76. Markdown for Human，HTML for Agent

77. AI时代，HTML不一定干掉Markdown，但能干掉PPT

78. 别再用 Markdown 了，HTML 才是 AI 时代真正的输出格式

79. Markdown vs HTML，谁才是更适合AI的输入格式？

80. X上爆火！Anthropic工程师力荐：AI输出别用Markdown了，HTML才是yyds

81. 谁将成为下一个时代的主格式？Markdown vs HTML，你的选择是？

82. Claude 补齐Office三件套，Opus4.7加持、一键搞定Word编辑

83. 英文理论物理论文排版实战：AI生成+AI格式通一键交付，3秒搞定公式表格

84. 从HTML到Word格式错乱：AI生成内容导出的“最后一公里”问题与工程化解法 - 哔哩哔哩

85. AI赋能教学——做一个可交互的HTML网页

86. Agent 让 HTML 输出格式的效果变得惊艳

87. AI助手用HTML还是Markdown？这有什么好纠结的

88. AI办公进入“交付级”时代：MiniMax开源Office Skills，彻底解决文档格式错乱

89. OpenClaw 技能推荐：MiniMax Office Skills，让 AI 真正交付可用的办公文档

90. 用 Claude Code 生成 HTML：比 Markdown 更强的输出格式

91. Claude Code高级研究员呼吁使用HTML替代Markdown

92. AAAI 2026 | 格式即先验：量化和分析大语言模型在异构数据中的偏见

93. 别再输出 Markdown 了，改用 HTML （原文）

94. 从 IE6 噩梦到 AI 时代：35 年 HTML 演进史，每个前端都该看看

95. Agent时代重构输出格式 HTML逆袭取代Markdown？

96. 【周末项目】HTML-in-Canvas是什么、有什么不同、为什么说它会是AI的天然载体？

97. 做GEO内容优化：哪种内容格式 AI 最爱读？ | 新榜智汇GEO百问

98. HTML杀回来了！AI输出格式大换血

99. AI 时代，你还在手动转格式？

100. PPT正在被AI Skills+HTML淘汰

101. 技术文档还在全靠 Markdown？它可能真的在拖你后腿

102. 10-12 AI智能体与网页制作

103. AI时代浏览器自动化：四层工具地图，揭秘智能工作流的核心密码！

104. 如何提升 LLMs 处理表格的准确率？一项针对 11 种格式的基准测试

105. AI 时代的文件格式——Markdown 和 JSON 简介

106. 太实用了！微软自带功能，所有办公文档一键转AI格式

107. 用Coze工作流自动化打造AI内容生产线：从选题到发布的完整攻略

108. 【干货】DeepSeek一键导出Word/PDF/Excel，告别复制粘贴调整格式的苦日子

109. Claude插件进军Word，Anthropic完成办公三件套布局

110. 2026年论文写作AI工具选择困局：格式规范与内容质量的平衡之道

111. 了解AIAgent和前端/服务端的交互协议或格式吗？

112. 文档处理——PDF、Word、Excel怎么喂给AI？

113. Anthropic推出Word文档AI助手，支持三款Office应用协同 Anthropic 旗下 AI 产品 Claude 正式推出 Word 文档插件测试版。用户可直接在侧边栏完成文稿起草、编辑与修改，Claude 将自动保留原有格式，所有改动以「修订追踪」形式呈现，便于审阅与还原。值得关注的是，Claude for Word 可与 Claude for Excel 及 Claude for PowerPoint 共享上下文，实现跨文档协同操作，用户无需切换会话即可同时处理多份文件。该功能目前面向 Team 与 Enterprise 计划用户开放。 #Claude #AI学习 #码神AI实战教程 #AI开发 #编程学习

114. 告别前端吐槽，用 Prompt 根治 AI 接口返回格式混乱

115. Markdown文档怎么转Word 2026年最全转换方法对比让你告别格式混乱

116. Linux日常-AI: markdown、PDF、HTML、docx文档混搭