AI Agent 時代下 HTML 的不合理有效性

多年來，Markdown 一直是 LLM 互動的金標準。其簡單性、原始形式的可讀性以及普及性，使其成為 Agent 通訊計畫、程式碼和文件的自然選擇。然而，在 Claude Code 等工具的高階使用者中，一種新趨勢正在興起：轉向將 HTML 作為主要的輸出格式。

這並非指以傳統意義上建立網站，而是將 HTML 作為一種高密度、互動式的媒介，用於「拋棄式 UI」（disposable UI）——即幫助人類與 AI 在複雜技術問題上進行協作的臨時產物。

從靜態文本到互動式產物

雖然 Markdown 非常適合線性文本，但在視覺密度和互動性方面卻顯得力不從心。當 AI Agent 被要求審查大型 pull request 或繪製複雜的狀態管理系統時，一個 1,000 行的 Markdown 檔案會變成一堵難以解析的文字牆。

透過要求 HTML 輸出，使用者正在將這些回應轉化為功能性工具。一些開發者正利用這種方法來建立：

  • 審查儀表板 (Review Dashboards)： 自定義的本地頁面，用於彙整多份文件的資訊，比起在數十個 IDE 分頁之間切換，這能提供更合理的審查流程。
  • 互動式規格書 (Interactive Specs)： 使用 HTML 和 JavaScript 來建立「活的」規格書，其中狀態轉換可以在即時中進行建模或驗證。
  • 視覺化 (Visualizations)： 嵌入 SVG 或使用 JS 函式庫來建立比靜態 Mermaid 圖表更靈活的圖表。

正如一位使用者所指出的，能夠建立「單一的 index.html，無依賴項，簡約的樣式」可以讓工具進行快速原型設計，這些工具可以透過電子郵件發送給同事，或丟回給 LLM 進行進一步迭代。

超文本的優勢

除了美學之外，回歸 HTML 也代表著回歸 Web 的核心哲學：連結性與統一資源定位。

在現代 SPA (Single Page Application) 開發中，內部狀態通常保存在記憶體中，而基於 URL 的路由往往是事後才考慮的事。這使得對問題特定部分的深度連結（deep-linking）幾乎變得不可能。相比之下，HTML 恢復了「連結」作為一等公民的地位。對於內部工具和協作而言，能夠直接連結到生成產物的特定章節，對於解決問題至關重要。

權衡：Token 效率與清晰度

儘管有這些優點，轉向 HTML 並非沒有摩擦。評論家和從業者指出了一些顯著的權衡：

1. Token 消耗

HTML 比 Markdown 更加冗長。標籤、屬性以及樣板程式碼增加了每個回應的 token 數量。然而，許多人認為，為了獲得最終的清晰度，這代價是值得的。正如一位開發者所說：「當清晰度呈平方級增長時，誰會在乎多出 1.2 倍的 token 呢？」

2. 人類共同創作 (Human Co-authorship)

Markdown 最大的優勢在於它很容易被人類編輯。HTML 則難以進行共同創作。如果一份文件旨在作為人類將要精煉的最終規格書，HTML 會造成障礙。這可能導致一種風險，即人類不再編輯內容，而是僅僅透過「重新提示」(re-prompt) AI 來進行修改，這可能會降低人類關鍵思考的品質。

3. 維護與版本控制

與本質上是純文本的 Markdown 不同，HTML 檔案可能會變得難手維護。對於複雜的 HTML，版本控制 (Git) 的 diff 往往比 Markdown 對應物更雜亂且更難閱讀，這使得這些「拋棄式」產物的長期維護變得具有挑戰性。

替代方案

並非所有人都認為 HTML 是唯一的答案。為了彌補差距，人們提出了幾種替代方案：

  • 結構化數據 (JSON/XML)： 一些開發者偏好使用 JSON 來撰寫規格書，因為它允許進行靜態分析。你可以執行 schema check 來確保資料庫欄位在多份規格書文件中保持一致，這在原始的 HTML 或 Markdown 中幾乎是不可能的。
  • 增強型 Markdown： 像 sdocs 這樣的工具嘗試提供兩全其美的方法，透過在瀏覽器中即時渲染 Markdown，同時保持內容的本地性與可攜性。
  • 豐富格式 (Org-mode/AsciiDoc)： 對於使用 Emacs 生態系統的人來說，Org-mode 提供了一種在技術文件方面遠超 Markdown 和 HTML 的強大功能（包括內聯程式碼執行）。

結論

向 HTML 作為 AI 輸出格式的轉移，暗示著我們正在跨越「聊天機器人」時代，進入「Agentic UI」時代。我們我們不再只是要求 AI 告訴我們事情；我們是在要求它建立我們理解這些事情的介面。雖然 Markdown 將繼續作為簡單通訊的王者，Synthesizing Complexity 的工具，HTML 正在證明自己是一個在合成複雜性方面極其有效率的工具。

Sources