Anthropic убил Markdown. Вот почему.

Команда Claude Code из Anthropic столкнулась с критическим препятствием: неотъемлемыми ограничениями Markdown для серьезной работы с AI. Тарик из Anthropic заметил, что как только AI-агент генерирует спецификацию, превышающую 100 строк, она превращается в непроницаемую «стену текста», которую никто не хочет читать. Это стало повсеместной проблемой, поскольку AI-агенты брались за все более сложные задачи, требуя краткого, удобочитаемого для человека вывода.

Разработчики оказались сильно ограничены примитивными возможностями рендеринга Markdown. Выводы полагались исключительно на неуклюжий ASCII art для диаграмм, что резко контрастировало с богатой визуальной точностью, необходимой для технических спецификаций. Markdown предлагал только базовые, нестилизованные табличные сетки, которые активно скрывали сложные структуры данных, а не проясняли их. Формат просто не имел инструментов для интерактивных элементов или надлежащего стиля.

Эта плохая читаемость способствовала значительному отчуждению разработчиков. Вместо тщательного изучения подробных выводов AI, команды разработчиков часто по умолчанию слепо принимали спецификации, созданные Claude, без критического надзора. Тарик из Anthropic резко отметил, что люди «не читают те, что в Markdown», подчеркивая критический сбой в сотрудничестве человека и AI. Такое принятие без должного анализа означало, что разработчики часто чувствовали себя вне процесса, теряя способность эффективно критиковать или дорабатывать сгенерированную AI работу.

Команда Claude Code из Anthropic в значительной степени отказалась от Markdown в пользу HTML, изменив то, как ее AI-агенты предоставляют сложные результаты. Этот сдвиг напрямую решает проблему «стены текста», обеспечивая гораздо более насыщенную и легкоусвояемую коммуникацию.

HTML полностью меняет правила игры, позволяя Claude генерировать сложные визуальные элементы. Вместо ASCII art он теперь создает точные SVG-диаграммы. Сетки Markdown заменены реальными таблицами с надежным стилем, что делает данные мгновенно понятными. Кроме того, интерактивные прототипы имеют ползунки и ручки, позволяя пользователям настраивать дизайн в реальном времени.

Тарик из Anthropic является примером этого нового рабочего процесса. Он регулярно создает подробные HTML-макеты для различных вариантов планов. Что особенно важно, Тарик прикрепляет исчерпывающий HTML-«объяснитель» к каждому pull request, выходя за рамки использования шумных, часто бесполезных Git diffs для проверки кода.

Этот человеко-ориентированный подход имеет первостепенное значение. Тарик подчеркивает, что люди действительно читают вывод HTML, что резко контрастирует с игнорируемыми спецификациями Markdown. Это прямое взаимодействие способствует важному ощущению «быть в курсе», предотвращая слепое принятие разработчиками каждой спецификации, созданной AI.

Генерация HTML сопряжена со значительными потерями производительности. AI-агентам требуется в два-четыре раза больше времени для создания HTML-выводов по сравнению с Markdown. Это увеличенное время генерации напрямую приводит к росту эксплуатационных расходов, поскольку HTML также потребляет значительно больше токенов, влияя как на скорость, так и на бюджет для сложных задач AI.

Рабочие процессы разработчиков также сталкиваются с трудностями. Git diffs для HTML, как известно, очень шумные и становятся почти бесполезными для отслеживания детальных изменений во время проверки кода. Тарик из Anthropic смягчает эту проблему, прикрепляя отдельное HTML-пояснение к каждому pull request, эффективно обходя проблемные GitHub diffs для получения важного контекста. Для получения дополнительной информации о подходе Тарика см. Anthropic's Thariq Stopped Writing Markdown — His 20 HTML Examples Killed My 3-Year Default - Towards AI.

Это приводит к критическому компромиссу: организации должны сопоставлять высокую стоимость в токенах и времени генерации с резким увеличением ясности и вовлеченности пользователей. Хотя HTML дорог, он гарантирует, что разработчики действительно читают подробные спецификации, создаваемые Claude, способствуя более глубокому пониманию и предотвращая слепое принятие контента, сгенерированного ИИ. Эта улучшенная читабельность и человеческий контроль оправдывают затраты ресурсов для команды Anthropic.

Выбор родного языка вашего ИИ требует стратегического подхода. Придерживайтесь Markdown для простых, текстовых результатов, таких как резюме, черновики электронных писем или базовые комментарии к коду. Он остается эффективным для простого обмена информацией, особенно когда спецификации не превышают 100 строк и не требуют сложных визуальных структур.

Но когда задачи включают сложные спецификации, продвинутую визуализацию данных, подробные макеты дизайна или интерактивную документацию, HTML становится незаменимым. Команда Claude Code из Anthropic обнаружила это, используя HTML для генерации SVGs для диаграмм, реальных таблиц со стилями и интерактивных прототипов с ползунками и ручками. Этот богатый вывод способствует подлинному сотрудничеству, позволяя пользователям настраивать дизайн в реальном времени.

Несмотря на то, что HTML потребляет в два-четыре раза больше токенов и времени генерации, его улучшенная читабельность и интерактивные возможности оправдывают затраты. Тарик из Anthropic отмечает, что пользователи *действительно читают* HTML-вывод, в отличие от неформатированных «стен» Markdown. Такое вовлечение позволяет разработчикам чувствовать себя «в курсе событий».

Бросьте вызов своим собственным инструментам ИИ: явно запрашивайте HTML-выводы, чтобы лично убедиться в качественном скачке. Разница в ясности и полезности для сложных задач огромна, превращая контент, сгенерированный ИИ, из статического текста в динамические, действенные идеи.

Почему команда Claude Code из Anthropic перешла с Markdown на HTML?

Они перешли, потому что для сложных задач, таких как спецификации более 100 строк, Markdown становится нечитаемой «стеной текста». HTML позволяет создавать насыщенные, интерактивные и более привлекательные результаты, которые разработчики действительно читают и просматривают.

Каковы основные недостатки использования HTML для вывода ИИ?

Основными недостатками являются производительность и трудности в рабочем процессе. HTML генерируется в 2-4 раза дольше, потребляет гораздо больше токенов и создает шумные, почти бесполезные Git diffs для проверки кода.

Могут ли модели ИИ, такие как Claude, действительно создавать интерактивный HTML?

Да. Вместо базового текста они могут генерировать сложные макеты, стилизованные таблицы, масштабируемую векторную графику (SVGs) для диаграмм и даже интерактивные прототипы с такими элементами, как ползунки и ручки.

Стал ли Markdown теперь устаревшим для ИИ?

Вовсе нет. Markdown остается отличным для более простых, текстовых результатов, таких как резюме, электронные письма или базовая документация. Переход на HTML в основном предназначен для сложной, структурированной и интерактивной работы на основе агентов.