当 AI 输出从 10 行暴涨到 1000 行，Claude 团队为什么正在抛弃 Markdown

你的 AI 能一次性输出 1000 行计划、画复杂流程图、做完整代码审查。但你还在用 Markdown 读它。

Claude Code 团队工程师 Thariq 最近在 X 上发了一条很直接的推文：团队已经彻底抛弃 Markdown 了。不是 Markdown 不好用，是 AI 变得太快，纯文字墙已经跟不上了。以前 AI 写 10 行笔记，Markdown 刚刚好。现在 AI 能吐出整本操作手册，密密麻麻的星号和井号，谁有耐心看得完？

这不是某个工程师的偏好问题。这是 AI 输出格式正在经历的一次范式转移。

Markdown 的瓶颈不是语法，是信息密度

Markdown 的设计初衷是轻量级标记——让人类用纯文本写出带格式的文档。它的核心假设是：内容量适中、人类是主要读者、阅读速度不是瓶颈。

这些假设在 2023 年还成立。现在全碎了。

Claude Code 的一个 skill 可以包含 500 行指令、多个参考文档、可执行脚本和模板。如果把所有内容都塞进一个 Markdown 文件里，每次加载都要把整块文本推进上下文窗口。Anthropic 内部的数据很能说明问题：skills 采用 progressive disclosure（渐进式披露）后，上下文占用从完整加载的数十万字降到仅 10-30 个 token 的元数据描述，调用时才按需读取具体内容。

另一个更直观的例子来自 Claude Code 的 GitHub issue：模型用 box-drawing 字符画表格时，一个 6 行 4 列的表格要消耗约 1800 个字符。同样的内容用 Markdown 表格语法只要约 600 个字符，差了三倍。每个角线、横线都是独立 token，模型还要预先计算所有列宽和对齐——这对自回归模型来说是纯粹的算力浪费。

Markdown 不是在节省 token，它正在成为 token 黑洞。

Progressive Disclosure：只加载你现在需要看的

Claude Code 的 skills 系统给了一个很好的替代思路。一个 skill 不是单个 Markdown 文件，而是一个文件夹：

• SKILL.md：入口说明（加载时只读这部分）
• references/：详细参考文档（按需读取）
• scripts/：可执行脚本（运行时才加载）
• templates/：模板文件（用到时才读）

这种模式的核心叫 progressive disclosure。系统在启动时只加载每个 skill 的名称和描述（约 10-30 token），真正调用 skill 时才把完整内容拉进上下文。Anthropic 的数据显示，传统方式加载完整 MCP 工具库要消耗 77,000 token，用 tool search 按需发现降到 8,700 token，省了 85%。Cursor 的动态上下文发现也实现了 46.9% 的 token 削减。CloudFlare 用 TypeScript sandbox 替代 MCP schema，更是砍掉了 98.7% 的 token 用量。

三家头部公司独立 arrive 到同一个结论：不要把所有工具说明塞进上下文，让 agent 自己发现需要什么。

这个原则完全可以复用到 AI 输出上。与其让模型一次性吐出 1000 行 Markdown 文档，不如让它返回一个结构化摘要，用户点哪里才展开哪里。

结构化输出正在取代自由文本

另一个趋势更直接：结构化输出（structured output）正在从 API 层消灭 Markdown 的必要性。

Anthropic 的 Claude API 支持 output_config.format，OpenAI 有 response_format 配 strict: true，Gemini 有 response_schema。它们共同做一件事：让模型返回严格符合 schema 的数据，而不是自由格式的文本。

这意味着什么？模型不再输出 ”## 步骤 1\n\n打开文件…” 这种 Markdown 段落，而是直接返回 JSON：

{
  "steps": [
    {"id": 1, "action": "open_file", "target": "config.yaml"},
    {"id": 2, "action": "edit", "field": "compression.threshold", "value": 0.8}
  ]
}

客户端拿到这个 JSON，想渲染成表格、时间线、可点击的卡片，都可以。内容跟表现彻底分离。模型只负责产生数据，UI 层负责把数据变成人类可读的形式。

LangChain、OpenAI Agents SDK、AgentsKit 都在推同一个模式：agent 返回 typed JSON，前端映射到对应 UI 组件。表格用表格渲染，代码用语法高亮，状态更新用卡片。不再需要模型自己排版。

适用场景：什么时候该升级你的输出格式

不是所有场景都需要抛弃 Markdown。三种情况值得认真考虑：

• AI 编程 agent 的复杂输出：Claude Code、Cursor、Codex 这类工具经常要输出多文件计划、依赖关系图、测试策略。用 Markdown 写这些内容，token 开销大、可读性差。
• 多步骤工作流的中间状态：agent 执行 10 步以上的任务时，每步的状态更新用结构化 JSON 比用 Markdown 段落更省上下文，也更容易被下游工具解析。
• 需要人机协作的审查场景：代码审查、文档评审、数据分析报告。用可折叠的卡片、带状态标记的列表、可点击的展开区域，比纯 Markdown 墙更容易让人集中注意力。

反过来，两种场景 Markdown 仍然够用：

• 一次性简短回答：三五句话能说清楚的，没必要上结构化输出。
• 人类直接阅读的长文：博客、说明书、邮件，目标读者是人类而非下游系统，Markdown 的通用性仍然是优势。

踩坑：结构化输出不是万能药

迁移到结构化输出有几个常见的坑：

Schema 设计成本。好的结构化输出需要预先定义 schema，这比写一句 “用 Markdown 输出” 要麻烦得多。schema 改一次，前后端都要动。小团队如果只有一两个人维护 prompt，维护 schema 的 overhead 可能不划算。

流式渲染的复杂度。结构化输出在流式场景下很麻烦。JSON 对象生成到一半时，前端收到的是不完整的语法树，渲染出来会闪、会错位。需要缓冲块级元素（表格、代码块）直到完整，再渐进渲染文本段落。这比直接流式输出 Markdown 要复杂一个数量级。

模型漂移。OpenAI 的文档承认，仅靠 prompt 里的格式指令，复杂 schema 的 conformance 只有 85-90%。要达到 99%+ 必须用 API 层的 constrained decoding（JSON mode、strict tool use）。这意味着你不能只在 prompt 里写 “请输出 JSON”，必须改 API 调用方式。

过度结构化。不是所有内容都适合表格和卡片。情感化表达、创意写作、开放式讨论，强行塞进 schema 只会让输出变僵硬。结构是工具，不是 religion。

快速上手：从 Markdown 迁移到混合输出

你不需要一次性抛弃 Markdown。一个务实的迁移路径：

第一步：分离内容与表现

在 system prompt 里明确告诉模型：你只负责输出原始数据，格式由客户端处理。不要再让模型自己画表格、排列表格。

第二步：对复杂输出用 JSON，对简单输出保留 Markdown

判断标准：如果这段输出可能被下游代码解析，用 JSON；如果只是给人类读，用 Markdown。混合策略是最现实的。

第三步：引入 progressive disclosure

把长文档拆成入口摘要 + 按需加载的详细内容。Claude Code 的 skill 文件夹结构可以直接复用：一个主文件放概述，子目录放详细资料，用到时才读取。

第四步：客户端加渲染层

这是最关键的一步。模型输出 Markdown 表格是因为客户端没能力渲染 JSON。给前端加一个响应式渲染管道，支持 text、markdown、card、code、action 等多种 block 类型。

结尾

Markdown 不会消失。它仍然是人类写文档最方便的方式。但当 AI 的输出从 10 行变成 1000 行，从给人看变成给系统解析，纯文本墙就不再是答案了。

Claude 团队抛弃 Markdown 的真正信号不是格式之争，而是一个更底层的转变：AI 的输出正在从 “让人读的文字” 变成 “让系统消费的数据”。这个转变意味着内容跟表现必须分离，意味着 progressive disclosure 必须成为默认架构，意味着结构化输出必须取代自由文本。

你的 AI 已经在输出 1000 行计划了。你的阅读方式还跟得上吗？

---

来源：

• X 原文: https://x.com/AYi_AInotes/status/2052842474687680678
• Claude Code Skills 文档: https://docs.anthropic.com/en/docs/claude-code/skills
• Progressive Disclosure 分析: https://www.developersdigest.tech/blog/progressive-disclosure-claude-code
• Claude Code GitHub Issue #45111: https://github.com/anthropics/claude-code/issues/45111