Anthropic 工程師為什麼拋棄 Markdown 改用 HTML 跟 AI 工作？

今年二月發表了一篇研究 研究員花了八個月追蹤一家兩百人的美國科技公司 做了四十多場訪談 看看這些人在工作中導入了AI之後有什麼改變 結果令人意外的是 AI不僅沒有幫你省事 反而讓人類更累了 工作量變多 步調變快 連原本不算工作時間的空檔 也開始被塞進各種事情 這一波生產力暴衝 最後換來的是壓力不斷堆積 認知疲勞 品質下滑 決策變差 到最後是Burnout跟離職 看完這篇研究後 我腦中第一個想到的 就是前陣子讀的一本書 叫做Four Thousand Weeks 裡面有個比喻我一直忘不掉 叫做現代版薛西弗斯 古希臘神話裡 薛西弗斯被懲罰要把一顆巨石推上山 結果石頭每次都會滾下來 他只能永遠重複同一件事 但在現代職場裡 薛西弗斯不是在推石頭 而是清理email inbox 他剛剛把inbox清空 往椅背上一靠 深呼吸一口氣 以為自己可以休息了 下一秒就聽到熟悉的提示音 你有新訊息 這本書的作者還有一句話講得很好 我們用來試圖掌控一切的科技 最後總是會失敗 因為他們會把那個一切本身變得更大 這就是AI帶來的真正問題 它不是單純幫你把工作做快一點 而是當你做事變快之後 組織很快就會把更多工作塞進來 你省下來的時間不會自然變成休息 它更常變成下一個任務 下一封信 下一個會議 下一輪輸出 不過這份研究還揭露了一件更底層的事 AI時代 你真正的瓶頸已經不是產出 是理解 以前你會做網頁 會寫APP 會做報告 會做投影片 這些技能本身就能證明你的能力 因為做得出來就代表你會 現在AI把產出的成本壓到趨近於零 人人都能更快做出更多東西 於是能力的證明不再是你做不做得出來 而是你有沒有真的搞懂你做出來的東西 產出變便宜了 但理解變貴了 所以真正要解的問題 不是怎麼逼AI多生一點東西出來 反而是怎麼樣能用最小的力氣 就看懂並理解AI教會給你的東西 說到底這是一個格式問題 你跟AI之間用什麼形式在交接工作 直接決定你會不會被它的產出淹死 這支影片我會先拆解哈佛那份研究裡的生產力瓶頸 再講怎麼提高你審核AI產出的效率 最後談在這個時代 身為AI Builder或是AI Developer 怎麼做才能真的脫穎而出 AI讓工作變多 其實不難理解 農業時代靠人力 一個農夫一天能耕多少地就是極限 工業革命後能耕的地翻幾倍 但農夫要顧的機器 要規劃的範圍 要收的東西 也跟著翻幾倍 AI一模一樣 它讓產出變容易 大家的標準就跟著水漲船高 以前一週交一份報告就好 現在每天都要一份 哈佛那份研究 把AI對上班族帶來的影響拆成三塊 我認為大多數人聽了都會深有同感 第一個是Task Expansion 工作範圍變大 產品經理開始寫Code Marketing開始做設計 不是公司正式改了職責 是AI讓這些事看起來變得可以嘗試 第二 工作跟非工作時間的邊界變模糊 以前是該上班就上班 該下班就下班 但現在你會順手寫個提示詞 反正只是一句話 反正他可以先跑 反正等一下回來看就好 第三 Multitasking變多 你一邊做自己的事 一邊讓他產文件 一邊等一個Agent跑完 然後你又順手開了另一個Session 把拖了很久的事情也丟給他 確實每件事都在前進 但你的注意力其實一直在切換 實際上完成任務的效率是否真的有變高 相信各位一定比我還清楚 研究裡點出 真正讓人感到疲勞的 是不斷切換注意力 不斷檢查AI的產出 還有開哲的任務越來越多 身為工作者 你需要不斷地檢查AI的產出 這就是在生產力上遇到的最大瓶頸 過去稀缺的是誰來做 現在稀缺的是誰來看 誰來判斷 誰來確認下一步 AI可以把工作往前推 但每一個他推出來的東西 都要有人重新讀 重新理解 重新判斷 從而產生決策疲勞 腦子無法好好思考 如果只做一個專案那還好 因為可以一直待在同一個脈絡裡 可是AI的工作方式 會自然而然地把你推向多工 因為它在跑的時候 你不想乾等 你就會去開第二件事 第三件事 當你處理完第三件事 再回到第一件事的時候 要重新閱讀 回憶剛剛發生什麼 你要知道哪些決定已經做過 哪些地方還沒過 哪些風險還沒有看 哪一段是AI自己亂補的 哪一段真的可以用 而且這種審核成本 最麻煩的地方是 它不像加班時數那樣 可以被量化 你沒有多開一場會 也沒有多交一份報表 可是你的腦子一直在切換 上級看不到這個成本 系統也不會記錄 最後就變成表面上工作更有效率 事情推進得更快了 但實際上自己累成狗 再往生意層想 產出這件事 以前能當能力的證明 是因為它很難 像是做一個UI介面 設計一套使用邏輯 要花力氣花時間 也代表你真的會 現在一個人可以vibe coding 一路寫提示詞 一路嘗試 弄出一個APP 做一個小網站 但當你問它 這東西當用戶量上來 或者遇到壓力測試時會怎樣 它不知道 你問它AI當初 為什麼選這個架構 不選另外那個 它聳肩 你叫它不靠AI自己改一段 它改不動 它只知道這個產品會動 這個狀況同時 在全世界很多公司發生 整個產業正在用 史上最快的速度產出 用史上最低的程度理解 這對剛入行的人特別殘忍 以前一個junior變強 靠的是好幾年的瑣事 整理會議記錄 補文件 寫測試 清資料 沒有人喜歡做這些 但做的過程本身就是教育 你在一千件小事裡 被已經有判斷力的人盯著 慢慢也長出自己的判斷力 現在公司把這些瑣事自動化 順手也把靠這些瑣事 在學的junior職缺砍掉了 每一個今年被砍掉的junior 都是一個本來會在三年後 變成公司很需要的senior 只是它不會出現了 但反過來看 學徒之底下那個真正在運作的東西 是逼自己重複理解 這個機制本身不需要一間公司 你自己就建得起來 方法就是逼自己搞懂每一個 你產出的東西 量不重要 深度才重要 一個你徹底搞懂的專案 比十個Vibe完就丟掉的專案 教你的東西多太多了 所以真正稀缺的是 你到底有沒有搞懂你做的東西 為什麼這樣設計 改了哪裡會垮 你刻意沒做什麼 以及背後的原因 這種東西AI生不出來 你一旦不懂 多問兩句就會露餡 Test也是從這裡長出來的 所謂品味不是什麼神祕的美感 是你把夠多東西理解得夠深 深到開始認得出哪些有效 哪些會壞 哪些重要 理解是長出品味的唯一路徑 而品味是每一波技術浪潮打過來 都不會被沖走的東西 不過理解不等於你要把每一行都讀完 那從來都做不到 現在做不到 AI出現之前也做不到 管一個你不完全理解的東西 人類早就在幹了 CTO不會去讀每個工程師的每一行扣 他看的是測試有沒有過 PM不會去看後端怎麼實作 他直接拿產品來用 看他有沒有解決問題 CEO不會去對每一筆帳 他看的是那幾個關鍵數字對不對 他們的共同點是 都不是靠讀完細節 是靠一個對的介面 去驗證真正重要的那幾件事 你跟AI的關係 本質上一模一樣 所以問題從來不是 逼自己讀完AI吐出來的每個字 是你有沒有一個夠好的介面 讓你用最低的力氣 驗證到真正該驗證的東西 那個夠好的介面 到底長什麼樣 這就回到格式 真正的槓桿不是逼AI多生一點 多生一點通常只是多一個 你會丟掉的AI Slot 真正的槓桿是 AI情理審核的時候 交付的東西是什麼格式 你跟AI之間 絕大多數時候是用Markdown在溝通 Markdown會變成 人跟Agent之間的通用語 就是因為它對人夠友善 它是純文字 你打得開改得動 你可以用Grab搜索 可以用Get指令 看它到底改了哪幾行 舉個例子 現在最紅的兩個Agent系統 一個是Claw Code 一個是開源圈 短時間衝上來的OpenClaw 它們的記憶系統 底層全部是一堆Markdown檔 一個Memory Markdown 放長期記憶 每天的觀察就寫成一個 一個按日期命名的Markdown檔 會這麼設計 是因為你隨時打得開 看得到這個AI到底記得什麼 不爽還可以直接改掉 連AI自己的腦子 都選擇用對人類最透明的格式來存 Markdown會贏 贏在它一直站在人這一端 但Agent越來越強 Markdown反而開始不夠用了 講得更準確一點 不夠用的點在於 人類看Markdown的效率太低了 Anthropic的工程師Feric 前陣子在X上寫了一篇文章 分享這個轉變 文章的標題叫做 The Unreasonable Effectiveness of HTML 用白話文解釋這個標題的話 就是HTML有效到離譜 他說現在超過一百行的Markdown 自己就讀不下去了 更不要說讓公司裡其他人讀 當AI寫的Spec跟Plan 也就是規格文件跟實作計畫 越來越長 越來越複雜 Markdown那種好幾百行純文字的形式 理解的成本太高了 Markdown沒辦法放一張圖 沒辦法把兩個方案擺在一起 讓你並排對比 沒辦法讓你動手調一下參數 看看會怎樣 分享給別人 別人也會看得很痛苦 換個方式講 Markdown是為了讓人好讀而生的格式 但AI越強 需要被人讀懂的東西越多越複雜 Markdown反而最先撐不住 那個工程師的解法 是改用HTML當輸出格式 HTML用瀏覽器就能打開 能放圖 放表格 還能互動 這不是要你去學前端 是讓AI把它的產出直接做成這樣 一頁你打開就能用的東西 接著我想分享三種使用場景 告訴你HTML是怎麼把原本 很耗腦的理解跟判斷 變成一眼能懂 一看就能做決定的介面 第一個 拿來比較 你不確定一個onboarding畫面要怎麼呈現 你可以叫AI一次生六個版本 版面呈現 交互方式 資訊密度都不一樣 全部排進同一頁裡 每個底下標清楚它做了什麼取捨 讓你並排掃一眼就能比 這件事Markdown做不到 它只能一個一個用文字描述 你得在腦子裡自己把畫面拼回來 那個拼的動作就是審核成本 第二個 拿來理解 比方說你看不懂公司的Red Limiter 到底怎麼運作 你可以叫AI讀完相關的code 產業explainer 一張流程圖 底下一個再特別留一個區塊 告訴你有哪些坑是需要注意的 甚至可以出實題 選擇題 確認自己是否抓到重點 重點是讓你不用來回翻文件 也能知道重點在哪裡 一樣的資訊量 你可以更快的理解 並做出決策 這就是低耗能的審核 第三個 拿來決策 假設你有30張Jira 但要重新排優先序 你可以叫AI做一個簡單的網頁 把每張ticket變成可以拖的卡片 分成第一優先 第二優先 第三優先等欄位 AI會先用它的判斷幫你排好 你審核的方式不是去閱讀文字或表格 而是打開網站 像是玩遊戲一下 用拖拽的方式把這些公單分類 當你調整完畢之後 按一個按鈕 這個網站就會把整個結果轉成一段prompt 你就可以貼回cloud 讓它理解你的決策 並繼續完成任務 這三個用法的共同點 是它們都不會生成更多東西塞給你看 而是把複雜資訊變成一個能看 能比較 能下決定 而且好理解的介面 但這裡我想先講清楚 我不會教你用HTML全面取代mockdown 也不是說哪個一定比較好 我自己一開始用AI寫code的時候 還會掙扎 到底要不要一行一行讀它寫的code 後來我開始只讀它生出來的mockdown文件 再後來 連那份mockdown文件 我都會掙扎 到底要不要讀 因為真的太長了 我的注意力沒有跟著AI的產能一起變多 我需要的不是更多output 而是更低成本的理解方式 這也是mockdown的能力邊界 也是HTML的價值所在 HTML不是比較高級的mockdown 而是另一種工作介面 mockdown比較適合承載文字 HTML比較適合承載狀態 關係、對比和互動 所以如果你要在兩者之間做決策 真正的問題是你想解決什麼問題 如果你要的是文字整理 用mockdown 如果你要的是回到一個任務 快速看懂狀態 比較方案 做決定 那HTML工作頁或許更適合 不過我不希望這支影片只停留在工具層面 我想順著聊聊你身為AI builder 或者AI developer 在這個時代下應該要怎麼做才能脫穎而出 mockdown也好 HTML也好 真正重要的點在於 你有沒有理解AI這個黑盒子裡面 到底發生了什麼事 你身為一個builder 真的知道自己在做什麼嗎 或者你只是在cloud跟你請求許可時 一直按enter 根本不知道自己批准了什麼 AI時代最大的變化是 產出變得太便宜了 以前履歷、職稱、學歷、作品級有用 是因為做出一個像樣的東西 本來就很難 你做得出來 某種程度上就代表你會 但現在不是這樣了 AI可以幫你生出一個有模有樣的作品 一份很漂亮的報告 或者一個能跑的prototype 但這些東西本身 已經越來越不能證明你真的懂 真正稀缺的是 你能不能把理解跟作品綁在一起 不是隻交出一個結果 而是能不能清楚地回答這四個問題 你做的東西是什麼 你為什麼選擇這個做法 這個東西在什麼情況下會壞掉 你在這次的實作中學到了什麼 AI時代的能力證明 不要只追求更多產出 而是追求更深的理解 不要讓作品跟解釋分開 而是讓解釋本身變成產出的一部分 不要只靠履歷、頭銜、credentials 這些靜態標籤 而是用一個個可驗證的完成紀錄 公開展示你怎麼判斷、怎麼取捨 怎麼理解自己交付的東西 這就是我認為接下來很重要的一件事 Proof要跟著Work一起走 你的能力證明不能止步於履歷 它要留在你的作品裡 我最近在整理自己做過的專案 寫了幾個提示詞 可以用引導式的方法幫你回答 剛剛提到的核心四問 完整的提示詞 我放在Patreon的文章裡面 有興趣的朋友 可以在影片下方資訊欄找到連結 HTML並不是這部影片的重點 它只是扣到Markdown 再到可視化工作業 這條資訊壓縮鏈裡的一個階段 真正重要的是 當AI把世界壓縮得越來越快 人還能不能留在loop裡 繼續做判斷、承擔選擇 並且證明自己真的理解了 你的價值不再是 我可以很快產出東西 你的價值是 我能做出判斷 而且我能證明 我理解自己交付了什麼 這是我認為接下來最值得押注的事 那以上就是今天的內容 各位喜歡的話 記得幫我按讚追蹤加分享 這是我持續創作下去的動力 我們下次見