لماذا يجعل Markdown نماذج اللغة الكبيرة أذكى، لا أرخص فحسب

يكتشف معظم الناس سير عمل Markdown-للذكاء-الاصطناعي من خلال توفير التكاليف. يجدون أن تحويل صفحة ويب من HTML الخام إلى Markdown يقطع استخدام التوكنات بنسبة 80–90%، يحسبون الفارق، ويتحوّلون فوراً.

هذه الصياغة دقيقة لكنّها ناقصة. تقليل التوكنات مجرّد أثر جانبي. السبب الحقيقي لنجاح Markdown مع نماذج اللغة الكبيرة هو بنيوي: Markdown تنسيق تكون فيه بنية المستند والمعنى الدلالي شيئاً واحداً. أما HTML فلا. هذا الفارق أهمّ من عدد الأحرف.

كيف تقرأ نماذج اللغة الكبيرة المحتوى فعلاً

قبل شرح سبب تفوّق Markdown، من المفيد فهم ما تفعله نماذج اللغة فعلاً عند معالجة النص.

لا «تقرأ» نماذج اللغة الكبيرة كما يقرأ البشر. تحوّل مدخلاتك إلى توكنات — أجزاء من نحو 3–4 أحرف لكلٍّ منها — وتعالج هذه التوكنات عبر طبقات من الانتباه تتعلّم العلاقات بينها. لا يوجد لدى النموذج مُصيِّر بصري. لا يمكنه استنتاج أن شيئاً ما هو عنوان لأنّه يبدو كبيراً وعريض الخط في المتصفّح. يستطيع فقط العمل مع تسلسل التوكنات الذي يستقبله.

هذا يعني أن جودة الإشارة في نص المدخلات — مدى وضوح تشفير البنية في التوكنات نفسها — تحدّد مباشرةً مدى فهم النموذج للمحتوى.

المشكلة: HTML يفصل البنية عن المعنى

صُمِّم HTML للمتصفّحات لا لنماذج اللغة. يُصيِّر المتصفّح <div class="article-headline"> عنواناً كبيراً عريض الخط. أما النموذج فيرى هذا:

<div class="article-headline">Why Markdown Makes LLMs Smarter</div>

الذي يتحوّل إلى توكنات تقريباً كالتالي:

< div  class = " article - headline " > Why  Markdown  Makes  LL Ms  Sm arter </ div >

إشارة البنية — «هذا العنوان الرئيسي» — مدفونة داخل سلسلة اسم الفئة. على النموذج أن يتعلّم من التدريب أن article-headline يعني الأهمية. عادةً ما يصل إلى ذلك، لكنّه يعمل ضدّ التنسيق لا معه.

الآن انظر إلى التداخل العميق، وهو المعيار في صفحات الويب الحقيقية:

<div class="container">
  <div class="content-wrapper">
    <article class="post">
      <div class="post-body">
        <h2 class="section-title">Key Findings</h2>
        <p>The results showed...</p>
      </div>
    </article>
  </div>
</div>

بحلول الوقت الذي يصل فيه النموذج إلى Key Findings، يكون قد عالج أربعة مستويات من الضجيج البنيوي. وسم <h2> الفعلي هو الإشارة الوحيدة ذات المعنى، وهو يتنافس مع اسم فئة (section-title) قد يعزّزه أو لا يعزّزه.

لماذا يوحّد Markdown البنية والدلالة

يحلّ Markdown هذه المشكلة بجعل البنية والمعنى متطابقَين. لا يوجد فصل بين «كيف يبدو» و«ماذا يعني».

## Key Findings

The results showed...

البادئة ## هي الإشارة الدلالية بحدّ ذاتها. تعني بلا لبس «عنوان المستوى الثاني». لا أسماء فئات، لا divs مُغلِّفة، لا إشارات متنافسة. يستقبل النموذج بالضبط المعلومات التي يحتاجها، مشفَّرةً مباشرةً في تسلسل التوكنات.

هذا النمط ينطبق على جميع عناصر Markdown:

| نوع المحتوى | إشارة HTML | إشارة Markdown | |---|---|---| | العنوان الرئيسي | <h1> أو <div class="title"> أو <span id="headline"> | # | | عنوان فرعي | <h2> إلى <h6>، أو divs منسَّقة | ## إلى ###### | | نصّ مؤكَّد | <strong>، <b>، <span class="bold"> | **نصّ** | | كود | <code>، <pre>، <div class="highlight"> | `كود` أو كتل مسوَّرة | | قائمة | <ul>/<li>، أو <div class="list-item"> | - عنصر | | رابط | <a href="..."> مع ترميز محيط | [نصّ](url) |

في HTML، عادةً ما توجد 3–5 طرق لتشفير كلّ عنصر دلالي، ويتباين استخدامها الفعلي من موقع لآخر. في Markdown، هناك طريقة واحدة فقط. هذا الاتّساق ليس مجرّد أناقة — بل هو السبب في أن النماذج تعالج Markdown بشكل أكثر موثوقية.

كيف يبدو هذا عملياً

إليك قسماً من مقال تقني حقيقي، جرى تجهيزه بطريقتَين وإرساله إلى Claude بنفس البرومبت: «لخّص الاستنتاجات الثلاثة الرئيسية.»

المدخل A: استخراج HTML خام (4٬200 توكن)

<div class="article-body">
  <div class="content-section" data-section="conclusions">
    <h3 class="section-heading" id="section-3">Conclusions</h3>
    <div class="paragraph-wrapper">
      <p class="body-text">First, the researchers found that response latency...</p>
    </div>
    ...
  </div>
</div>

النتيجة: حدّد النموذج 2 من أصل 3 استنتاجات بشكل صحيح. اندمج الثالث مع ملاحظة منهجية في وسم <aside> مجاور لم يتعرّف عليه النموذج باعتباره محتوى غير أساسي.

المدخل B: Markdown محوَّل (890 توكن)

## Conclusions

First, the researchers found that response latency...

النتيجة: حُدِّدت جميع الاستنتاجات الثلاثة بشكل صحيح. استُبعد محتوى <aside> بشكل صحيح من قِبَل المحوِّل باعتباره تكميلياً، فلم يصل إلى النموذج أصلاً.

انخفض عدد التوكنات بنسبة 79%. تحسّنت الدقة من 67% إلى 100% في هذا المثال. كلا التغييرَين جاءا من المصدر نفسه: تشفير بنيوي أنظف.

أرقام التوكنات (ولماذا هي نتيجة لا سبب)

بما أن التكلفة تهمّ، إليك البيانات من معالجة مقال تقني من 1٬500 كلمة:

| تنسيق المدخل | عدد التوكنات | التكلفة (Claude Sonnet) | نسبة الإشارة إلى الضجيج | |---|---|---|---| | HTML خام | 16٬820 | $0.050 | ~6% | | نصّ عادي مُجرَّد | 3٬450 | $0.010 | ~35% | | Markdown نظيف | 1٬890 | $0.006 | ~92% |

فارق التكلفة حقيقي — أرخص بنسبة 88% مقارنةً بـ HTML الخام. لكن لاحظ أن النصّ العادي المُجرَّد (مجرّد إزالة وسوم HTML) يقلّل عدد التوكنات بشكل ملحوظ أيضاً، غير أن نسبة الإشارة إلى الضجيج تبقى عند 35%. يفقد النصّ العادي جميع المعلومات البنيوية: لا عناوين، لا تأكيد، لا تسلسل هرمي للقوائم. تدفع أقلّ لكن لدى النموذج أقلّ للعمل به.

يحقّق Markdown المثالية: أقصى معلومات بنيوية بأدنى تكلفة توكنات. لهذا هو التنسيق الصحيح لمدخلات نماذج اللغة الكبيرة، لا مجرّد الأرخص.

ثلاثة سيناريوهات تُغيّر فيها جودة التنسيق النتائج

1. التلخيص

عند تلخيص مقال طويل، يحتاج النموذج إلى تحديد الأقسام الأساسية والتكميلية. التسلسل الهرمي لعناوين Markdown (#، ##، ###) يجعل هذا صريحاً. يضطرّ النصّ العادي وHTML ضعيف البنية النموذجَ إلى استنتاجه من المحتوى وحده، ممّا يزيد احتمالية تضمين تعليقات الشريط الجانبي أو سيَر المؤلّفين أو مقتطفات المقالات ذات الصلة في الملخّص.

2. الإجابة على الأسئلة حول محتوى الويب

عندما تلصق صفحة ويب وتطرح سؤالاً محدّداً، على النموذج أولاً تحديد القسم ذي الصلة. في مستند Markdown نظيف، تعمل توكنات العناوين كجدول محتويات يمكن للنموذج التنقّل فيه. في HTML الخام، يتطلّب إيجاد القسم ذي الصلة تحليل divs المُغلِّفة وسمات الفئات قبل الوصول إلى المحتوى — ممّا يضغط على نافذة السياق ويزيد احتمال انتباه النموذج إلى المنطقة الخاطئة.

3. استخراج الكود

كثيراً ما تحتوي الصفحات التقنية على أمثلة كود مخلوطة بشروح نثرية. تُنشئ الكتل المسوَّرة في Markdown (```) حدوداً لا لبس فيها. يعرف النموذج بالضبط أين يبدأ الكود وينتهي. في HTML، قد يكون الكود مُغلَّفاً في <pre> أو <code> أو <div class="highlight"> أو مكوِّن مخصَّص دون وسم معياري على الإطلاق — كلّها أنماط توكنات مختلفة لمحتوى دلالي واحد.

الخلاصة العملية

إذا كنت تُغذّي محتوى الويب لأيّ نموذج لغوي كبير — للبحث أو التلخيص أو الإجابة على الأسئلة أو استخراج البيانات — فالتنسيق الذي تستخدمه مهمٌّ بقدر البرومبت الذي تكتبه. Markdown النظيف ليس ميزةً إضافية. إنّه تنسيق المدخلات الذي دُرِّبت نماذج اللغة الكبيرة ضمنياً على فهمه بأفضل شكل، لأن جزءاً كبيراً من مجموعة بيانات تدريبها (GitHub وWikipedia ومواقع التوثيق وStack Overflow) مكتوب بالفعل بـ Markdown أو تنسيقات مجاورة له.

توفير التكاليف مكافأة. تحسين الجودة هو الهدف.

---

حوِّل أيّ صفحة ويب إلى Markdown نظيف جاهز لنماذج اللغة الكبيرة بنقرة واحدة. جرّب Web2MD — مجاناً لـ Chrome.