Станет ли Markdown языком программирования эпохи ИИ?
Станет ли Markdown языком программирования эпохи ИИ?
Языки программирования — это интерфейсы. Они определяют, как люди выражают намерение машинам. Ассемблер разговаривал с процессорами. SQL разговаривал с базами данных. JavaScript разговаривал с браузерами. Теперь, когда большие языковые модели становятся новым видом вычислительного субстрата, стоит задать вопрос: какой язык разговаривает с ИИ?
Ответом может быть нечто уже существующее, то, что большинство разработчиков печатают не задумываясь: Markdown.
Доказательства эффективности
Это не философский аргумент — он измерим.
LLM обрабатывают текст в виде токенов. Каждый HTML-тег, имя CSS-класса и атрибут данных потребляет токены, не внося смысла. Типичная статья из 3 000 слов в HTML-формате может содержать 8 000 токенов. То же содержимое в Markdown: около 2 800 токенов. Это сокращение на 65%.
Для сравнения:
| Формат | Токены (статья 3 000 слов) | Относительная стоимость | |--------|---------------------------|------------------------| | Сырой HTML | ~8 000 | 1.0× | | Очищенный HTML | ~4 500 | 0.56× | | Markdown | ~2 800 | 0.35× | | Обычный текст | ~2 400 | 0.30× |
Markdown выигрывает в эффективности у очищенного HTML, сохраняя семантическую структуру, которую обычный текст теряет. Заголовки сообщают модели, что здесь граница раздела. Блоки кода сообщают модели, что это код, а не проза. Списки передают параллельную структуру. В обычном тексте ничего этого нет — только слова.
Согласованность с обучающими данными
LLM не нейтральны к форматам. У них есть предпочтения, закреплённые обучающими данными.
Обучающие корпуса GPT, Claude, Gemini и Llama содержат огромное количество Markdown: README на GitHub, посты Stack Overflow, комментарии Reddit, документационные сайты, Jupyter-ноутбуки. Эти модели видели Markdown миллиарды раз. Они не просто анализируют его — они думают на нём.
Когда Claude или ChatGPT отвечает на вопрос, какой формат используется по умолчанию? Markdown. Заголовки для разделов. Полужирный для выделения. Маркированные списки для перечисления. Блоки кода для кода. Модели по умолчанию используют Markdown, потому что это формат, на котором они были наиболее глубоко обучены.
Это создаёт цикл обратной связи. ИИ лучше всего читает Markdown. ИИ нативно пишет Markdown. Пользователи, которые передают Markdown в ИИ, получают лучшие результаты. Создаётся больше Markdown. Больше Markdown входит в обучающие данные.
ГЕО-революция: llm.txt и семантическая паутина
Поисковая оптимизация (SEO) возникла, потому что сайтам нужно было быть найденными краулерами Google. Новая область — оптимизация для генеративных систем (ГЕО) — формируется, потому что сайтам теперь нужно быть понятыми ИИ-краулерами.
Спецификация llm.txt, предложенная в 2024 году, просит сайты публиковать текстовый файл Markdown по адресу /llm.txt, резюмирующий их содержимое, API, сценарии использования и возможности. Идея: ИИ-системы, обходящие сеть в поисках информации, могут прочесть этот файл, чтобы понять суть сайта, не анализируя тысячи страниц.
Ранние последователи включают инструменты разработчиков, ИИ-компании и SaaS-продукты. Спецификация ещё не является стандартом, но развивается.
Параллельное развитие: llms-full.txt для сайтов, которые хотят, чтобы ИИ-краулеры имели доступ к полному содержимому. Представьте это как robots.txt для ИИ — но вместо блокировки доступа он активно приглашает и направляет его.
Общая нить: всё это Markdown.
Markdown как промежуточный слой
В вычислительной технике одни из наиболее долговечных технологий — это промежуточные слои — форматы, которые переводят между двумя мирами. POSIX находится между приложениями и операционными системами. HTTP находится между клиентами и серверами. SQL находится между приложениями и базами данных.
Возможно, Markdown находит свою роль как промежуточный слой между человеческим намерением и машинным пониманием.
Рассмотрите цепочку:
- Человек пишет или находит информацию (проза, HTML, PDF)
- Эта информация конвертируется в Markdown (через Web2MD, Pandoc или аналогичное)
- Markdown подаётся в модель ИИ
- ИИ создаёт ответ в Markdown
- Человек читает ответ, возможно конвертируя его обратно в другой формат
Markdown появляется на каждом шаге, где человеческий смысл должен перейти через барьер к машинной обработке и вернуться обратно.
Контраргумент: Markdown недостаточно
Называть Markdown языком программирования в традиционном смысле было бы преувеличением. У языков программирования есть формальные грамматики, системы типов и семантика выполнения. Markdown — это конвенция форматирования с намеренной неоднозначностью.
То, что может на самом деле возникнуть, — это структурированный Markdown — Markdown, дополненный машиночитаемыми конвенциями:
- YAML-фронтматтер для метаданных (уже стандарт в Jekyll, Hugo, Obsidian)
- Запросы Dataview (плагин Obsidian), превращающие файлы Markdown в запрашиваемые базы данных
- MDX (Markdown + JSX), встраивающий исполняемые компоненты в прозу
- Шаблоны промптов, использующие Markdown с
{переменными}для инструкций ИИ
Траектория ясна: Markdown приобретает структурированные возможности, не теряя своего человекочитаемого ядра.
Практический вывод
Независимо от того, станет ли Markdown «языком программирования» в каком-либо формальном смысле, его роль в рабочих процессах ИИ уже решающая:
- Предпочтительный формат ввода для промптов LLM
- Предпочтительный формат вывода для ответов LLM
- Формат хранения для знаний, индексируемых ИИ (Obsidian, Notion, Logseq)
- Формат передачи для сотрудничества человека и ИИ (llm.txt, документация API)
- Промежуточный формат для конвертации веб-контента (Web2MD, Pandoc)
Наиболее долговечные вычислительные форматы выживают, потому что они просты, человекочитаемы и interoperабельны. Markdown был всем этим двадцать лет. Эпоха ИИ не угрожает Markdown — она оправдывает его.
Если вы строите рабочие процессы с ИИ, Markdown — не опция. Это фундамент.
Web2MD конвертирует любую веб-страницу в оптимизированный для ИИ Markdown одним кликом. Начните строить Markdown-нативные рабочие процессы с ИИ сегодня.