先看一个现象：AI 的回答几乎都是 Markdown

随便问 AI 一个问题，比如"帮我写一个 Python 读取文件的例子"，你拿到的回答大概率长这样：

## 用 Python 读取文件

最常用的方式是用 `open()`：

- **简单读取**：`f.read()`
- **逐行读取**：`for line in f`

```python
with open("data.txt", encoding="utf-8") as f:
    content = f.read()
```

注意关闭文件，推荐用 `with` 语法。

标题、列表、加粗、代码块、行内代码——全是 Markdown 语法。

有意思的是：你并没有要求它"用 Markdown 写"，但它就是会这么干。

为什么？往下看。

原因一：Markdown 几乎是 AI 的"母语"

大模型是"读"互联网上浩如烟海的文本训练出来的。而它读到的优质、结构化文本里，Markdown 占比高得惊人：

  • GitHub：每个项目的 README、Issue、Wiki 默认就是 Markdown；
  • 技术文档：MkDocs、Docusaurus、GitBook、Jekyll 这些主流文档工具，源文件几乎都是 .md；
  • Stack Overflow：问答内容的格式就是 Markdown 变体；
  • Reddit、各类博客、笔记：大量社区内容也用 Markdown 书写。

换句话说，在 AI"长大"的过程里，它见过的"好的、有条理的回答"，大多长成 Markdown 的样子。

所以当它要生成一段清晰的内容时，最自然的选择，就是模仿它见过最多的那种格式。

Markdown 不是 AI 被强行规定要用的格式，而是它在海量语料里"学"出来的、表达结构化文本的默认习惯。

原因二：Markdown 省 token，对 AI 来说很"划算"

大模型处理文本的基本单位是 token。token 越多，成本越高、生成越慢，能装进上下文的内容也越少。

而 Markdown 用极少的符号，就能表达丰富的结构。和 HTML 对比一下就清楚了。

同样一段内容，Markdown 写法：

# 项目说明
这是一个 **示例** 项目。

## 功能
- 快速
- 轻量

等价的 HTML：

<h1>项目说明</h1>
<p>这是一个 <strong>示例</strong> 项目。</p>
<h2>功能</h2>
<ul>
  <li>快速</li>
  <li>轻量</li>
</ul>

表达的信息完全一样，但 HTML 的字符数是 Markdown 的两倍多，token 自然也更多。

对 AI 来说，用 Markdown 输出意味着：

  • 更省钱：同样信息占用更少 token；
  • 更快：要"写"的字符更少，生成速度更高；
  • 能装更多：在有限的上下文窗口里，留出更多空间给真正的内容。

这是非常实际的动力——尤其是对动辄处理几万 token 的长对话和 Agent 任务。

原因三：结构清晰，AI"读得准"也"写得稳"

Markdown 的标记是语义化的，每种结构都有明确的符号：

  • # 代表标题，几个 # 就是几级，层级一目了然；
  • - / * 代表列表项；
  • | 代表表格；
  • ``` 代表代码块，还能标注语言。

这些符号给模型提供了可靠的"脚手架"。它不用去猜一段文字到底是标题还是普通段落，结构是确定的。

这也解释了为什么 AI 特别擅长用 Markdown 表达表格、代码、嵌套列表——因为这些在 Markdown 里有固定写法，模型照着模板生成就不容易出错。

相比之下，纯自然语言段落之间没有显式的结构信号，AI 反而更容易把层次写乱。

原因四：Markdown 是纯文本，没有"暗箱"

.docx、.pdf 这些格式，表面上是文档，底层其实是复杂的二进制或排版指令。里面藏着样式、字体、隐藏标记，甚至图片。

AI 要理解它们，得先"翻译"，翻译过程容易丢信息、错位。

而 Markdown 是纯文本：

  • 一个文件就是一串字符，所见即所得；
  • 没有隐藏格式，没有二进制包袱；
  • 任何工具都能直接读取、拼接、搜索。

这种"透明"让 Markdown 成了人和 AI 之间最舒服的中间格式：一串文本进去，一串文本出来，整个过程可预测、可处理。

这也是为什么越来越多 AI 应用、Agent、RAG 系统都把 Markdown 当作默认的数据交换格式。

一句话总结：Markdown 训练语料多、token 成本低、结构清晰、又是纯文本——这四点叠加在一起，让 AI 几乎没有理由不偏爱它。

反过来也成立：把内容整理成 Markdown 再喂给 AI，效果更好

既然 AI 这么"懂"Markdown，那我们给它喂内容时，自然也应该优先用 Markdown。

实际效果上的差别很明显：

  • PDF / 图片：AI 要先 OCR 或解析，表格容易错、排版会乱，还可能漏内容；
  • 带复杂样式的 Word：样式标记会干扰理解，token 还白白浪费在格式上；
  • Markdown：结构直接、语义清楚，AI 一眼就能看懂层级和重点，回答也更准。

所以一个很实用的习惯是：先把 Word、PDF、PPT 转成 Markdown，再交给 AI 处理。

转换可以用 微软开源的 markitdown，一行命令就能把大多数文档转成干净的 .md。这一步看似不起眼，却经常能让 AI 的输出质量上一个台阶。

那 AI 给你的 Markdown，怎么看最舒服？

AI 动不动就生成几千字的 Markdown，里面还带着表格和代码块。直接在对话框里看，往往又长又难读。

更顺手的做法是：把内容存成 .md 文件，用一个专门的查看器打开。

比如 mdview：

  • 双击即开：保存成 .md 后双击直接进入阅读界面，不用启动编辑器；
  • 自动目录：AI 写的长文会自动生成侧边目录，点标题就跳转；
  • 表格、代码都正常渲染：代码块还有语法高亮，比纯文本好看太多；
  • 完全本地：内容不上传，AI 给你的私密内容留在自己电脑里。

本质上就是补上 AI 工作流的最后一环：AI 负责"写"Markdown，mdview 负责"读"Markdown。

常见疑问

AI 为什么默认用 Markdown 输出？

因为大模型的训练语料（GitHub、技术文档、Stack Overflow、Reddit 等）里 Markdown 占比非常高，Markdown 几乎是 AI 的"母语"。同时它 token 成本低、结构清晰，AI 读得准、写得稳。

把文档转成 Markdown 喂给 AI，真的更好吗？

通常更好。Markdown 是纯文本，结构用轻量符号表达，AI 能准确识别标题、列表、表格和代码，同时省 token、降低成本。相比 PDF、图片或样式复杂的 Word，Markdown 让 AI 更容易理解内容、减少出错。

Markdown 和 HTML 比，对 AI 来说有什么区别？

同样一段结构化内容，Markdown 用的字符和 token 远少于 HTML。更少的 token 意味着更低的成本、更快的速度，以及在上下文窗口里能装下更多有效内容。

写在最后

AI 喜欢 Markdown，不是某种玄学，而是训练数据、成本、结构和格式本身共同决定的自然结果。

理解了这一点，你也就掌握了和 AI 协作的一个小窍门：

用 Markdown 喂给它，它会还你更准确的 Markdown。

而那些 AI 帮你生成的 .md 文件，随手双击用 mdview 打开，就是最舒服的阅读方式。