為什麼 Anthropic 工程師改用 HTML 跟 AI 工作？
AI 把產出成本壓到趨近於零後，瓶頸從「誰來做」轉向「誰來看、誰來判斷」。哈佛 2026/2 研究指出導入 AI 反而加劇認知疲勞。Anthropic 工程師 Thariq 主張以 HTML 工作頁取代純文字 Markdown 作為審核介面——能放圖表、並排比較、互動，把耗腦的理解變成一眼能懂的決策。核心命題：AI 時代能力證明不是產出而是理解，proof 要跟著 work 走。
為什麼 Anthropic 工程師改用 HTML 跟 AI 工作？
來源：YouTube 影片〈Anthropic 工程師為什麼拋棄 Markdown 改用 HTML 跟 AI 工作？〉
頻道：Gary Chen｜發布：2026-05-21｜長度：約 13 分鐘
連結：https://youtu.be/BhHMGRcbPkQ
摘要
AI 把「產出」的成本壓到趨近於零之後，真正的瓶頸從「誰來做」轉移到「誰來看、誰來判斷」。哈佛商業評論 2026 年 2 月一篇追蹤研究指出：導入 AI 後工作量不減反增、認知疲勞加劇、決策品質下滑，終點是 burnout 與離職。影片主張這其實是一個格式問題——你跟 AI 之間用什麼形式交接工作，直接決定你會不會被它的產出淹死。Anthropic 工程師 Thariq（Twitter 帳號 @trq212）提出以 HTML 工作頁取代純文字 Markdown 作為審核介面，因為 HTML 能承載圖、表、並排比較與互動，把「很耗腦的理解」變成「一眼能懂、一看就能決定」。最後收斂到 AI Builder 的核心命題：能力證明不再是產出，而是理解，且 proof 要跟著 work 一起走。
一、問題：AI 越強，人卻越累
哈佛商業評論 2026 年 2 月發表研究，研究員花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，觀察導入 AI 後的改變。結果反直覺：AI 不僅沒省事，反而讓人更累——工作量變多、步調變快，連空檔都被塞滿。生產力爆衝最後換來壓力堆積、認知疲勞、品質下滑、決策變差。
影片用《Four Thousand Weeks》的比喻「現代版薛西弗斯」來描述：現代職場的薛西弗斯不是推石頭，而是清理 email inbox——剛清空、靠上椅背，下一秒就「你有新訊息」。書中一句話點題：
我們用來試圖掌控一切的科技，最後總是會失敗，因為它們會把那個「一切」本身變得更大。
這就是 AI 的真正問題：它讓你做事變快，但組織會立刻把更多工作塞進來，省下的時間變成下一個任務，而不是休息。
研究歸納的三大變化
| 變化 | 內容 | 後果 |
|---|---|---|
| Task expansion（工作範圍變大） | PM 開始寫 code、marketing 開始做設計。不是職責正式改變，是 AI 讓這些事「看起來可以嘗試」 | 每個人的守備範圍擴張 |
| 工作／非工作邊界模糊 | 「反正只是一句提示詞、反正它可以先跑、反正等一下回來看」 | 下班時間被侵蝕 |
| Multitasking 變多 | 一邊做事、一邊讓 AI 產文件、一邊等 agent 跑完、又順手開另一個 session | 注意力不斷切換，效率未必提高 |
二、新瓶頸：產出變便宜，理解變貴
研究揭露更底層的事實：AI 時代真正的瓶頸不是產出，是理解。
過去「做得出來就代表你會」——能做網頁、寫 App、做報告，技能本身即是能力證明。現在 AI 把產出成本壓到趨近於零，人人都能更快做更多，於是能力的證明變成「你有沒有真的搞懂你做出來的東西」。
最大的生產力瓶頸因此變成審核成本：每一個 AI 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。麻煩的是這種成本無法被量化——你沒多開會、沒多交報表，但腦子一直在切換、回想、比對、判斷。上級看不到、系統不記錄，最後表面上更有效率，實際上自己累成狗。
對 junior 特別殘忍
以前 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）——沒人喜歡，但過程本身就是教育，在一千件小事裡被有判斷力的人盯著，慢慢長出判斷力。現在公司把瑣事自動化，順手砍掉靠瑣事學習的 junior 職缺：
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，只是他不會出現了。
但學徒制底下真正運作的東西是「逼自己重複理解」，這個機制不需要一間公司，你自己就建得起來：逼自己搞懂每一個你產出的東西，量不重要，深度才重要。 taste（品味）正是從「把夠多東西理解得夠深」長出來的，而品味是每一波技術浪潮打過來都不會被沖走的東西。
三、理解不等於讀完每一行：關鍵是「介面」
理解不代表逐行讀完——那從來做不到。管理一個你不完全理解的東西，人類早就在做：
- CTO 不讀每個工程師的每一行 code，他看測試有沒有過
- PM 不看後端怎麼實作，他直接拿產品來用，看有沒有解決問題
- CEO 不對每一筆帳，他看那幾個關鍵數字對不對
共同點：都不是靠讀完細節，而是靠一個對的介面去驗證真正重要的那幾件事。你跟 AI 的關係本質一模一樣。所以問題不是逼自己讀完 AI 吐出的每個字，而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。
四、Markdown 為什麼會贏，又為什麼開始不夠用
人跟 agent 之間絕大多數時候用 Markdown 溝通，因為它對人夠友善：純文字、打得開、改得動、能 grep 搜尋、能用 git 看改了哪幾行。
現在最紅的兩個 agentic 系統——Claude Code 與開源圈竄起的 OpenClaw——記憶系統底層全是一堆 Markdown 檔：一個
MEMORY.md放長期記憶，每天的觀察寫成按日期命名的 Markdown。連 AI 自己的「腦子」都選擇用對人類最透明的格式來存。
（註：本 wiki 所在的 NanoClaw／Claude Code 環境正是這種以 Markdown 為記憶底層的系統，可參見〈NanoClaw wiki 技能與發布狀態〉。）
但 agent 越來越強，Markdown 開始撐不住——不夠用的點在於人類看 Markdown 的效率太低。Anthropic 工程師 Thariq 在 X 上發表〈The Unreasonable Effectiveness of HTML〉（HTML 有效到離譜），指出超過一百行的 Markdown 連自己都讀不下去，更別說讓公司其他人讀。當 AI 寫的 spec 與 plan 越來越長：
- Markdown 沒辦法放圖
- 沒辦法把兩個方案並排對比
- 沒辦法讓你動手調參數看結果
- 分享給別人也很痛苦
換句話說：Markdown 是為「讓人好讀」而生，但 AI 越強、需要被讀懂的東西越多越複雜，Markdown 反而最先撐不住。
五、HTML 工作頁的三個用法
解法是改用 HTML 當輸出格式：用瀏覽器就能打開、能放圖表、能互動。這不是要你學前端，而是讓 AI 把產出直接做成「一頁你打開就能用」的東西。
1. 拿來比較
不確定 onboarding 畫面怎麼呈現？叫 AI 一次生六個版本（版面、交互、資訊密度都不同），全排進同一頁，每個底下標清楚取捨，並排掃一眼就能比。Markdown 做不到——它只能一個個用文字描述，你得在腦中把畫面拼回來，那個「拼」就是審核成本。
2. 拿來理解
看不懂公司的 rate limiter？叫 AI 讀完相關 code，產一頁 explainer + 一張流程圖，留一個區塊標注「有哪些坑要注意」，甚至出十題選擇題確認你抓到重點。一樣的資訊量，更快理解並決策——這就是低耗能的審核。
3. 拿來決策
三十張 Jira 單要重排優先序？叫 AI 做一個簡單網頁，把每張 ticket 變成可拖的卡片，分成第一/第二/第三優先欄位；AI 先用判斷幫你排好，你像玩遊戲一樣拖拽分類，調整完按一個按鈕，網站就把結果轉成一段 prompt，貼回 Claude 繼續執行。
三者共同點：都不會生成更多東西塞給你看，而是把複雜資訊變成能看、能比較、能下決定、且好理解的介面。
六、定位：HTML 不是更高級的 Markdown
影片明確澄清：不是要用 HTML 全面取代 Markdown，也不是哪個比較好。
| 面向 | Markdown | HTML 工作頁 |
|---|---|---|
| 適合承載 | 文字 | 狀態、關係、對比、互動 |
| 適用情境 | 文字整理 | 回到任務、快速看懂狀態、比較方案、做決定 |
| 本質 | 給人好讀的格式 | 另一種工作介面 |
決策準則：你想解決什麼問題？ 要文字整理用 Markdown；要回到一個任務快速看懂狀態、比較方案、做決定，HTML 工作頁或許更適合。作者自陳心路：一開始掙扎要不要逐行讀 AI 的 code，後來只讀它生的 Markdown，再後來連 Markdown 都太長讀不下去——「我需要的不是更多 output，而是更低成本的理解方式」。
七、給 AI Builder 的核心命題：proof 要跟著 work 走
影片不停在工具層，而是收斂到立場：AI 時代產出變得太便宜，履歷／職稱／學歷／作品集的證明力下降，因為 AI 能幫你生出有模有樣的作品。真正稀缺的是能不能把理解跟作品綁在一起，清楚回答這四個問題：
- 你做的東西是什麼？
- 你為什麼選這個做法（而不是別的）？
- 這個東西在什麼情況下會壞掉？
- 你在這次實作中學到了什麼？
不要只追求更多產出，而要追求更深的理解；不要讓作品跟解釋分開，而要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，而要用一個個可驗證的完成紀錄，公開展示你怎麼判斷、取捨、理解自己交付的東西。
最終命題：HTML 不是重點，它只是「code → Markdown → 可視化工作頁」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」，而是「我能做出判斷，而且我能證明我理解自己交付了什麼」。
資訊壓縮鏈
flowchart LR
A["Code<br/>機器可執行<br/>人最難讀"] --> B["Markdown<br/>純文字<br/>對人友善但效率上限低"]
B --> C["HTML 工作頁<br/>圖/表/對比/互動<br/>低成本理解與決策"]
C --> D["人留在 loop<br/>做判斷 / 承擔選擇 / 證明理解"]
subgraph 壓縮目標["核心：用最小力氣看懂 AI 交回的東西"]
B
C
end
HTML 三用法決策圖
flowchart TD
Q{"你要解決什麼問題？"} -->|文字整理| MD["用 Markdown"]
Q -->|看懂狀態 / 比較 / 決策| HTML["用 HTML 工作頁"]
HTML --> U1["比較：一頁多版本並排，標清取捨"]
HTML --> U2["理解：explainer + 流程圖 + 自測題"]
HTML --> U3["決策：可拖拽介面 → 一鍵轉回 prompt"]
延伸閱讀（站內）
- 〈AI Ascent：Boris Cherny 坦承「模型幫我寫 100% 的程式碼」〉——同樣探討 AI 接手產出後、人的角色轉向理解與判斷
- 〈提示詞工程：Anthropic 六大架構與實戰技巧〉——Anthropic 工程實務脈絡
- 〈從 LLM 到 Agentic Workflow：Stanford AI 系統課程精華〉——agentic 系統的工作流設計
- 〈NanoClaw wiki 技能與發布狀態〉——以 Markdown 為記憶底層的 agent 系統實例
來源連結
- 影片：https://youtu.be/BhHMGRcbPkQ
- 哈佛商業評論研究：https://hbr.org/2026/02/ai-doesnt-reduce-work-it-intensifies-it
- Thariq（@trq212）原文討論：https://x.com/trq212/status/2052809885763747935
分類：tech｜標籤：ai-workflow, html, markdown, anthropic, claude-code, 審核成本, ai-builder