为什么 AI 需要 Markdown：资料形态与"可读"的含义
你大概有过这样的经历：从一份 Word 里选中一段，复制，粘进聊天框或某个 AI 对话框，结果排版全乱、表格变成乱码、图片失踪，只剩一堆奇怪的换行和空格。这并不是你操作错了，而是——大多数"资料"天生不是给机器读的。
资料的两副面孔
一份 .docx 文件，对人类和对于程序，是完全不同的两样东西。
对人来说，它是"带格式的文档"：标题加粗、段落缩进、表格对齐、配图居中。你一眼就能读懂它的意图。但对一个大模型来说，它首先是一堆 ZIP 压缩包里的 XML 节点，里面混着样式定义、修订记录、嵌入字体、缩略图……真正"内容"被埋在噪声里。
AI 不关心你的标题用了几号字体，它关心的是：这句话是标题还是正文？这条数据属于哪一行哪一列？这段引用是谁说的？
Markdown 为什么是"机器友好"的格式
Markdown 之所以成为 AI 工作流里的通用语，不是因为它时髦，而是因为它同时满足三件事：
- 结构化：
#、-、|这些符号明确表达了层级、列表、表格，而不是靠视觉位置暗示。 - 低噪声：没有字体、颜色、页眉页脚这些与"意思"无关的信息，token 花在刀刃上。
- 纯文本：任何系统都能读、能存、能检索、能 diff，不依赖特定软件。
把一份资料转成 Markdown，本质上是一次翻译：从"给人看的排版"翻译成"给机器读的结构"。这正是 Everything to Markdown 在做的事。
一个具体的对比
假设有一张销售表，原文件是 Excel。如果直接把单元格文本平铺丢给模型：
一月 二月 三月
北方 120 135 150
南方 98 110 130模型得"猜"哪行是表头、哪列对应哪月。而 Markdown 表格：
| 区域 | 一月 | 二月 | 三月 |
| --- | --- | --- | --- |
| 北方 | 120 | 135 | 150 |
| 南方 | 98 | 110 | 130 |结构一目了然。对 AI 而言，后者不是"更好看"，而是更少误解、更少幻觉。
所以，"转成 Markdown"到底转了什么
不是把字抠出来那么简单。它转的是语义关系：
- 这行是标题还是正文？
- 这几段是一个列表，还是各自独立的句子？
- 这个数字是表格里的单元格，还是正文里的举例？
- 这张图配在哪一节，说明什么？
能回答好这些问题，资料才真正"可读"。这也是为什么 we 坚持把转换做成一条确定性的解析管线，而不是交给一个黑盒去"理解"。
小结
AI 需要的不是"更多的字"，而是更干净、更有结构的字。Markdown 恰好是人和机器之间那座最省力的桥。下一篇，我们拆开看：14 种天差地别的格式，是怎么被统一成这一套 Markdown 的。