AI 写报告别只要 Markdown:真正值钱的是把文档变成决策界面

深度长文 / 搜索型内容库
关键词:AI 写报告、AI 做汇报、HTML、Markdown、AI Agent、PPT、单页 HTML

这篇文章不教你写前端。

我也不想把它写成那种“HTML 要火了,大家快去学”的浅层热点文。

真正值得聊的不是 HTML,也不是 Markdown。

真正值得聊的是:AI 时代,很多交付物正在从“文档”变成“界面”。

这件事听起来有点技术,但它最后会落到很现实的地方:

你给老板交汇报,别人交一份 20 页 PPT,你交一个能点、能筛选、能直接复制结论的单页页面。

你投简历,别人写“熟练使用 AI 工具”,你给一个能打开的 AI 作品集页面,里面有项目背景、你的判断、AI 参与了哪部分、最终产出。

你做项目复盘,别人发一篇长文档,你给一个带时间线、风险卡片、责任项、后续动作的可交互报告。

你说老板、客户、面试官会先看谁?

这才是我觉得这件事值得写成长文的原因。

一、同一份材料,为什么有的人交上去像作业,有的人像产品

先讲一个很具体的场景。

周五下午,老板突然让你整理一份竞品分析,下周一开会用。

你把资料丢给 AI,说:

帮我整理成一份汇报。

AI 很快给你一份 Markdown:

  • 竞品 A:优势、劣势、价格
  • 竞品 B:优势、劣势、价格
  • 竞品 C:优势、劣势、价格
  • 建议:优先关注 B

你看了一眼,觉得挺好。

接下来你开始做熟悉的体力活:复制到飞书,调格式;复制到 PPT,改字号;截图,配图;把表格拆成两页;再担心老板嫌字太多,又删一遍。

这套流程没有错。过去几年大家都是这么干的。

但想象另一个同事交的是这样一个东西:

打开就是一句话结论:

如果预算有限,优先盯竞品 B;如果要防守高端客户,必须盯竞品 C。

下面有三个按钮:

  • 成本优先
  • 风险优先
  • 增长优先

老板点“成本优先”,页面自动把低价竞品排在前面;点“风险优先”,高风险项变成红色卡片;点“复制结论”,直接得到一段可以发到群里的 100 字摘要。

这不是花活。

这叫降低决策成本。

很多人做汇报,心里想的是“我把材料整理清楚了”。但老板真正要的通常不是材料,而是判断。

材料越多,老板越累。

判断越清楚,交付越值钱。

AI 时代真正拉开差距的,很可能不是“谁更会写”,而是“谁能把复杂材料变成别人更容易做判断的东西”。

这就是我说的“文档变界面”。
在这里插入图片描述

二、Markdown 为什么曾经是 AI 的默认答案

别急着说 Markdown 不行。

Markdown 过去几年确实非常适合 AI 输出。

原因很简单。

它轻。
它干净。
它好复制。
它能被 Git 追踪。
它不像 HTML 那样满屏标签。
它对大模型来说也省 token。

更关键的是,过去我们使用 AI 的方式,默认有一个前提:

AI 负责给初稿,人负责继续改。

AI 给你一段文字,你复制出来自己排版。
AI 给你一个表格,你自己搬到飞书。
AI 给你一份提纲,你自己写成文章。
AI 给你一份方案,你自己做成 PPT。

在这个前提下,“好编辑”比“好展示”重要。

Markdown 正好解决“好编辑”这件事。

所以过去我们形成了肌肉记忆:请输出 Markdown。

这句话没错。

只是它背后的工作方式,开始变了。

三、真正变强的不是 HTML,而是 Agent

最近 Claude Code 团队工程师 Thariq Shihipar 提了一个很有冲击力的观点:Markdown 正在限制 Agent 的表达能力,HTML 反而更适合 Agent 时代的人机协作。

Simon Willison 在 2026 年 5 月 8 日转载并试了这个思路。他提到,HTML 可以让 AI 输出的不只是解释文字,还能放进 SVG 图、交互控件、页面导航和更丰富的信息结构。

Thariq 的示例集合里也不是那种“做个漂亮网页”的演示。

它里面有 PR Review,有代码理解,有设计系统,有原型,有流程图,有周报,有事故复盘,有自定义编辑器。

这几个场景有一个共同点:

它们都不是单纯“读一段文字”就能解决的。

代码 Review 需要你看到 diff、严重级别、影响路径。
事故复盘需要你看到时间线、日志、后续动作。
设计系统需要你看到颜色、字号、组件状态。
周报需要你看到完成了什么、卡住了什么、下周风险是什么。
功能规划需要你看到路线图、依赖、取舍和风险表。

这些东西如果全塞进 Markdown,就会变成一堵墙。

能读,但累。

HTML 的价值不在于“它是网页语言”。

它的价值在于:浏览器是今天最普及、最稳定、最便宜的运行环境。你不需要安装什么软件,不需要导出,不需要别人懂你的工具链。一个 HTML 文件,打开就是结果。

这就很适合 Agent。

因为 Agent 已经不只是写几段话了。它可以读代码库、整理会议、分析 Git 历史、生成架构图、做产品方案、写测试计划。

你让一个已经能处理复杂上下文的 Agent,最后只能用几个标题和列表表达,就像让一支乐队只能吹口哨。

不是它不会演奏。

是你给的乐器太少。

四、这不是“HTML 干掉 Markdown”,而是三层分工

我不认同那种简单粗暴的说法:Markdown 要死了。

这种话适合做标题,不适合做判断。

我的判断是:Markdown 不会死,但它的位置会变。

你可以把未来 AI 交付分成三层。

第一层:数据层

这里放的是结构化信息。

可能是 JSON、YAML、CSV、数据库、表格,也可能是你从会议、网页、代码库里抓出来的原始材料。

它不负责好看。

它负责准确、可复用、可计算。

第二层:草稿层

这里 Markdown 依然很好用。

提纲、正文、解释、记录、技术文档、代码旁边的说明,都可以继续用 Markdown。

它的价值是轻、清楚、好改。

如果你是写给自己看的,或者写给另一个 Agent 继续处理,Markdown 很可能还是最舒服的格式。

第三层:展示层

这里会越来越多地变成 HTML。

因为最终读者不是来看你语法多干净的。

老板、客户、面试官、同事,他们想快速知道:

  • 我该看哪里?
  • 哪个选项风险最大?
  • 结论是什么?
  • 证据在哪里?
  • 下一步谁来做?
  • 能不能直接复制一段话发出去?

这些问题用纯文本也能回答。

但界面回答得更快。

按钮、筛选器、折叠模块、风险卡片、时间线、对比表、图表,这些不是装饰,它们是理解的脚手架。

注意,我说的是“脚手架”。
在这里插入图片描述

不是花里胡哨的动效,不是廉价炫技,不是把一份 Word 换个壳。

真正好的 HTML 交付物,应该让读者更快做决定。

如果只是更漂亮,但没让人更快理解,那就是新的 PPT 病。

五、普通人不需要学前端,但要学会指挥 AI 做交付物

这里要把一个误会说清楚。

普通人不需要因为这件事去系统学 HTML、CSS、JavaScript。

你可以学一点基础,当然有用。但这不是重点。

重点是,你要知道什么时候该让 AI 输出 Markdown,什么时候该让 AI 输出 HTML。

这就像你不需要会修发动机,也可以知道高速路上不能开拖拉机。

你不需要手写每个标签,但你要有交付物判断力。

哪些场景 Markdown 足够?

  • 给自己记笔记
  • 写草稿
  • 写技术说明
  • 做版本管理
  • 给另一个 AI 继续处理

哪些场景应该试试 HTML?

  • 对方需要做判断
  • 内容有多个方案对比
  • 内容里有风险等级
  • 内容有时间线
  • 内容需要筛选、展开、复制、跳转
  • 你希望别人一眼看懂,而不是慢慢读完

这不是技术问题。

这是表达问题。

更准确地说,是交付问题。
在这里插入图片描述

六、哪些工作最先被这件事影响

我先说几个普通人能马上理解的场景。

1. 月度汇报

传统月报经常长这样:

这个月做了什么。
下个月计划什么。
遇到什么问题。
需要什么支持。

写得再认真,也很容易被扫一眼就关掉。

但如果你做成单页 HTML,结构就可以变成:

  • 顶部一句话总判断
  • 本月完成事项,用卡片展示
  • 延期事项,用红色风险卡展示
  • 下月计划,用时间线展示
  • 需要老板决策的地方,单独做成按钮区

它不是更酷。

它是更像一个给老板用的东西。

2. 竞品分析

竞品分析最怕变成资料堆积。

大家都写功能、价格、定位、优缺点。

问题是老板看完还是不知道该怎么选。

HTML 单页可以让这个东西变成可筛选的决策表:

  • 按价格排序
  • 按功能完整度排序
  • 按风险等级筛选
  • 点击某个竞品展开证据
  • 最后输出推荐方案

这时候你交的不是“我整理了资料”,而是“我把判断入口做好了”。

差别很大。

3. 项目复盘

项目复盘里最有价值的东西通常不是长篇反思,而是因果关系。

什么时间发生了什么?
哪个判断错了?
哪个环节没兜住?
下次谁负责改?

Markdown 可以写清楚,但读者要自己在脑子里拼图。

HTML 可以把它拆成时间线、影响范围、原因树、行动清单。

读者不需要从头读到尾,先看总览,再展开细节。

很多复盘没人看,不是因为大家不关心,而是因为复盘写得像处罚通知。

换一种交付形态,读者的耐心会变多。

4. 求职作品集

小陈这类学生或应届生,最该关注这个。

简历上写“熟练使用 AI 工具”,现在已经很弱了。

因为人人都会写。

更有说服力的是一个单页作品集:

  • 这个项目解决什么问题
  • 你负责哪部分
  • AI 帮你做了什么
  • 哪些判断必须你自己做
  • 最终结果是什么
  • 你踩过什么坑
  • 如果重做会怎么改

这比写十句“熟练使用 AI”都强。

公司招人的时候,嘴上说看学历、看经历,本质上还是看一个问题:

你来了以后,能不能交付东西?

一个能打开、能看懂、能展示你判断过程的页面,比一句自我评价更有用。

七、这件事也有坑,别把 HTML 当新玄学

我不想把这篇写成“HTML 万能论”。

任何新格式都会带来新问题。

HTML 比 Markdown 更长。
生成更慢。
版本 diff 更乱。
审美更容易翻车。
一旦让 AI 放飞,很容易变成动画过度、颜色刺眼、按钮乱飞的垃圾页面。

还有一个更隐蔽的问题:HTML 会让差内容看起来更像样。

这很危险。

一份没判断的报告,套上漂亮卡片,还是没判断。
一份没证据的方案,加上图表,还是没证据。
一个不懂业务的人,用 AI 做出再漂亮的界面,也只是把空心内容包装得更精致。

所以我的建议很简单:

先让内容站住,再让界面帮它表达。

顺序不能反。

你要先问:

  • 我的核心判断是什么?
  • 读者要做什么决定?
  • 哪些信息必须第一眼看到?
  • 哪些细节可以折叠?
  • 哪些内容需要对比?
  • 哪些结论可以一键复制?

回答完这些,再让 AI 生成 HTML。

否则你只是从“PPT 八股”换成“HTML 八股”。

八、你今天就可以做的练习

别等。

这件事最适合用一份你已经写过的材料练手。

找一个最近真实发生过的工作材料:

  • 周报
  • 竞品分析
  • 项目复盘
  • 课程作业
  • 实习总结
  • 客户方案
  • 面试作品集

然后对 AI 说:

请把下面这份材料整理成一个单页 HTML 汇报页。

目标读者:我的老板/面试官/客户。
目标动作:让对方在 3 分钟内理解重点,并能做出下一步判断。

要求:
1. 顶部先给一句话结论。
2. 用一个目录展示页面结构。
3. 把核心内容分成 4 个模块:背景、关键发现、风险、下一步动作。
4. 用对比表展示不同方案的优缺点。
5. 用风险卡片标出高风险、中风险、低风险。
6. 每个模块默认只展示结论,细节放进可折叠区域。
7. 最后给一个“复制给老板的 100 字摘要”。
8. 风格克制,像专业工作汇报,不要赛博朋克,不要花哨动画。
9. 所有内容必须基于我提供的材料,不要编造数据。

下面是原始材料:
【粘贴你的材料】

第一次做出来可能很丑。

没关系。

你要看的不是美不美,而是三个问题:

第一,我自己是不是更容易看懂了?
第二,对方是不是更容易做判断了?
第三,这个东西是不是比原来的文档更像一个交付物?

只要有一个答案是肯定的,你就已经摸到门了。
在这里插入图片描述

九、最后给你一个判断框架

以后你让 AI 输出内容前,先问四个问题。

第一,这个东西是中间稿,还是最终交付?

中间稿用 Markdown 很好。

最终交付要看场景。很多时候,HTML 会更合适。

第二,对方是要阅读,还是要判断?

如果只是阅读,文档够了。

如果要判断,界面更好。

第三,内容里有没有对比、筛选、风险、时间线、行动项?

如果有,它天然适合做成结构化页面。

第四,这个页面有没有帮读者少花脑子?

如果没有,那就别做。

漂亮不重要。

少花脑子才重要。

我的判断是:未来几年,Markdown 会继续活得很好,但它会越来越多地停在“底稿层”。真正值钱的,是你能不能指挥 AI,把底稿变成别人愿意看、看得懂、能行动的交付物。
在这里插入图片描述

这件事对普通人真正的意义,不是“HTML 要火了”。

而是:会交付的人,会比会写文档的人更值钱。

如果你想要我整理一份“单页 HTML 汇报 Prompt 模板”,评论区留言:HTML

我是老K,前大厂工程师,现在做 AI 创业。这个号会持续帮你判断:AI 时代哪些能力会涨价,哪些工具该用,哪些机会值得追。

参考资料

  • Thariq Shihipar 关于 HTML 与 Agent 协作的讨论:https://x.com/trq212/status/2052809885763747935
  • Simon Willison 转载与实验:https://simonwillison.net/2026/May/8/unreasonable-effectiveness-of-html/
  • HTML 示例集合:https://thariqs.github.io/html-effectiveness/
Logo

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。

更多推荐