为什么AI偏爱Markdown?

如果你用过 Claude Code 或 OpenClaw，一定会注意到一个现象：AI 输出的文件，几乎清一色是 .md（Markdown）格式。常用的配置文件：claude.md、soul.md、agents.md、memory.md、skill.md，全是 Markdown。

为什么呢？

我把这个问题分别问了豆包、Claude 和 Gemini，它们的回答大致归为三个原因：

1. 天生母语。 AI 的训练集（GitHub、Stack Overflow、技术文档）里充斥着 Markdown。对模型而言，这是它在进化过程中最熟悉的原生语言。

2. 结构语义清晰。 Markdown 在同样的字符量下携带了层级和语义信息，模型能更清楚地理解内容的重点和结构，而不是把所有文字当成一坨平铺的文本处理。

3. RLHF 的强化。 在人类反馈强化学习阶段，标注员普遍认为带有标题、列表、代码块的回答比纯文本”更好”——看起来更专业、更易读。模型因此学到：用 Markdown = 获得更高评分。

所以模型偏好 Markdown，是训练数据和训练方式共同决定的。

这个逻辑有一个更重要的延伸：既然 Markdown 是 AI 的母语，在 AI 时代，我们应该主动用这种语言和它交互。

分享一个我正在实践的做法：用 MD 文档构建个人的上下文仓库。

工具组合：Obsidian + Claude Code（或小龙虾）。

Obsidian 是一款本地化的 Markdown 笔记软件，所有笔记以 .md 格式存在你自己的电脑上。我用它来存工作方法论、项目资料、灵感记录——所有你希望 AI 长期记住的东西，都沉淀在这里。

通过配置 MCP或 Skill，可以把 Obsidian 和 AI 工具打通。打通之后能做两件事：

一是读取。AI 在和你交互时，可以直接调取你 Obsidian 里的文档作为上下文，带着你完整的工作背景和个人偏好来响应你，而不是每次从零开始。

二是写入。这是更有意思的部分——当你和 AI 产生了有价值的讨论、新的洞察、或者一个值得沉淀的方案，可以直接让它写回你的 Obsidian，更新你的知识库。你的上下文仓库会随着每次交互持续生长。

举个例子：我在 Obsidian 里存了一份”HR 工作方法论”的 MD 文档，里面包含公司的四步法框架、蓝白领管理的核心差异、常见场景的处理原则。每次让 AI 帮我设计 HR 方案，把这份文档挂进去，它输出的就不是通用建议，而是真正贴合我工作处境的东西。

时间越长，这个仓库越有价值。AI 越用越懂你，你的知识也在这个过程里被持续整理和积累。

决定 AI 好不好用，本质上只有两个变量：模型能力和上下文质量。前者你控制不了，后者你可以主动建设。

当下模型的上下文窗口已达百万级别，而且还在持续变大。能够预加载的上下文越来越多，用 AI 的差距将不再只体现在提问技巧好不好、装了哪些 skill，而是在于：

你能提供给模型的上下文有多少、有多准。