Claude Code 实测：HTML 在大模型交互中的“非对称优势”

核心事件

近期关于 Claude Code（Anthropic 推出的命令行 AI 开发者工具）的实测显示，HTML 在与大模型交互时展现出了超乎寻常的有效性。尽管 JSON 和 Markdown 是目前主流的数据交换格式，但在处理复杂结构和 UI 逻辑时，Claude 对 HTML 的理解深度和生成精度远超预期。

• ▶ Web 原生偏好：LLM 的训练数据中包含海量的 HTML 网页，这使得模型对 HTML 的语义结构（如嵌套关系、属性定义）具有近乎“本能”的解析能力。
• ▶ Token 效率与语义密度：相比于冗长的 JSON，HTML 标签自带语义信息，能够以更低的感知成本为模型提供上下文定位。
• ▶ Agent 交互新范式：Claude Code 通过利用 HTML 这种“古老”的格式，显著提升了在代码重构和 UI 自动化任务中的成功率。

八卦洞察

在 AI 业界，我们往往陷入“越新越好”的误区，追求更精简的 JSON 模式或专门的 DSL（领域特定语言）。然而，Claude Code 的表现提醒我们：训练数据的分布决定了模型的上限。互联网本质上是由 HTML 构建的，这意味着对于 LLM 而言，HTML 不是一种展示语言，而是一种极其高效的“思维导图”。当我们利用 HTML 进行 RAG（检索增强生成）或 Agent 任务编排时，实际上是在顺应模型的底层逻辑，而非强迫其适配人类定义的抽象接口。这种“回归 Web 本质”的策略，可能是解决 Agent 幻觉问题的一条捷径。

行动建议

对于开发者和架构师，建议在构建基于 Claude 或类似模型的 Agent 流程时，尝试将中间表示层从 JSON 切换为语义化的 HTML。特别是在涉及复杂文档解析、网页抓取或 UI 自动化时，利用 HTML 的层级特性可以显著提高模型的推理准确度。此外，在微调（Fine-tuning）数据准备阶段，保留或增强 HTML 结构信息，可能比将其转换为纯文本更具战略价值。