Markdown
Markdown是一种轻量级纯文本标记语言，由John Gruber于2004年设计。它使用简洁的符号语法（如井号、星号、短横线等）对文本进行格式标注，可被工具转换为HTML等富文本格式。Markdown广泛应用于文档编写、技术博客、内容管理系统及代码托管平台，以易读易写、源文件可读性强为核心特征。
核心事实
时间轴 (近 90 天)
处理非线性内容（如脚注）的正确方式是在解析正文时识别指向这些资源的链接，并将目标内容内联到引用点附近，同时保持Markdown的可读性和自包含性。
Markdown 流行是因为它处于人类与 LLM 的认知重叠区：LLM 能读写并操作其结构，人也能直接读改。
在 OpenRig 中，知识可通过文件路径和 Markdown 头部实现可寻址性，并可通过引用组合出定制视图。
核心协作方法是：一个模型写代码，一个模型验收，中间全靠Markdown文档交接，所有交接文档提交进Git。
WordCraft 能打开和保存 docx 文件，并支持 ODT、RTF、HTML、Markdown、LaTeX 和纯文本格式。
统一语言（Ubiquitous Language）做法：在仓库中放置Markdown文件列出项目核心术语，强制AI在规划和写代码时引用，可消除猜测空间并减少AI啰嗦跑题。
PDF不是带坐标的文本，而是一种关于思想如何关联的视觉论证；将其压平成Markdown是在重建作者意图。
Markdown中的HTML注释<!-- ... -->在渲染为HTML时被浏览器忽略，不出现在发布页面，但源文件与diff中完整保留。
表格压平成纯文本后数值结构丢失，而Markdown表格让表头与每行绑定，LLM对Markdown表格格式读取能力强。
Synthadoc 是一个开源的 AI 原生维基引擎，其职责是将 PDF、网页、转录文本等原始文档，通过 LLM 合成结构化的 Markdown 维基页面。
还有 40 条时间轴事件
全部知识事实 (20)
skill.md使用Markdown格式编写，包含元信息（技能名称和描述）以及详细的执行指令
80%已验证SDD（Specification-Driven Development，规范驱动开发）是当前AI编程领域被普遍认可的一种开发思想，核心理念是基于规范驱动进行编程
80%已验证Obsidian是一款基于本地Markdown文件的双向链接笔记工具，所有数据以纯文本形式存储在本地
80%已验证Markdown是由John Gruber于2004年创建的轻量级标记语言
80%已验证Markdown 既对人类可读，也易于大语言模型解析，兼顾人写和机读两端需求
75%已验证Markdown是一种轻量级标记语言，语法简洁、可读性强、易于版本管理，已成为技术文档的事实标准格式
70%已验证大语言模型在预训练阶段接触了大量来自GitHub、技术文档和维基百科等来源的Markdown格式文本，因此对Markdown结构具有极强的理解能力
70%已验证Markdown是GitHub、Notion、Obsidian等主流平台的默认文档格式，也是几乎所有大语言模型默认的输出格式
70%已验证Markdown是一种轻量级标记语言，用#表示标题、**表示加粗等符号完成排版
65%已验证Skills文件通常包含YAML前置元数据（用于触发条件判断）和Markdown正文（用于定义工作流和输出规范）
65%已验证OpenAI GPT系列模型对Markdown格式特别友好，因为训练过程中大量接触了GitHub上以Markdown为主要格式的代码和文档
65%已验证HTML输出允许AI内嵌SVG图表、交互式组件、页内导航、色彩编码和内联注释等Markdown无法实现的功能
65%已验证Markdown是GitHub、Stack Overflow、Notion等平台的标准格式
65%待验证Markdown作为纯文本格式与Git的diff机制完美兼容，而HTML文件由于包含大量标签和样式代码，使得代码审查变得极其困难
90%待验证HTML输出比Markdown消耗明显更多的Token，一个简单的加粗文字在Markdown中需要6个额外字符，而在HTML中需要17个额外字符
90%待验证HTML的diff极其嘈杂难以审查，是HTML替代Markdown的最大缺点
85%待验证Markdown的结构化标题层级天然对应需求文档的章节层次，且对大模型友好，token利用率高于HTML等富格式文本
80%待验证Markdown适合技术文档、笔记、知识库等记录和传承场景，HTML适合报告、看板、演示、原型等理解和行动场景
70%待验证AI模型处理Markdown文件的效率远高于PDF
70%待验证Markdown因具备结构化纯文本和低冗余特性而成为AI时代通用的信息载体
60%