用 HTML 代替 Markdown 跟 Agent 交互靠谱么？我做了个脚手架

📌 一句话摘要

本文提出并实现了一个开源脚手架 WS Workspace，让 Agent 通过 CLI 指令向网页注入可交互组件（看板、决策卡、表单等），人类在页面上直接操作，Agent 通过结构化 JSON API 读取状态，实现真正的双向协作。

📝 详细摘要

文章从 Anthropic 团队成员 Thariq Shihipar 的「The Unreasonable Effectiveness of HTML」一文出发，指出 Markdown 作为线性文本格式在 Agent 协作中的根本瓶颈：信息读后即焚、人类只能用自然语言回复导致 Agent 需额外解析。作者提出将 HTML 从单向输出升级为双向协作介质的思路，并开源了 WS Workspace 脚手架。该脚手架基于 Express + WebSocket 构建，提供 7 个核心组件（看板、决策卡、待办、表单、表格、编辑器、标题），Agent 通过 CLI 命令注入组件，人类在页面上拖拽、点选、填写，Agent 通过 REST API 获取结构化 JSON 状态。文章详细阐述了技术实现、踩坑经验（IME 输入打断、拖拽 API 细节、ID 生成），并与 Markdown 聊天和 Claude Artifacts 进行了对比，认为该方案在信息密度、双向交互、状态持久性和 Agent 读取能力上有显著优势。

💡 主要观点

- Markdown 作为 Agent 输出格式存在根本瓶颈：信息读后即焚，人类只能用自然语言回复。 Markdown 是线性文本，滚动即消失；人类反馈非结构化，Agent 需额外 NLU 解析，低效且易出错。

HTML 工作台将 Agent 输出升级为双向协作介质，人类直接操作，Agent 读取结构化状态。 Agent 通过 CLI 注入看板、决策卡等组件，人类拖拽点选，Agent 通过 JSON API 获取零歧义的状态，形成闭环。

WS Workspace 脚手架基于 Express + WebSocket，仅两个运行时依赖，实现简单。 项目无前端框架，单 HTML 文件通过 Web Components 渲染，Agent 通过 CLI/MCP/Skill 三层与工作台交互。

💬 文章金句

- Agent 不再把 Markdown 塞进聊天窗口，而是维护一个可交互的 HTML 工作台——人类在页面上操作，Agent 读取状态继续推进。

当 HTML 从输出格式升级为双向协作的介质，Agent 跟人类之间的互动就不只是「更紧密」了——而是第一次真正意义上的「协作」。
Agent 不再写给人看，而是跟人一起干。

📊 文章信息

AI 初评：87

来源：人人都是产品经理

作者：人人都是产品经理

分类：人工智能

语言：中文

阅读时间：14 分钟

字数：3437

标签： Agent, HTML, 双向协作, 脚手架, WebSocket

阅读完整文章

用 HTML 代替 Markdown 跟 Agent 交互靠谱么？我做了个脚手架

🤖 問 AI