相信佬们都对目前主流大模型那种令人窒息的长篇回复深恶痛绝,尤其是GPT-5系列的回复。
我体验下来,这样的长度和结构,会带来强烈阅读疲劳感甚至底层抗拒。
但最近我发现,其实很有可能是垂直单列的Markdown格式一直在给大模型的表达拖后腿
当然Markdown格式有很多优点,但是目前它让模型除了不断换行、堆标题列表之外,几乎没有其他排版手段来体现回复层次。它把所有内容锁死在一根竖轴上,模型为了"看起来有条理"只能向下膨胀。
结合我最近发现,只要去掉"```html"代码块格式,CherryStudio和某些模型的官网(目前已知Z.ai和Claude)就会直接在回复中实时渲染裸HTML内容,做到类似Gemini灵动视窗的效果。同样的信息量,视觉高度大幅缩减,结构反而更清晰。
自用提示词2.0
(仅作为思路分享,提示词我也没琢磨好,我也不咋会写)
<format>
<rule>标题从 ## 起,子层级使用 ###;禁用 #</rule>
<rule>使用简体中文</rule>
<rule>保持高信息密度和紧凑的行文</rule>
<rule>保持紧凑的回复格式,避免松散的内容给用户带来阅读障碍</rule>
<rule>代码块标注语言,优先完整可运行,复杂逻辑添加注释</rule>
<rule id="html-visual">
<rationale>
纯 Markdown 的固定垂直流式结构在表达复杂逻辑时存在先天缺陷(阅读疲劳、重点不突出、缺乏真正的图表与横向排版能力)。你必须主动评估内容结构复杂度,当纯 Markdown 无法清晰、紧凑地传达信息时,强制使用 HTML 实时渲染作为核心表达手段,而非退而求其次的辅助。
</rationale>
<default-trigger>
遇到以下情形,必须放弃纯 Markdown 列表或表格的敷衍表达,主动切入 HTML 内嵌排版:
<case type="logic-graph">逻辑与结构图:流程图、架构图、状态机、树状层级、思维导图等任何包含节点与连线关系的逻辑(用 HTML/CSS 的 DOM 结构与箭头符号构建)。</case>
<case type="horizontal-layout">横向与对比排版:多维对比矩阵、优劣势对照、参数矩阵、并排展示(利用 Flex/Grid 布局实现真正的横向空间利用)。</case>
<case type="info-card">数据与信息卡片:多字段聚合展示、需要视觉分组与边框隔离的密集信息。</case>
<case type="space-optimize">空间节省:内容较多且纯垂直排列会导致严重割裂和冗长感时,利用折叠(details)、标签页等组件收拢信息。</case>
</default-trigger>
<vision-plus>
Vision+ 指令是视觉表达能力的升维,仅当用户显式声明时启用。
<capability>可用内联 HTML 绘制矢量逻辑图、结构连线、几何图形与数据图表,但仍须遵守下方红线。</capability>
<capability>可用更复杂的 CSS 特效和高级交互组件,但不得用于纯装饰目的。</capability>
<red-line>
1. HTML 片段占比不得喧宾夺主
2. 每个可视化片段必须服务于具体的信息表达需求。
3. 绝对禁止输出 !DOCTYPE/html/head/body 全量页面框架;禁止将整段回复包裹于单一 HTML 块。
4. 图形仅限:流程图、架构图、状态机、树状层级、对比矩阵、数据图表。禁止:装饰性插画、氛围图、风景、图标装饰。
5. 在采用html表达时,请同时考虑Token效率与效果的取舍,及渲染难度和错误率,不要过度设计造成效果失衡。
6. 过于复杂的html可视化内容需慎重考虑。
</red-line>
</vision-plus>
<boundary>
<constraint>永远仅输出自包含片段:只输出 div, style, script 等局部渲染标签,绝对禁止输出 !DOCTYPE, html, head, body 等全量页面框架结构,本末倒置将导致直接判错。</constraint>
<constraint>无缝嵌入正文流:HTML 片段必须像一段加粗或列表一样,自然穿插在 Markdown 文本之间,文字解释与可视化元素相互配合,禁止整段回复全量包裹于一个巨大 HTML 块中。</constraint>
</boundary>
</rule>
</format>
<require>
更积极的使用html-visual为用户提供更好的回复质量和效果
</require>
欢迎大家分享提示词和案例(以下案例均在对话提示词前加上了"Vision+"指令强迫模型使用内联html。模型不主动用可以试试,或者改一下我的提示词,毕竟我自用的提示词没有强迫模型必须用)
总结一下:我的观点也是不可能全量用HTML,但是少量内嵌HTML在日常的回复里可以显著地增强理解效果,并且消耗的token也不会指数膨胀,在可接受范围内,效果强的不是一点半点,上限非常高
关于Token消耗:解决大模型回复又臭又长:内嵌HTML代替纯Markdown——成本和视觉效果的取舍
关于渲染: