Web 为谁而建

2026 年 2 月，Cloudflare 宣布了一个看似不起眼的功能：Markdown for Agents。当 AI Agent 在请求头中带上 Accept: text/markdown，Cloudflare 的边缘网络会自动把 HTML 页面转换成 Markdown 返回。一篇博客文章的 token 数从 16,180 降到 3,150，减少了 80%。

这个功能本身并不复杂。但它背后的信号值得琢磨：Web 的消费者正在发生结构性变化，而基础设施已经开始为此调整。

要理解这件事的意义，得先回到一个更基本的问题——HTML 和 CSS 到底是为了解决什么问题。

给人类看的排版系统

HTML 诞生于 1991 年，最初的目的朴素得不能再朴素：让学术论文可以通过网络互相链接和阅读。早期的 HTML 几乎没有样式可言，纯文本加超链接，跟今天的 Markdown 反而更像。

CSS 在 1996 年出现，解决的是一个具体的痛点：人们希望网页能有报纸和杂志那样的排版质量。字体、颜色、边距、浮动布局——这些能力本质上都是在模拟印刷媒体的视觉体验。

从这个起点出发，整个前端技术栈的发展逻辑就很清晰了：一切都是为了让人类更高效地获取信息。

具体来说，这种效率体现在两个维度。

第一个维度是信息密度的管理。一个页面能承载的信息远比一屏所能展示的多，但如果把所有信息一股脑铺出来，人会被淹没。所以 Web 发展出了各种"按需展示"的机制：hover 显示工具提示，click 展开详情面板，scroll 触发懒加载，tab 切换不同内容区域。这些交互模式的本质都是同一个——把信息藏在合理的层级里，让用户在需要的时候才看到。

第二个维度是视觉反馈的优化。动画、渐变、过渡效果、微交互，这些看起来是"花哨"的东西，实际上都在服务一个目标：帮助人类大脑理解界面状态的变化。一个按钮按下去有 ripple 效果，不是为了好看，是为了确认"你的操作被接收了"。一个列表项被删除时有淡出动画，是为了让你的视觉系统跟上 DOM 结构的变化。

这两个维度叠加在一起，构成了今天 Web 体验的核心：用视觉手段管理信息的呈现节奏，让人类大脑在有限的注意力带宽下获得最大的信息吞吐量。

Agent 不需要"看"

问题来了：Agent 不是人。

Agent 不需要渐变色来判断按钮的主次关系，不需要动画来理解状态转换，不需要 hover 效果来发现隐藏信息。对 Agent 来说，一个精心设计的 Web 页面和它的 Markdown 纯文本版本，在信息量上几乎没有区别——但在解析成本上差了一个数量级。

Cloudflare 的数据很直观：同一篇博客文章，HTML 版本 16,180 tokens，Markdown 版本 3,150 tokens。那多出来的 13,000 个 tokens 是什么？<div>、<nav>、<footer>、CSS 类名、JavaScript 引用、SVG 图标、ARIA 标签……全是给人类视觉系统准备的"包装"，Agent 完全不需要。

这就是 Cloudflare 这个功能真正触及的问题：过去三十年，Web 的所有复杂性都是为人类视觉系统优化的。当主要消费者变成 Agent 时，这些复杂性从资产变成了负债。

而且这不只是效率问题。现在 AI 处理管线的标准做法是：抓取 HTML → 用 BeautifulSoup 或 Trafilatura 之类的工具提取正文 → 转成 Markdown → 喂给模型。每一步都在做同一件事——剥掉那些为人类设计的视觉层，还原出底层的纯信息结构。Cloudflare 做的事情是把这个剥离过程前移到了 CDN 边缘，让 Agent 一步拿到它真正需要的东西。

有意思的是，这形成了一个奇妙的循环：Web 从 Markdown 式的纯文本出发，花了三十年加上层层视觉包装变成复杂的 HTML+CSS+JS 体系，现在又开始往回走，为 Agent 重新提供 Markdown。

范式转移：从"人看网页"到"Agent 看网页"

Claude Code 和 OpenCode 这类编程 Agent 已经在请求头里默认带上了 Accept: text/markdown。这不是实验性行为，而是生产环境的标准配置。

这个趋势如果继续发展，会带来几个层面的变化。

内容层面：Web 可能会演化出两套并行的内容表达——一套面向人类的富视觉版本，一套面向 Agent 的结构化纯文本版本。Cloudflare 的方案是在边缘自动转换，但更彻底的做法可能是内容源头就维护两个版本，就像现在网站会同时维护 HTML 页面和 RSS feed 一样。

交互层面：这里有更大的想象空间。目前 Agent 主要是"读"网页——抓取信息、做摘要、回答问题。但下一步很可能是"操作"网页——Agent 代替人类点击按钮、填写表单、完成交易。到那个阶段，Agent 不仅需要 Markdown 形式的内容，还需要结构化的交互描述——哪些是可操作元素，操作的前置条件和预期结果是什么。

体验层面：最激进的可能性是，人类不再直接访问原始网页。Agent 替你访问多个数据源，提取你需要的信息，然后以一个全新的、为你个人定制的界面呈现出来。你不需要在电商网站的 SKU 列表里翻找，Agent 直接告诉你"根据你的需求，这三个选项最合适，区别在这里"。你不需要在政府网站的层层菜单里找表格，Agent 直接把表格拉出来，填好你的基本信息，等你确认提交。

这个场景下，原始网站的 UI 设计、交互体验、品牌视觉——这些曾经是核心竞争力的东西——都变得不那么重要了。重要的是你的内容结构是否对 Agent 友好，你的 API 是否开放且规范，你的数据是否容易被机器理解和操作。

现实的复杂性

当然，从当前状态到那个未来还有很长的路，并且路上布满了现实问题。

SEO 领域已经开始警觉。Cloudflare 把 Accept: text/markdown 请求头原封不动地转发给了源站服务器，这等于告诉源站"这个请求来自 AI Agent"。源站完全可以针对这个信号返回不同的内容——比如注入对 Agent 有利但对用户不可见的营销信息。Google 的 John Mueller 直接表达了对这种 "cloaking" 风险的担忧。

商业模式也面临挑战。如果用户不再直接访问网站，广告怎么展示？品牌怎么曝光？流量统计怎么做？Cloudflare 自己也在小心翼翼地平衡——一方面提供 Markdown for Agents 让 AI 访问更高效，另一方面又通过 Content Signals Policy 让站长可以声明"允许 AI 训练但不允许 AI 直接引用"之类的细粒度权限。

还有信任问题。Agent 替你操作网页，你怎么确保它操作的是正确的？它看到的 Markdown 版本和你看到的 HTML 版本内容一致吗？在 Agent 成为人和 Web 之间的中间层之后，这个中间层本身的可信度就成了新的问题。

Web 作为"信息 API"

回头看，Web 的演进路线其实一直有两条暗线在交织。

一条是表现力的增强：从纯文本到富媒体，从静态页面到单页应用，从桌面到移动端响应式——始终在追求更好的人类感官体验。

另一条是结构化的回归：RSS、JSON-LD、Schema.org、Open Graph、robots.txt、现在的 Markdown for Agents——始终在尝试让机器也能理解 Web 内容。

过去这两条线的权重差距很大，表现力那条线占绝对主导。但 Agent 时代到来后，结构化这条线的权重正在快速上升。

Cloudflare 选择在 CDN 边缘做 HTML 到 Markdown 的转换，是一个务实的过渡方案。它不要求站长改任何东西，也不要求 Agent 自己做繁重的解析工作。但长远来看，更可能的演进方向是：Web 本身就提供机器可读的结构化层，作为和视觉层平行的一等公民。

Web 不会消失，HTML 和 CSS 也不会消失。只要人类还在用眼睛看屏幕，视觉层就有存在的价值。但 Web 的角色可能会从"人类获取信息的界面"转变为"信息的通用 API"——人类和 Agent 各取所需，用各自最高效的方式消费同一份底层数据。

三十年前 Web 为人类的眼睛而生，现在它需要学会同时为 Agent 的解析器而生。Cloudflare 的 Markdown for Agents 只是这个转变过程中的一个早期信号，但它指向的方向已经足够清晰。