唱个反调HTML 作答救不了平庸的 AI只会放大它的错误【免费下载链接】answer-me-with-htmlAnswer me with HTML — an agent skill that answers hard questions with a one-page HTML you can actually read. 让 AI Agent 用一页 HTML 回答复杂问题。项目地址: https://gitcode.com/gh_mirrors/an/answer-me-with-html用一页 HTML 回答复杂问题正在成为 AI Agent 的新潮流从 Claude 的 Artifact 到各类让模型直接写页面的插件几乎每个团队都在把模型的长文本输出改造成可视化页面。理由听起来很充分——图表比文字墙更好读交互比滚动条更高效。但这里有一个被热闹掩盖的事实HTML 是输出形态不是模型能力。形态升级不会让平庸的模型变聪明只会把它犯的错误从一笔带过的几句话升级成白纸黑字、有图有表、看起来非常可信的错误。本文不打算否定 HTML 作答。恰恰相反它可能是当前 Agent 输出最好的落地形态之一。我们要拆解的是这套形态到底在解决什么问题、在放大什么问题以及团队在引入它之前应该先修什么。所有结论都来自开源项目 answer-me-with-html 的真实源码、基准数据与社区公开信息——一个恰好把HTML 作答做成工程实践的典型样本。HTML 作答把幻觉从看不见变成看得见先说一个反直觉的结论HTML 作答最大的价值不是让答案更好看而是让答案的错误更早暴露。纯文本回答的幻觉是隐蔽的。模型写错一个数字、串错一条依赖关系、把 A 模块说成 B 模块的调用方——读者在十几屏滚动文字里很难发现。而一页结构化的 HTML 把每个论断都摆在固定位置流程图里的箭头指向谁、表格里的对比维度是否对齐、时序图里消息的先后顺序对不对一眼就能看出破绽。项目作者在 README.md 的 Background 一节记录了最初的失败经验直接让模型手写 HTML页面质量不错但慢——平均要一两分钟其中大部分是几百行几乎雷同的 CSS而图表更糟模型要手工计算 SVG 坐标箭头经常指向虚空。这正是幻觉在 HTML 形态下的第一波显性化坐标算错、箭头悬空、布局断裂这些在文本回答里根本不存在的错误一变成页面就原形毕露。answer-me-with-html 的应对方式很直接把画这件事从模型手里拿走交给 CLI。模型只写内容草稿CLI 负责排版、配色与全部 SVG 坐标。模型对格式的错误因此被结构性消除但内容错误仍然存在而且被设计成立刻可见、必须修正渲染失败时 CLI 返回带行号的错误与正确示例例如✗ L14 [flow] … Correct example:模型按示例重试一次即可见 SKILL.md 的工作流一节以及 纠错流程图 中的 D 板块草稿被写作检查拦截句子长度、被动语态、中文进行优化这类轻动词、赋能/闭环这类空话套话全部按行报出实现见 src/lint/ste.js词表见 src/lint/wordlist.zh.js组件层明确禁止编数据limits组件没有真实数字就不准用没有真实数字就不要用 limits示意数据必须标注 illustrativeSKILL.md 第 4 节。这套错误显性化的闭环在社区情报里也能找到呼应。英国卫生安全局UKHSA构建的 PubHealthBench 基准发现AI 模型在选择题测试中表现出色但自由作答时局限明显、不同模型差异极大——同一份知识换一种作答形态能力差距立刻被拉开。Claude Code 的决策组件规范也体现了同样的思路HTML 骨架、JSON 数据岛契约、甚至用 sha256 钉死主题脚本全部是让错误在发布前被机器抓住的校验设计。当 AI 开始用结构化形态作答校验就从人读不读得出来变成了机器验不验得过幻觉的容错空间被大幅压缩。这正是好事的反面形态越结构化错误越藏不住。对能力足够的模型这是质量保障对能力不足的模型这是照妖镜。HTML 作答是加杠杆不是兜底那么HTML 作答到底改变了什么看 bench/README.md 的基准数据最清楚。同一批问题、同一个模型Claude Sonnet 5.5直接要 HTML与用 skill 出页面对比指标直接写 HTML用 skill差距模型输出 token均值4,893612少 8.0 倍输出耗时普通环境31 秒12 秒快 2.6 倍花费普通环境$0.091$0.077省 15%花费重负载环境$0.220$0.138省 37%token 构成解释了一切手写 HTML 的 4,893 个 token 里SVG 坐标占 47%、CSS 占 15%、HTML 标签占 17%真正的正文只有 21%。也就是说模型过去把一大半力气花在画上而画恰恰是它最不擅长、最常出幻觉的部分。skill 把这三块全部外包给 CLI模型只写那 21% 的内容——这就是加杠杆同样的模型能力被导向了它最擅长的输出方向。但请注意成本一栏的微妙之处token 少了 8 倍花费只少了 15%37%。bench/README.md 的费用去向拆解给出了原因直接写 HTML 时输出 token 只占总花费的 55%所以即使模型一个输出 token 都不写理论上也最多省 55%而 skill 侧多了约 4,000 token 的SKILL.md指令要写进缓存缓存写上涨回合数也从 2 轮变成 4 轮缓存读上涨。省下的钱被机制成本吃掉了大半。这组数据是理解杠杆性质的关键杠杆只放大方向不改变底数。模型仍然是内容的唯一生产者——README.md 写得很直白The model writes content. The CLI handles layout, color and drawing模型写内容CLI 处理排版、配色和绘图。草稿里的每一个论断、每一条数据、每一段因果依然 100% 来自模型。同一页 TCP 三次握手示例 的稿件换成一个知识薄弱的模型来写页面照样美观但为什么是三次的解释照样可能错。更值得警惕的是杠杆的方向性。对好模型HTML 是放大器它把模型擅长的结构化组织、多步推演、交叉对比展示得淋漓尽致见 同一问题两种形态对比。对平庸模型HTML 同样放大放大的是错误坐标幻觉变成箭头乱指数据幻觉变成表格里一排整齐的假数字而页面排版又给这些错误披上了专业文档的外衣——读者对一张精心排版的图的信任远高于对一段文字的警惕。所以 SKILL.md 的形态决策规则反而值得所有团队抄作业只有 ≥3 个相互关联的概念、有流程/协议/状态迁移、有跨 ≥3 个维度的对比、有层级或时间演化时才出页面一行能答的问题就用一行答one-line question gets a one-line answer。形态按信息复杂度匹配而不是按AI 能不能做匹配——这恰恰是对平庸模型不该硬上 HTML的隐含承认页面是给配得上它的问题准备的。给团队的建议先修模型再谈形态基于上面的分析团队引入 HTML 作答前建议按以下顺序落地第一把内容正确性的闸门放在渲染之前而不是之后。answer-me-with-html 的写作检查STE默认只警告、不拦截只有style: strict才会拒绝不合格草稿——这个克制是故意的检查器只是质检员不是内容生产者。中文检查的词表src/lint/wordlist.zh.js值得直接抄进你们的 prompt 或规则登陆→登录、单击→点击、键入→输入、尽快→给出具体期限、数字后的以上/以下→大于/不大于以及赋能、闭环、至关重要这类空话的直接删除。先让模型说得准确再让它说得好看。第二用引用真实文件取代让模型复述代码。这是本项目最狠的一招代码块可以写srcpath/to/file.ts lines18-30CLI 直接从你的仓库里读取真实代码行嵌入页面模型一个字符都不用打同时拒绝引用目录之外的文件、拒绝引用含密钥的文件README.md Features 一节。模型背错代码是常态让页面上的代码永远来自真实文件等于把最危险的幻觉源头直接切掉。你的团队应该给 Agent 立同样的规矩凡涉及现存代码只允许引用不允许默写。第三把未决定的事显性化而不是让模型替你拍板。项目里的ask组件src/components/ask.js把决策做进页面模型给出建议选项用*标记默认选中读者在页面上选择Reply 按钮把所有选择与批注合成一条结构化回复回传模型。这一设计暗含一个重要判断模型不该替人类做价值判断它只负责把选项摆清楚。平庸模型的自信结论往往掩盖了它根本没掌握的信息——强制它把决策暴露成选项比让它直接给结论安全得多。第四把成本账算到每轮上下文级别而不是只看输出 token。bench/README.md 已经演示了正确算法输出 token 下降 ≠ 费用同比下降因为缓存写skill 指令本体与缓存读回合数增加会吃掉大部分节省。团队在评估要不要让 Agent 每次都出页面时务必把系统提示、技能说明、上下文重读成本一起算进去重负载环境省 37% 与轻环境省 15% 的差异也说明你的基建越重形态优化的收益越大。第五也是最重要的一条把 HTML 作答的引入时机放在模型能力验收之后。用项目自己的话来说页面是给hard questions准备的——问题越难越需要一页能把结构讲清楚的可读答案见 README.md 的示例表格与 text-vs-page.png 的直观对比。如果模型连基准问题都答不准先修模型、换模型、做检索增强而不是先买可视化的账。HTML 不会修复幻觉它只会让幻觉被看见——而被看见既是最大的风险也是最好的验收标准当你开始用页面形态做模型评测时平庸模型的短板会暴露得前所未有的快而这正是你该感谢形态的地方。说到底HTML 作答是一次漂亮的分工重构把模型不擅长的排版绘图交给确定性的代码把模型擅长的内容组织留给自己。但分工重构不改变能力本身。先让模型值得被放大再考虑放大它的形态——这才是唱反调背后真正想说的话杠杆是好工具但只有底数不为零时杠杆才有意义。【免费下载链接】answer-me-with-htmlAnswer me with HTML — an agent skill that answers hard questions with a one-page HTML you can actually read. 让 AI Agent 用一页 HTML 回答复杂问题。项目地址: https://gitcode.com/gh_mirrors/an/answer-me-with-html创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考