一杯咖啡看懂 Markdown、YAML 與 JSON：給初學者的 AI 語言指南

type

status

date

slug

summary

用一杯外帶咖啡來想像這一切

為了不讓你被生硬的技術名詞嚇跑，我們先把 AI 想像成一家你常去的星巴克或路易莎。你走進去，點了一杯外帶拿鐵。

那杯「咖啡本身」，就是 Markdown。你拿到手，打開杯蓋直接喝，上面有漂亮的拉花、有綿密的奶泡，好看又好喝。它的存在是為了解決「人類視覺體驗」的問題。

杯子外面貼著的那張「客製化標籤貼紙」，寫著冰量、甜度、品名、燕麥奶替換，讓店員不會搞混你跟隔壁客人的訂單，那叫做 YAML。它是用來設定「規則與屬性」的。

而當你結帳時，收銀機「滴」一聲吐出來的那張「發票與交易明細」，品項代碼、數量、單價、時間戳記，一格一格精確排列。你通常看都不看就塞進口袋，但沒有它，整間店的帳務系統就會崩潰，那個東西叫做 JSON。

這三種語言，構成了你與 AI 協作的完整生態系。接下來，我們一層一層來拆解。

一、Markdown：那杯好喝的咖啡本身

Markdown 是 AI 整理資訊給你看的格式。你其實早就在用了，只是不知道它叫這個名字。

如果你曾經覺得 ChatGPT 或 Gemini 回答的排版很漂亮，畫面上出現的粗體、標題、列表，全部都是 Markdown 的功勞。

1. 怎麼認出它的素顏？

Markdown 的核心哲學是「輕量級（Lightweight）」。它的長相非常直觀，看到星號包住的 **粗體**、井字號開頭的 # 標題、減號開頭的 - 列表清單，那就是它了。

如果我們用一杯咖啡的文案來舉例，一段標準的 Markdown 原始碼寫起來會像這樣：

它的最大特色是「極高的容錯率」。這意味著，就算系統出錯，漏掉了解析一個星號，那些符號直接裸露在你面前，你依然完全看得懂那段文字在寫什麼，頂多就是排版看起來有點粗糙。就像咖啡師不小心把拉花拉歪了，咖啡的本體味道並不會因此改變。

2. 為什麼 AI 放著白話文不寫，非得用它？

你可能會問：「為什麼 AI 不直接給我一份像 Word 那樣排版好的文件就好？」

這牽涉到 AI 運算的「成本問題」。在電腦的世界裡，傳統網頁排版使用的是 HTML 語言，那是一種充滿尖括號和標籤的複雜語法。要讓字體變粗，HTML 必須寫成 <strong>這是一段文字</strong>。但如果是 Markdown，只需要寫 **這是一段文字**。

對 AI 語言模型來說，它每一次生成文字，都是在消耗「Token」Markdown 乾淨、簡潔、沒有多餘的廢話，這對 AI 來說極度「省力」。用最少的 Token 傳遞最結構化的排版，這就是 AI 天生偏愛用 Markdown 輸出的原因。

3. 日常應用場景

其實，Markdown 早就潛伏在你的生活周遭。我是 Notion 的長期重度使用者，每次只要按 Ctrl+B 加粗文字、或者用鍵盤敲一個 # 加上空白鍵，就會瞬間變成大標題。這些我習以為常操作了好幾年的動作，背後的靈魂全是 Markdown。

它一直藏在 Notion、Obsidian、HackMD、甚至 Slack 這些現代化工具裡，只是軟體幫你做了一層「所見即所得」的包裝。當你看到星號直接露出來的時候，真的不用緊張。那就像咖啡師忘了幫你裝上防燙杯套，咖啡還是同一杯，只是少了一層視覺包裝而已。

但光是看懂 AI「說什麼」還不夠。你有沒有想過，AI 怎麼知道自己該「扮演什麼角色」？

二、YAML：杯子上的那張標籤貼紙

YAML 是你跟 AI 之間的「規則設定層」。當你想讓 AI 乖乖聽話，而不是自由發揮時，就必須用它來寫劇本。

YAML是我在深入使用 AI 與知識管理工具後，才逐漸認識的隱藏角色。當我開始為 Claude 撰寫專屬的 Skills 技能文件，或是試圖整理 Obsidian 筆記庫裡龐大的屬性欄位時，我才注意到那些總是被三條橫線 --- 夾在最上方的文字區塊。原來，這玩意兒有個正式的名稱叫 YAML。

1. 怎麼認出它？

YAML 最顯眼的標誌，就是它通常會被上下各三條短橫線 --- 包住，形成一個獨立的區塊。裡面的結構永遠是「屬性名稱：對應內容」，看起來就像你在填寫一張極度簡潔的問卷表格。

對人類來說，它看起來根本不像工程師寫的「程式碼」，反而更像是一張貼在便利貼上的備忘錄。一開始我根本不覺得這是一種技術格式，因為人眼讀起來實在太順暢了。但妙就妙在，這種對人類友好的格式，對機器來說同樣擁有極高的「解析精準度」。

2. 為什麼我們需要標籤貼紙？

想像一下在早晨尖峰時段的咖啡店裡，吧台上擺了十幾杯飲料。如果沒有那張寫著「冰拿鐵、半糖、少冰、王先生」的標籤貼紙，店員絕對會崩潰，客人也會拿錯。YAML 做的就是一模一樣的事，它負責定義「元數據（Metadata）」。

「元數據」就是「描述資料的資料」。在 Obsidian 這種筆記軟體中，筆記最上方的屬性欄位（Frontmatter）就是 YAML。它記錄了這篇筆記的建立日期、分類標籤、寫作狀態。這張小小的 YAML 貼紙，能讓你的筆記從一座座互不相通的「文字孤島」，瞬間升級成可以被篩選、被關聯的「動態資料庫」。

3. 日常應用場景

在與 AI 協作的高階心法中，YAML 是非常強大的武器。

你可能在這些地方見過 YAML：Obsidian 筆記最上方的屬性欄位，Claude 的 Skills 技能文件，或者有人拿來規範 AI 生成圖片的風格。這些場景有個共通點：它們都在幫 AI「定規矩」。

想像一下，如果咖啡杯上沒有標籤貼紙，店員得靠記憶力去猜「這杯是誰的？冰的還是熱的？」猜對了沒事，猜錯了客人就翻臉。YAML 就是那張貼紙。你把規則寫清楚貼上去，AI 照著做，不用猜、不會亂來。散文也能跟 AI 講規則，但散文像是口頭交代：「幫我做一杯冰的、不要太甜的拿鐵。」聽懂了沒問題，聽錯了也不知道錯在哪。YAML 像是把需求填進表格裡，一欄一欄，白紙黑字。AI 讀得快，也不容易搞混。

許多高手也會用類似 YAML 的結構來規範畫面風格、光影參數，把原本隨機發散的 AI 產出，牢牢控制在明確的商業需求範圍內。

不過，標籤貼紙再怎麼寫得清楚，充其量也只是在「定義」這杯飲料的屬性。如果你要讓這筆訂單真正跑進星巴克的總部系統、完成結帳、扣除會員點數、並觸發對帳單，那就需要另一種更嚴苛的語言了。

三、JSON：收銀機吐出的發票明細

JSON 是 AI 跟其他軟體溝通的「機器語言」。你現在或許還不會直接手寫它，但如果你想讓 AI 幫你「自動化做事」，你必須先跟它混個臉熟。

如果你第一次看到 JSON 的程式碼，覺得頭暈目眩、極度不舒服，請放心，你的反應完全正常。因為，JSON 本來就不是發明給人類看的。

1. 怎麼認出它？

它長得就像一塊密密麻麻的數位電路板。最大的特徵是外面包著大括號 { } 或中括號 [ ]，裡面充斥著「被雙引號包住的名稱」，加上一個冒號，再接上具體的數值。每一行之間，還必須用逗號 , 嚴格隔開。這就是 JSON。

這畫面是不是像極了發票或收據上印的東西？品名、數量、單價、總額，一格一格，精確到毫無感情，但你平常塞進皮夾裡根本不會細看。

2. 他幹嘛這麼嚴格？

發票存在的最大意義，不是為了讓你拿來閱讀賞析的，而是為了讓整間店的「帳務資料庫」能夠順利運作。JSON 也是完全一樣的道理，它的全名是 JavaScript Object Notation，是目前全世界網路資料傳輸最主流的標準格式。

Markdown 就算漏掉一個星號，人眼自動腦補就能看懂，沒什麼大不了。但 JSON 是一個極度死板的完美主義者。在 JSON 的世界裡，只要少了一個逗號、多了一個引號，或者大括號沒有成雙成對地閉合，他就會直接死給你看。

為什麼機器這麼沒有彈性？因為電腦沒有人類的「直覺」與「腦補能力」。它需要絕對明確的邊界來切割資料。精確，是 JSON 唯一的要求。

3. 何時會用到？

你可能會想：「既然這麼複雜，我幹嘛要知道它？」

因為 AI 正在進化。過去一兩年，我們主要把 AI 當作聊天機器人，它只負責把話說好，這時用 Markdown 就夠了。但現在的趨勢是「AI 代理人」，我們要讓 AI 幫我們「做事」。

為什麼非得用 JSON？因為當 AI 要跟其他軟體「接頭做事」的時候，雙方需要一種完全沒有模糊空間的格式來溝通。查天氣、訂機票、把資料寫進資料庫，這些動作在技術上叫「函式調用（Function Calling）」，而 JSON 就是它們共通的語言。

在使用 Zapier 或 n8n 等無程式碼（No-Code）自動化工具打造工作流的時候，最常做的指令之一，就是在提示詞的最後加上一句：「請將以上提取的結果，強制轉換成 JSON 格式輸出。」唯有這樣，AI 整理好的資料才能完美無缺地傳遞給下一個軟體節點。

對大多數人來說，現在還不需要自己寫 JSON。但如果你哪天想讓 AI 不只陪你聊天，而是真的動手幫你跑流程，你就會碰到它。先知道它長什麼樣，遇到的時候就不必手忙腳亂。

結語：認得出來，你就不再只是個過客

我們來快速總結一下這三種語言在 AI 協作生態系中的角色與定位：

特性	Markdown（咖啡）	YAML（標籤貼紙）	JSON（發票明細）
做什麼	AI 整理資訊給你看	你設定 AI 的行為規則	AI 跟其他軟體溝通
寫給誰	人類（閱讀爽感）	你與 AI（高效管理）	機器（零誤差執行）
出錯後果	沒差，排版稍亂	有點慘，規則失效	災難，程式當機