Разборы · Статья: · Видео: · 18:08
Почему нейросети любят Markdown: как хранить документы, чтобы ИИ их понимал
Разбор Bohomolov Lab о том, почему Word, PDF и Excel мешают нейросети, чем хорош Markdown, как переводить в него файлы и рисовать схемы текстом через Mermaid.
Смотреть на YouTube Почему нейросети обожают Markdown?
Bohomolov Lab · 18:08
Главы видео — нажми, чтобы перейти к моменту 9
- 0:00 Что такое Markdown и зачем разбор Под аккуратными ответами Claude и ChatGPT лежит Markdown; автор обещает объяснить, чем плохи привычные форматы.
- 0:54 PDF под капотом: инструкция, а не текст PDF создан для печати и описывает, как страница выглядит; два слова Hello World разворачиваются в огромный код с координатами букв.
- 3:07 Word — это zip-архив с тегами Переименуй .doc в .zip и распакуй — внутри куча XML-файлов; всю эту разметку нейросеть тоже читает.
- 4:56 Токены: почему лишний символ стоит денег Нейронке нужен чистый смысл без обёрток, потому что каждый символ — это токен, а их запас ограничен.
- 5:37 История Markdown: Грубер, Шварц и письма В 2004 году Джон Грубер с Ароном Шварцем узаконили привычки из писем и форумов: звёздочки для выделения, решётка для заголовка.
- 9:04 Две причины любви нейросетей Markdown компактнее HTML (больше влезает в разговор) и составлял почти весь структурированный текст в обучающих данных.
- 11:16 Буфер обмена: текст сразу во всех форматах Скопированный текст лежит во всех форматах одновременно, а вид выбирает программа, куда вы вставляете.
- 13:23 Где хранить: Obsidian и Notion Obsidian держит файлы локально (подход Карпаты — заметки ведёт ИИ), Notion — облако с прямым коннектором Claude.
- 14:57 Mermaid: рисуем схемы текстом Библиотека Mermaid позволяет описывать диаграммы кодом; нейросеть понимает этот язык и рисует блок-схемы прямо в чате.
Коротко
Нейросеть никогда не видит ваш файл так, как вы: она читает голый текст со всей технической обёрткой, а каждый лишний символ съедает токены и место в разговоре. Markdown убирает обёртку и оказывается для ИИ родным языком, поэтому документы, заметки и даже схемы удобнее держать именно в нём.
Выжимка голосом
Самое ценное из разбора — за пару минут
Показать текст выжимки Скрыть текст выжимки
Озвучено синтезом речи · голос alena
Объясни проще
Суть без жаргона
Простыми словами
Когда вы кидаете нейросети Word или PDF, она не открывает файл как программа-просмотрщик — она читает его как сплошной текст. А внутри Word и PDF поверх ваших слов навёрнута куча технической разметки: шрифты, координаты букв, теги. Всё это ИИ тоже вынужден читать, тратя на мусор своё ограниченное внимание. Markdown — это просто текст, где оформление задаётся парой символов (решётка для заголовка, звёздочки для выделения). Обёртки нет, смысл чистый, поэтому нейросети с ним работают лучше всего.
Как ребёнку
Представь, что ты отдаёшь другу записку, но обернул её в десять слоёв скотча и коробок. Друг сначала должен всё это распаковать и только потом прочитать пару слов. Word и PDF для нейросети — как такая упаковка. А Markdown — это записка без упаковки: сразу видно, что написано.
Аналогия — «это как…»
Это как разница между красиво напечатанным журналом и той же статьёй, надиктованной голосом. В журнале важны шрифты, поля и вёрстка — целый слой работы поверх слов. Нейросети вёрстка не нужна, ей нужен сам текст, как в надиктовке, только со скромными пометками, где заголовок, а где список.
Зачем это мне
Если вы часто работаете с ИИ над документами, заметками или базой знаний, формат хранения напрямую влияет на качество ответов и на то, сколько влезет в один разговор. Перевод в Markdown — дешёвый способ поднять точность нейросети и перестать тратить контекст на технический мусор.
Для тех, кто в теме
Речь про то, что LLM работают с плоским токен-потоком, а не с семантической моделью документа: бинарные и размеченные форматы (PDF page-description, OOXML в zip, HTML-теги) раздувают вход и размывают внимание. Markdown выигрывает по двум осям — низкая token-overhead на единицу структуры и колоссальная представленность в обучающих корпусах (GitHub, документация, форумы). Практический слой: конвертация через саму модель или конвертеры, хранение в Obsidian/Notion (у Notion — прямой коннектор Claude), diagrams-as-code через Mermaid, который модели генерируют и читают нативно.
Оценка видео
Чем выше — тем больше пользы на минуту
средняя из 5
Markdown, токены, Obsidian, Notion и подход Карпаты — живая тема 2026 года для всех, кто работает с ИИ.
Хорошо разобраны форматы, история и практика, но тема остаётся вводной, без глубокого технического погружения.
Автор не открывает нового, а удачно собирает известные факты в одну понятную картину.
Есть конкретные приёмы: конвертация через нейросеть, хранение в Obsidian/Notion, схемы через Mermaid.
Наглядные демо с Hello World, распаковкой Word и Obsidian делают тему понятной даже новичку.
Кому будет полезно
Чем выше оценка — тем больше пользы для профессии. Разверни — почему.
Для начинающих пользователей нейросетей 4.7 /5
Ровно тот разбор, который превращает ИИ из чёрного ящика в понятный инструмент: становится ясно, почему один и тот же документ ИИ обрабатывает по-разному.
Для авторов и копирайтеров, пишущих с ИИ 4.5 /5
Объясняет, почему форматирование ломается при копировании и как держать тексты так, чтобы нейросеть тратила силы на смысл, а не на разметку.
Для аналитиков и исследователей 4.2 /5
Тем, кто скармливает ИИ горы PDF и Word-отчётов, показывает, почему сканы и таблицы читаются плохо и как готовить документы к разбору.
Для технических писателей 4 /5
Подход docs-as-code и Mermaid прямо про их работу: схемы и документация как текст, который легко версионировать и править нейросетью.
Для продакт-менеджеров 3.6 /5
Полезно для ведения базы знаний в Notion с коннектором Claude, но подано на вводном уровне без процессной глубины.
Для разработчиков 3.3 /5
Markdown и Mermaid им знакомы, но напоминание про токен-бюджет контекста и diagrams-as-code может пригодиться в работе с агентами.
Инсайты
Нажми, чтобы раскрыть — то, что меняет взгляд на тему
01 Нейросеть не видит файл — она видит текст 17:02
Мы привыкли, что документ — это то, что показывает просмотрщик. Но ИИ никогда не открывает файл как программа: он получает весь текст подряд, включая ту разметку, о существовании которой мы не догадываемся. Это переворачивает интуицию: важно не как файл выглядит, а что в нём лежит в виде символов.
02 Формат — это не косметика, а бюджет внимания 4:56
Каждый лишний тег, координата и служебный символ — это токен, а токены ограничены. Красивая обёртка Word или PDF оплачивается местом в разговоре и рассеянным вниманием модели. Выбор формата — это управление ресурсом, а не вопрос вкуса.
03 Markdown победил не столько дизайном, сколько данными 10:38
Компактность важна, но решающим оказалось то, что нейросети выросли на текстах из интернета, где структура почти всегда была в Markdown — GitHub, документация, форумы. Формат стал родным не потому, что идеален, а потому, что встречался миллионы раз.
04 Хороший стандарт часто не изобретают, а узаконивают 6:53
Грубер не придумал новых правил: звёздочки вокруг важных слов и решётки-разделители уже жили в культуре писем и форумов. Он просто закрепил привычное. Так рождаются удобные стандарты — из того, что люди и так делали.
05 Буфер обмена — это не одна версия текста 11:16
Копируя ответ ИИ, вы кладёте в буфер сразу все его версии, а конечный вид выбирает программа вставки. Одно и то же действие Ctrl+C даёт разный результат в блокноте и в Obsidian — привычная операция оказывается сложнее, чем кажется.
Ключевые цитаты
Сильные фразы из видео — нажми тайм-код, чтобы услышать в оригинале
«PDF — это не текст, это инструкция, как текст напечатать: где какая буква стоит, каким шрифтом, в какой точке.»
«Всю эту разметку нейросеть тоже видит, когда вы кидаете Word-документ, и тратит внимание не на смысл, а на весь этот технический мусор.»
«Нейронке нужен чистый смысл без обёрток. Каждый лишний символ — это токен, а токенов у нас ограниченный запас.»
«Грубер не изобретал какие-то новые правила, а просто узаконил уже то, что было.»
«Markdown — это обычный текст, где всё оформление записано символами.»
«Почти весь текст со структурой в интернете был именно в Markdown. Поэтому Markdown для нейронки — это родной язык.»
«Текст в буфере обмена лежит сразу во всех форматах одновременно, а как он будет выглядеть, зависит от того, в какую программу вы его вставите.»
«Если документация — это код, то и диаграммы должны быть кодом.»
Полезные советы
Что можно применить уже сегодня. Разверни совет — сколько займёт, что даст и что конкретно делать
1 Держи заметки и документы в Markdown
постоянно нейросеть тратит токены на смысл, а не на разметку
Держи заметки и документы в Markdown
Вместо Word и PDF веди рабочие тексты в Markdown-редакторе. Так ИИ получает чистый текст, отвечает точнее и удерживает в контексте больше.
2 Конвертируй файлы через саму нейросеть
2 минуты быстрый перевод любого документа в удобный для ИИ вид
Конвертируй файлы через саму нейросеть
Не переименовывай расширения — это не работает. Просто приложи файл и попроси вернуть его в Markdown.
Что делать
- 1 Открой чат с нейросетью и прикрепи файл (HTML, Word, PDF).
- 2 Напиши: верни этот документ в формате Markdown.
- 3 Скопируй результат в Obsidian или Notion; при желании попроси отдельный файл с расширением .md.
3 Выучи пять базовых знаков Markdown
10 минут сможешь читать и писать разметку без лишних инструментов
Выучи пять базовых знаков Markdown
Решётка — заголовок, звёздочки — выделение, дефис — список, обратные кавычки — код. Этого хватает для 90% задач.
Что делать
- 1 Зайди на страницу синтаксиса Markdown (её ведёт сам Грубер).
- 2 Попробуй каждый знак в любом редакторе с режимом чтения.
- 3 Попроси нейросеть показать текст в разных стилях Markdown для тренировки.
4 Перепроверяй результат после конвертации сканов
5 минут не потеряешь данные из PDF без текстового слоя
Перепроверяй результат после конвертации сканов
Обычный PDF нейросеть переведёт почти идеально, но отсканированные документы-картинки могут дать сбои. Сверь ключевые цифры и таблицы вручную.
5 Рисуй схемы через Mermaid прямо в чате
5 минут блок-схемы и диаграммы без графических редакторов
Рисуй схемы через Mermaid прямо в чате
Опиши процесс словами и попроси нейросеть нарисовать диаграмму — она сделает это через Mermaid. Или вставь готовый код Mermaid в чат.
Что делать
- 1 Напиши: нарисуй диаграмму процесса — пользователь отправляет запрос, сервер обрабатывает, сервер возвращает ответ.
- 2 Либо скопируй пример кода со страницы документации Mermaid и вставь в чат.
- 3 Правь значения прямо в коде диаграммы под свою задачу.
6 Свяжи Notion с Claude через коннектор
15 минут нейросеть сама читает и пополняет твою базу знаний
Свяжи Notion с Claude через коннектор
У Notion есть прямой коннектор Claude: модель может читать и писать твои страницы. Удобно, если хочешь облачную базу с богатым функционалом.
7 Доверь ведение заметок нейросети в Obsidian
вечер на настройку локальная база знаний, которую поддерживает ИИ
Доверь ведение заметок нейросети в Obsidian
Подход, который показывал Андрей Карпаты: хранить всё простыми Markdown-файлами локально, а рутину ведения отдать нейросети. Obsidian держит файлы прямо на компьютере.
Сценарии применения
Как разные люди применяют это на практике
Я как Студент
Проблема: конспекты лежат в Word, и нейросеть отвечает по ним неточно
Хочу: понять, почему так и как это исправить
Поможет: узнаёт, что ИИ читает теги Word как мусор, и переводит конспекты в Markdown
Я как Аналитик
Проблема: скармливает ИИ десятки PDF-отчётов, часть читается плохо
Хочу: разобраться, какие PDF проблемные и как их готовить
Поможет: понимает разницу между PDF с текстовым слоем и сканами и конвертирует их в Markdown
Я как Копирайтер
Проблема: при переносе ответа ИИ в разные редакторы форматирование ломается
Хочу: понять логику буфера обмена и форматов
Поможет: узнаёт, что текст копируется во всех форматах сразу, и осознанно выбирает, куда вставлять
Я как Технический писатель
Проблема: диаграммы в графических редакторах тяжело версионировать и править
Хочу: делать схемы как код
Поможет: осваивает Mermaid и генерацию диаграмм через нейросеть
Я как Предприниматель
Проблема: хочет базу знаний, но нет времени её вести
Хочу: автоматизировать поддержку заметок
Поможет: берёт подход Карпаты — Markdown плюс ИИ — или Notion с коннектором Claude
Я как Преподаватель ИИ-курсов
Проблема: сложно объяснить, почему ИИ по-разному реагирует на одинаковые данные
Хочу: наглядные примеры
Поможет: использует демо с Hello World и распаковкой Word как учебные
Логика повествования
Как устроена аргументация видео — пройди по шагам
-
Предпосылка Нейросеть работает только с текстом-токенами 4:56
ИИ имеет дело со всем текстом, который к нему попадает, включая скрытую разметку; запас токенов ограничен.
-
Аргумент Привычные форматы созданы не для ИИ 0:54
PDF — для печати (координаты букв), Word — для красивого показа, Excel — для расчётов; смысл обёрнут лишним.
-
Пример Word-файл — это zip-архив с XML 3:26
Переименование .doc в .zip показывает кучу служебных файлов и тегов, которые нейросеть тоже читает.
-
Аргумент Каждый лишний символ съедает контекст 9:41
HTML-заголовок — целая конструкция из тегов, в Markdown — одна решётка; компактность = больше влезает в разговор.
-
Аргумент Markdown — чистый текст с разметкой символами 8:26
Оформление задаётся звёздочками и решётками; обёртки нет, смысл виден сразу.
-
Аргумент Нейросети учились на Markdown из интернета 10:38
Документация, форумы, GitHub — структурированный текст почти всегда был в Markdown, поэтому он для ИИ родной.
-
Вывод Держи всё в Markdown, схемы — через Mermaid 11:54
Конвертируй документы через нейросеть, храни в Obsidian/Notion, диаграммы описывай кодом.
Подробный разбор
Полный разбор — разверни, если нужно глубже
Развернуть подробный разбор Свернуть подробный разбор
Стоит ли смотреть целиком
Да, если ИИ для вас пока чёрный ящик и вы регулярно кидаете нейросети документы. Разбор ценен наглядностью: автор буквально распаковывает Word как zip-архив, открывает «два слова» Hello World как простыню кода и переключает режимы в Obsidian. После этого интуиция про форматы меняется сама собой — становится ясно, что ИИ читает не файл, а текст, и что обёртка стоит токенов.
Если вы уже пишете код и знаете Markdown, львиная доля будет знакома. Но два акцента полезны и профи: напоминание про токен-бюджет контекста и практика diagrams-as-code через Mermaid прямо в чате.
Что взять на практике
Минимальный набор действий: перевести рабочие документы в Markdown (проще всего — попросить об этом саму нейросеть), выбрать хранилище (Obsidian для локальности, Notion для облака и коннектора Claude) и попробовать сгенерировать пару схем через Mermaid. Отдельно держите в голове оговорку автора: с обычными PDF конвертация проходит гладко, а сканы без текстового слоя стоит перепроверять руками.
План внедрения
С чего начать — отмечай шаги, прогресс сохранится
Выполнено 0 из 5
Проверь себя
Ответь на вопросы, чтобы материал закрепился
-
1. Почему PDF труден для нейросети?
-
2. Чем на самом деле является файл .docx?
-
3. Каковы две причины, по которым нейросети любят Markdown?
-
4. Кто и когда заложил Markdown?
-
5. Что происходит, когда вы копируете текст в буфер обмена?
-
6. Что такое Mermaid?
Словарь терминов
Понять незнакомое простым языком
Показать 6 терминов Свернуть словарь
- Markdown
- Способ форматировать обычный текст простыми символами: решётка — заголовок, звёздочки — выделение, дефис — список. Читается и людьми, и нейросетями.
- Токен
- Единица, которой нейросеть меряет объём текста в памяти за один раз. Каждый лишний символ отъедает часть этого ограниченного запаса.
- Текстовый слой
- Настоящий выделяемый текст внутри PDF. Если его нет (скан-картинка), нейросеть видит только изображение и читает его хуже.
- Mermaid
- Библиотека, которая рисует диаграммы и блок-схемы из текстового описания — по принципу «диаграмма как код».
- Буфер обмена
- Временное хранилище скопированного. Хранит текст сразу в нескольких форматах, а конечный вид выбирает программа, куда вы вставляете.
- Коннектор Claude
- Прямая связь Notion и нейросети Claude: модель может сама читать и дописывать ваши страницы в Notion.
Критический взгляд
Объективно: с какими тезисами можно поспорить и что преувеличено
Тезис «нейросеть тратит внимание на технический мусор Word» подан слишком буквально
Современные модели и парсеры документов обучены игнорировать служебную разметку и извлекать текст. Раздутый вход действительно вредит, но представлять это как прямую растрату внимания на каждый тег — упрощение.
«Почти весь структурированный текст в интернете был в Markdown»
По объёму в вебе доминирует HTML, а не Markdown. Markdown силён в разработческих корпусах (GitHub, документация), но обобщение до всего интернета — преувеличение.
Совет «нейросеть справится с конвертацией PDF на 100%» звучит слишком уверенно
Длинные документы, сложные таблицы, колонки и формулы модели теряют или искажают. Автор оговаривается про сканы, но и обычные PDF стоит перепроверять.
Markdown представлен как универсально экономичный и лучший формат
Для сложных таблиц, вложенных структур и данных Markdown ограничен, и иногда HTML, JSON или CSV работают лучше. Универсальность формата преувеличена.
В истории сказано, что одна звёздочка делает текст жирным, а демо показывает курсив
В реальном Markdown одна звёздочка вокруг слова даёт курсив, а жирный — две звёздочки. В ролике эти детали смешаны, что может запутать новичка.
Взгляни иначе
Новый угол, смежные области и потенциал на стыке — пища для размышлений
Markdown как общий язык человека и машины
Обычно форматы делят на «для людей» (красивый Word) и «для машин» (сухой JSON). Markdown интересен тем, что одинаково удобен обоим: человек читает его глазами, нейросеть — как родной. Это редкий случай общего языка, а не перевода между мирами.
Стандарты закрепляются данными и привычкой, а не совершенством
Markdown победил так же, как раскладка QWERTY или метрическая система: не потому что идеален, а потому что накопил критическую массу использования. Это урок из экономики и истории технологий — сеть привычки сильнее элегантности дизайна.
Принцип «смысл важнее обёртки» шире, чем файлы
Та же идея работает в письмах, комментариях к коду, тезисах для выступления: чем меньше декоративного слоя поверх сути, тем легче её передать — и человеку, и алгоритму. Формат хранения знаний становится частью навыка мышления.
Меняется роль человека: от писателя к редактору
Подход Карпаты — доверить ведение заметок нейросети — намекает на сдвиг: мы всё меньше набираем текст сами и всё больше правим и направляем то, что пишет ИИ. База знаний становится совместной, а Markdown — интерфейсом этого сотрудничества.
Diagrams-as-code размывает границу между документом и диалогом
Когда схему можно продиктовать словами и получить её же в виде текста-кода, диаграмма перестаёт быть отдельным артефактом в графическом редакторе. Она живёт внутри разговора с ИИ и правится там же — на стыке документации, кода и чата.
Похожие разборы
Headroom: как перестать переплачивать за токены ИИ-агентов — слой сжатия контекста простыми словами
Большая часть токенов в Claude Code и Codex уходит не на ваши промпты, а на «мусор» — целиком вычитанные логи, JSON и страницы, из которых нужно 10–20%. Headroom — это локальный прокси, который умно сжимает этот мусор разными компрессорами и при этом обратим: если модель захочет оригинал, она вернёт его одним tool-call.
Читать → РазборКак писать сильные скиллы для ИИ-агентов: чеклист из четырёх осей
Скиллы для ИИ-агентов расплодились, но нет рубрики, чтобы отличить хороший от плохого, — и люди тонут в «скилл-аде». Доклад даёт чеклист из четырёх осей (триггер, структура, стиринг, прунинг), а главный приём — «ведущие слова», которыми агента направляют небольшими, но точными формулировками.
Читать → РазборDocling: как превратить PDF, таблицы и картинки в контекст для LLM — локально и дёшево
Большая часть корпоративных данных заперта в PDF, таблицах и сканах, а качество любого RAG или агента решается не в промпте, а на этапе извлечения этих данных. Docling делает это локально, дёшево и детерминированнее, чем прогон документов через дорогие frontier-модели.
Читать → РазборSpec-driven development: спека до кода как способ приручить ИИ-ассистента
Spec-driven development — это писать требования и дизайн-документ в markdown до того, как ИИ-ассистент напишет хоть строчку кода: так модель получает контекст и не сходит с рельсов. Главный вывод — инструмент вроде Kiro лишь автоматизирует процесс, но ответственность, ревью и правка спек остаются на человеке.
Читать →