A 8 de maio de 2026, Thariq Shihipar — engenheiro na equipa Claude Code da Anthropic — publicou um artigo que fez a comunidade de desenvolvedores de IA parar de percorrer o feed. O título: "Using Claude Code: The Unreasonable Effectiveness of HTML".
Em 48 horas, acumulou mais de 750.000 visualizações, 14.000 gostos, 30.000 marcadores e 1.600 citações no X. Simon Willison classificou-o como provocador. O ecossistema de desenvolvimento explodiu com uma pergunta que ninguém tinha feito a sério antes: E se o Markdown — o formato que todos temos usado para comunicar com agentes de IA — for na verdade o formato errado?
A resposta, apoiada por uma galeria de 20 artefactos HTML de produção que Thariq publicou juntamente com o artigo, está a reformular a forma como os desenvolvedores pensam sobre o output dos agentes.
Porque o Markdown Venceu a Primeira Ronda
Para compreender porque esta mudança importa, é preciso perceber porque o Markdown se tornou o padrão inicialmente.
Em 2022, quando o ChatGPT foi lançado com uma janela de contexto de 8.192 tokens, cada token era precioso. Para o mesmo conteúdo, o HTML consome cerca de três vezes mais tokens do que o Markdown — cerca de 8.000 tokens para um documento HTML contra 2.800 para o seu equivalente em Markdown. Quando o orçamento total de contexto é de 8K tokens e o output consome o input, poupar 5.000 tokens significava salvar parágrafos de contexto que de outra forma se perderiam.
O Markdown venceu essa batalha pelo custo. Foi a escolha racional dadas as limitações da época.
Simon Willison — uma das vozes mais influentes na comunidade de desenvolvedores de IA — admitiu-o na semana passada. Ele tem escrito Markdown para LLMs desde os dias do GPT-4 exatamente por essa razão. E ele não estava errado. Ninguém estava errado, dada a matemática da altura.
Mas a matemática mudou.
O Claude Opus 4.7 chega com uma janela de contexto de 1.000.000 tokens. Isso é 122 vezes maior do que a janela de 8K que tornou o Markdown o padrão. Quando o orçamento é de um milhão de tokens, a diferença entre 2.800 e 8.000 é ruído. A restrição que criou o padrão Markdown dissolveu-se — mas o próprio padrão sobreviveu, inquestionado, durante quase quatro anos.
8 Coisas Que o HTML Pode Transportar e o Markdown Não
O artigo de Thariq abre com um catálogo simples do que se perde quando se força o output do agente para Markdown. A lista merece ser lida na íntegra, mas aqui estão as oito categorias:
1. Tabelas reais com alinhamento e junção de células. As tabelas em Markdown quebram com qualquer coisa além de uma grelha simples. As tabelas HTML suportam junção de colunas, junção de linhas, alinhamento e podem ser estilizadas para destacar a linha importante num relance.
2. Hierarquia visual com estilo CSS. Em Markdown, a ênfase limita-se a negrito, itálico e blocos de código. O HTML acrescenta cor, tamanho, espaçamento, bordas e layout — o vocabulário visual que torna a informação percorrível.
3. Diagramas SVG inline. Este é o grande ponto. Em Markdown, o Claude recorre a arte ASCII: caracteres pipe para gráficos de barras, blocos Unicode para amostras de cor, travessões para setas. Em HTML, desenha gráficos vetoriais reais — escaláveis, precisos e realmente legíveis.
4. Interatividade com JavaScript. Secções recolhíveis, amostras de código em separadores, filtros em tempo real, arrastar e largar. O Markdown é um meio estático. O HTML é um ambiente de execução.
5. Imagens incorporadas num único ficheiro. Imagens codificadas em Base64 viajam dentro do HTML. Sem links de referência quebrados, sem conversas de ficheiro não encontrado.
6. Layouts espaciais em tela. Comparações lado a lado, layouts em grelha, anotações na margem, caixas de destaque. O Markdown flui de cima para baixo. O HTML flui para onde lhe disser.
7. Diagramas de fluxo de trabalho com nós clicáveis. Uma pipeline de deploy desenhada como caixas e setas, onde clicar num passo revela o que executa, o tempo e o caminho de falha. O Markdown dá-lhe uma lista numerada.
8. Artefactos autónomos e partilháveis. Um ficheiro .html. Duplo clique. Abre em qualquer navegador, com todos os diagramas, estilos e interatividade intactos. Sem dependências, sem passo de build, sem surpresas de configuração.
O fio condutor: o Markdown foi construído para humanos a escrever prosa. O HTML foi construído para renderizar informação rica. Quando o output é um plano, um relatório, uma revisão ou um protótipo — não um README — o formato que foi construído para informação rica vence.
O Imposto dos Diagramas ASCII
Um exemplo da galeria de Thariq ilustra o ponto melhor do que qualquer argumento.
Peça ao Claude Code para analisar um conjunto de dados e apresentar os resultados em Markdown, e ele produzirá algo assim:
Q1 Sales by Region
| Region | Revenue |
|---------|----------|
| North | ████████ | $2.4M
| South | ██████ | $1.8M
| East | ████████ | $2.6M
| West | ████ | $1.2M
Isto é o que o Claude faz quando é forçado a usar um formato README dos anos 90. Improvisa. Finge um gráfico de barras com caracteres de bloco Unicode. Gasta tokens em aproximação cosmética em vez de dados.
Faça a mesma pergunta e diga ao Claude para produzir HTML, e ele desenha um verdadeiro gráfico de barras SVG com eixos corretos, barras proporcionais, rótulos e uma legenda. Os mesmos dados. O mesmo agente. Mas o segundo output é algo que o seu colega realmente abre, lê e utiliza.
Testámos nós próprios: mesmo conjunto de dados, mesma sessão do Claude Code, duas instruções de formato diferentes. A versão HTML foi renderizada no navegador sem edições. A versão Markdown precisou de três rondas de clarificação — e acabou por usar caracteres de bloco Unicode a aproximar barras. Quando o formato restringe o agente, a qualidade do output segue o mesmo caminho.
A tese de Thariq, resumida: quando se dá ao agente um meio com alcance expressivo, ele usa-o. Quando se restringe a ASCII, ele compensa — mal.
O Debate do Custo dos Tokens (E Porque Já Não Importa)
A objeção mais comum ao output HTML dos agentes é previsível: custa mais tokens.
E custa. Thariq é transparente quanto a isto: o output HTML usa cerca de 2 a 4 vezes mais tokens do que o Markdown equivalente. Um documento Markdown de 2.800 tokens torna-se um documento HTML de 8.000 a 11.000 tokens.
Mas esta objeção, como Thariq e outros têm apontado, baseia-se num pressuposto que era verdadeiro em 2022 e está agora obsoleto. Quando a janela de contexto é de 8.192 tokens, um overhead de 5.000 tokens é devastador. Quando a janela de contexto é de 1.000.000 tokens, são 0,5% do orçamento.
Claude Opus 4.7, Gemini 3, GPT-5.5 — os modelos de fronteira de meados de 2026 operam todos na gama de centenas de milhares a milhões de tokens. A economia de tokens que tornou o Markdown necessário foi substituída por uma economia de abundância que torna o HTML viável.
Mais importante ainda, Thariq argumenta que o custo dos tokens é a métrica errada. A métrica certa é se o output é utilizado. Um plano Markdown de 2.800 tokens que ninguém lê custa tudo e não entrega nada. Um plano HTML de 8.000 tokens que é aberto, compreendido e executado custa mais tokens e entrega valor.
5 Casos de Uso em Produção Onde o HTML Supera o Markdown
A galeria de Thariq com 20 artefactos HTML abrange nove categorias. Estas cinco são as que se generalizam para além do Claude Code para qualquer fluxo de trabalho com agentes de IA:
1. Especificações e Planos de Implementação
A diferença entre uma especificação em Markdown e uma em HTML é a diferença entre uma parede de texto e um documento com uma linha temporal, um diagrama de fluxo de dados, maquetes inline e uma tabela de riscos com gravidade codificada por cores. O implementador abre o segundo. Percorre o primeiro por alto.
2. Revisão de Código com IA
Um diff renderizado com anotações na margem, etiquetas de gravidade e links de salto é fundamentalmente mais fácil de percorrer do que fazer scroll num terminal. A versão HTML também suporta renderização lado a lado antes/depois — um layout espacial que transmite mudanças de forma mais eficiente do que qualquer formato sequencial.
3. Design e Protótipos
O HTML é o meio em que o seu sistema de design é entregue. Tokens tornam-se amostras. Componentes tornam-se folhas de contacto. Uma sandbox de animação com sliders para duração e easing diz-lhe em cinco segundos o que um parágrafo de prosa nunca conseguiria. Quatro ecrãs ligados com comportamento real de clique são um protótipo que se pode sentir, não apenas ler.
4. Investigação e Relatórios
Um explicador com secções recolhíveis, amostras de código em separadores e um glossário na margem lê-se de forma diferente das mesmas palavras despejadas linearmente. Um relatório de status semanal com um pequeno gráfico e uma linha temporal colorida transforma algo que as pessoas percorrem em algo que realmente leem. Um post-mortem com uma linha temporal minuto a minuto e excertos de logs é um documento que a sua equipa referencia, não ignora.
5. Interfaces de Edição Personalizadas
Esta é a categoria mais radical. Thariq demonstra editores HTML descartáveis — um quadro de triagem de tickets onde se arrastam 30 tickets por Now, Next, Later e Cut, e se exporta o resultado como Markdown; um editor de feature flags com avisos de dependência e um botão para copiar diff; um afinador de prompts com re-renderização em tempo real.
Isto não são produtos. São ferramentas únicas geradas sob demanda, usadas uma vez e descartadas. Esta categoria de artefactos não existe em Markdown. Só existe quando o agente tem acesso a HTML, CSS e JavaScript como primitivas de output.
A Verdadeira Razão: Deixei de Ler os Planos em Markdown
Escondida perto do fim da análise em vídeo do DIY Smart Code está a frase que explica toda a mudança:
Deixei de ler os planos em markdown e deixei o Claude tomar todas as decisões.
Esta é a verdadeira razão de Thariq para a mudança — e é mais importante do que contagens de tokens, fidelidade SVG ou qualquer comparação de funcionalidades.
Quando o output do agente é uma parede de Markdown ilegível, o humano sai do circuito. Não revê o plano. Não deteta o erro. Não aplica o seu julgamento. Diz apenas que parece bem e faz deploy — ou pior, nem sequer abre o ficheiro. O agente funcionou bem. O formato tornou o seu trabalho invisível. Esta é a mesma dinâmica por trás das lacunas de capacidade que limitam o que os agentes de IA podem entregar hoje: o output está tecnicamente correto, mas é praticamente inutilizável porque o formato não chega ao humano que precisa dele.
O output HTML inverte esta dinâmica. Quando o output é visual, estruturado e percorrível, o humano reentra no circuito. Vê o diagrama e pensa que aquele fluxo está errado. Abre a secção recolhível e deteta um pressuposto incorreto. Arrasta um ticket no quadro de triagem e ajusta a prioridade. O formato determina se o humano permanece no processo de decisão ou delega totalmente.
Este é o argumento que mais deveria importar para quem constrói fluxos de trabalho assistidos por IA. O objetivo não é minimizar o custo dos tokens. O objetivo é maximizar a qualidade da colaboração humano-agente. E o formato que torna a colaboração mais fácil é o formato que produz melhores resultados — independentemente da contagem de tokens.
Como Publicar HTML Gerado por IA
Quando o seu agente produz um ficheiro HTML autónomo — um relatório de investigação com gráficos SVG, uma revisão de código com diffs anotados, um protótipo com ecrãs clicáveis — enfrenta uma segunda questão: onde é que ele vive?
Um ficheiro .html no seu sistema de ficheiros local só é útil para si. O valor do output do agente multiplica-se quando tem um URL — quando o pode partilhar com a sua equipa, incorporar num tópico do Slack ou enviar a um stakeholder. Um agente de IA que sabe escrever HTML mas não o sabe publicar é como um escritor que sabe redigir mas não sabe imprimir. O output existe, mas não chega a ninguém.
Aqui estão as três abordagens que os desenvolvedores usam hoje, da mais manual para a menos manual:
GitHub Pages
Push para um repositório, esperar por um build CI, obter um URL. Funciona bem para páginas de documentação permanente e sites de projeto. Exagerado para o relatório descartável que o seu agente gerou esta manhã. Requer um commit Git para cada publicação — o que significa que o agente precisa de acesso ao repositório e cada artefacto descartável cria histórico permanente.
Upload Manual para a Cloud (S3, R2)
Fazer upload do ficheiro HTML para um bucket, configurar acesso público, gerir CORS, lidar com invalidação de cache. Isto funciona, mas é trabalho de infraestrutura — exatamente o tipo de coisa que queria que o agente tratasse para não ter de o fazer. Se está a configurar políticas de bucket para publicar um relatório de agente, a automação já falhou.
Plataformas de Publicação Nativas para Agentes
A terceira categoria é construída propositadamente para o fluxo de trabalho que Thariq descreve: o agente gera o output e uma camada de publicação trata de tudo o resto sem intervenção humana.
Estas plataformas são desenhadas para acesso programático — sem painel web, sem configuração manual, sem login em CMS. Aceitam conteúdo via CLI ou API, renderizam-no e devolvem um URL público. O agente mantém o controlo de toda a pipeline.
Por exemplo, uma plataforma como o AnyCap dá ao agente um conjunto de capacidades que formam uma pipeline de publicação completa — o mesmo padrão abordado no nosso guia de publicação web instantânea com IA:
- Armazenamento na cloud (Drive) — o agente faz upload de imagens geradas, exportações CSV e outros ativos para armazenamento cloud persistente. Sem caminhos de ficheiro quebrados. Sem passos manuais de upload.
- Deploy de páginas — um único comando transforma um ficheiro HTML ou Markdown numa página web pública e acessível.
anycap page deploy report.html --title "Análise Q2"é todo o passo de publicação. - Suporte multi-formato — a plataforma renderiza tanto Markdown como HTML nativamente. O agente pode começar com Markdown por rapidez e mudar para HTML quando precisa de diagramas SVG, tabelas estilizadas ou elementos interativos — tudo deployado através do mesmo comando.
- CLI unificada — a mesma ferramenta que publica a página também trata de pesquisa web, geração de imagens e web crawling. O agente não alterna entre cinco serviços para completar uma tarefa. Pesquisa, gera gráficos e publica a partir de um único ambiente de execução.
Eis como a pipeline completa se parece na prática:
# 1. O agente pesquisa o tópico
anycap search --prompt "Dados mais recentes de desempenho Q2" --json > research.json
# 2. O agente gera um gráfico principal como SVG
anycap image generate --prompt "Gráfico de barras de receita Q2, estilo corporativo limpo" \
--model nano-banana-2 -o chart.png
# 3. O agente faz upload dos ativos para armazenamento cloud
anycap drive upload chart.png
# 4. O agente escreve o relatório como HTML autónomo
# (Claude Code gera um ficheiro HTML com o gráfico incorporado)
# 5. O agente publica a página — um comando, URL ativo
anycap page deploy q2-report.html \
--title "Relatório de Desempenho Q2 2026" \
--description "Análise trimestral gerada por IA com gráficos interativos"
Nenhum humano tocou num CMS. Nenhum alojamento foi configurado. O agente pesquisou, criou visuais e publicou — tudo através de uma única CLI.
Que Abordagem Deve Usar?
| Abordagem | Melhor para | Amigável para agentes? | Configuração necessária |
|---|---|---|---|
| GitHub Pages | Documentação permanente, sites de projeto | Parcial (precisa de acesso ao repo) | Repo + config CI |
| S3/R2 Manual | Equipas com infraestrutura existente | Não (manual por ficheiro) | Bucket + IAM + CORS |
| Plataforma nativa para agentes | Relatórios gerados por agentes, protótipos, páginas descartáveis | Sim (CLI/API nativa) | Instalar CLI, um passo de autenticação |
A escolha certa depende do seu fluxo de trabalho. Se o seu agente produz 10 relatórios por semana que precisam de ser partilhados com a equipa, uma camada de publicação nativa para agentes paga-se imediatamente. Se publica uma página por mês, o GitHub Pages é suficiente.
A mudança de formato — Markdown para HTML — e a mudança de distribuição — ficheiro local para URL ativo — são dois lados da mesma moeda. Uma torna o output digno de leitura. A outra torna-o digno de partilha.
Quando Usar HTML vs Markdown para Output de Agentes
A mudança para HTML não é dogmática. Alguns outputs são melhores como Markdown. O quadro de decisão é direto:
| Use Markdown quando... | Use HTML quando... |
|---|---|
| O output é um ficheiro de configuração (CLAUDE.md, SKILL.md) | O output é destinado a ser lido por um humano |
| O output alimenta outra ferramenta que espera Markdown | O output contém dados que beneficiam de estrutura visual |
| O output é uma lista simples ou parágrafo | O output inclui comparações, diagramas ou layouts multiparte |
| O output será versionado e sofrerá diff | O output será partilhado, apresentado ou referenciado |
| Está a operar num contexto sub-32K tokens | Está num modelo com contexto 200K+ (provavelmente está) |
A regra prática que Thariq propõe implicitamente: se espera que um humano o leia, considere HTML. Se for puramente máquina-a-máquina, Markdown é suficiente.
A Conclusão
O Markdown tornou-se o formato padrão para output de agentes de IA não por ser o melhor formato, mas por ser o formato mais barato numa era de severas restrições de tokens. Essa era terminou.
A mudança que Thariq Shihipar defende — e demonstra com 20 artefactos de produção — não é realmente sobre HTML versus Markdown. É sobre se tratamos o output dos agentes de IA como algo a ser analisado por máquinas ou algo a ser consumido por humanos. Durante quatro anos, otimizámos para o primeiro porque a economia nos forçou a isso. A economia já não nos força.
Os agentes estão a melhorar. As janelas de contexto estão a aumentar. Os outputs estão a tornar-se mais complexos. É hora de o formato acompanhar.
Escrito pela equipa AnyCap. Analisamos as ferramentas, formatos e fluxos de trabalho que moldam a forma como os desenvolvedores constroem com agentes de IA.
Leitura adicional: