3  Markdown e IA

3.1 Por que o Markdown importa no mundo da IA

O Markdown foi feito em 2004 para que qualquer pessoa lesse e qualquer programa entendesse. Duas décadas depois apareceu um tipo de programa que escreve, o modelo de linguagem por trás do ChatGPT e dos outros assistentes. E o que esses programas escrevem, por padrão, é Markdown: a resposta com título, lista e negrito que Capítulo 1 mostrou. Este capítulo explica por quê, em cinco pontos. O terceiro é o que leva ao Quarto.

1. Markdown é o formato em que os modelos foram treinados a escrever e a ler. Muito do texto técnico da web está em Markdown: as páginas de projetos no GitHub, as perguntas e respostas do Stack Overflow, as discussões de fóruns como o Reddit, a documentação de muitos programas. A página da especificação que define o formato lista, entre os sites que a adotaram, o GitHub, o GitLab, o Reddit, o Stack Overflow e o Discourse (CommonMark, 2026), e o próprio GitHub explica que usa o seu dialeto de Markdown “para formatar prosa e código em todo o site” (GitHub, Inc., 2026). Quando você pede algo a uma IA, ela responde em Markdown, e quando você lhe entrega um arquivo em Markdown, ela o entende sem precisar de conversão. Um documento do Word, para o modelo, é um contêiner binário que alguém tem de abrir e transformar em texto antes que ele o veja. Um arquivo em Markdown o modelo lê direto, com a estrutura intacta. Jeremy Howard, ao propor uma convenção para que sites conversem com modelos de linguagem, resumiu o estado das coisas: “no momento, o formato mais ampla e facilmente entendido pelos modelos de linguagem é o Markdown” (Howard, 2024).

2. Ele carrega estrutura sem esconder o texto. Um título é #, uma lista é -, um trecho de código vai entre três crases, ```. A estrutura é visível, mínima e não interfere na leitura. Isso importa para um modelo porque a hierarquia do documento vira sinal explícito: a IA sabe o que é seção, o que é exemplo, o que é código. Formatos ricos e complexos tais como .docx escondem essa estrutura em marcação que ocupa mais espaço do que o conteúdo. Cada token gasto com formatação é um token a menos de conteúdo, e, como escreve Howard, “cada token desperdiçado custa tempo e dinheiro” (Howard, 2024).

3. Texto puro é o que as ferramentas de IA conseguem operar. Esta é a razão que leva ao Quarto, e começa por algo pequeno. Suponha este trecho num capítulo de um livro:

A memória não é um arquivo onde as lembranças ficam guardadas
para sempre do jeito que foram guardadas. A memória é um processo,
e por isso pode ser modificado pela emoção.

Você pede ao assistente: “corte a repetição e corrija a concordância”. Ele não devolve um documento novo; devolve uma alteração, que o programa que guarda a história dos arquivos, o Git, mostra linha a linha, o que saiu e o que entrou:

  A memória não é um arquivo onde as lembranças ficam guardadas
- para sempre do jeito que foram guardadas. A memória é um processo,
- e por isso pode ser modificado pela emoção.
+ para sempre. A memória é um processo,
+ e por isso pode ser modificada pela emoção.

Repare no que esse pequeno diff permite. Você vê exatamente o que a IA mudou, e nada além disso: um trecho cortado e uma terminação trocada. A primeira linha, que não mudou, aparece sem sinal. As duas linhas com - na frente são as que saíram: o Git as mostra como estavam, para que você saiba o que está perdendo. As duas linhas com + são as que entraram no lugar delas. Quando uma linha muda uma só palavra, ela aparece duas vezes, uma com cada sinal, e a comparação é imediata: “modificado” saiu, “modificada” entrou. Numa tela colorida, as linhas com - ficam em vermelho e as com +, em verde, e o olho encontra a diferença antes mesmo de ler. Pode aceitar o corte e recusar a outra correção, ou o contrário. Pode voltar atrás amanhã, porque a versão anterior continua guardada. E pode pedir a mesma revisão em trinta capítulos de uma vez, porque a IA trabalha em todos os arquivos com a mesma operação, e o Git mostra as trinta alterações do mesmo jeito. Nada disso funciona com um .docx: ali, a alteração vem embutida num arquivo binário, e a única forma de saber o que mudou é ler tudo de novo, ou confiar.

O exemplo se estende a todo o fluxo de um livro. Um assistente de IA que trabalha nos arquivos do projeto precisa ler, alterar e comparar arquivos, e Markdown é o formato em que as três operações são triviais. Até as instruções que se dão a esse assistente, o arquivo em que se explica o que o projeto é e como trabalhar nele, são escritas em Markdown; Capítulo 22 mostra como.

O mesmo circuito admite mais do que texto: o arquivo pode conter, ao lado das frases, código que produz números, tabelas e gráficos. A ideia é mais antiga do que parece. Em 1984, o cientista da computação Donald Knuth propôs o que chamou de programação letrada: “em vez de imaginar que nossa tarefa principal é instruir um computador sobre o que fazer, concentremo-nos em explicar a seres humanos o que queremos que um computador faça” (Knuth, 1984, p. 97). Um único arquivo continha a explicação e o programa, e dois utilitários extraíam dele, um a documentação impressa, o outro o programa executável (Knuth, 1984). O ponto de encontro dessa ideia com o Markdown foi o R Markdown, que, segundo seus autores, nasceu no início de 2012 para “embutir trechos de código (de R ou de outras linguagens) em documentos Markdown” (Xie; Allaire; Grolemund, 2018). Ao gerar o documento, o código roda e os resultados entram no lugar certo. Um relatório em que o número no meio da frase foi calculado pelo código ao lado, e é recalculado quando os dados mudam, é um documento reprodutível: outra pessoa, com o mesmo arquivo, os mesmos dados e as mesmas versões dos programas, refaz os cálculos e obtém o mesmo resultado. O Quarto é a continuação dessa linhagem, para várias linguagens e muitos formatos, sem exigir código de quem não quiser escrevê-lo. Ele é o assunto de Capítulo 4, e Capítulo 12 conta o caminho com as datas.

4. Ele separa conteúdo de apresentação. O mesmo texto escrito em Markdown pode ser renderizado em HTML, PDF, EPUB e slides. Isso é possível porque o arquivo não diz como o texto deve aparecer; diz apenas o que ele é. Um # marca um título, mas não escolhe fonte, tamanho nem cor. Um > marca uma citação, mas não define recuo nem itálico. Essas decisões ficam fora do texto, num lugar só: o tema. Neste livro, o tema são dois arquivos de código, que dizem uma única vez que os títulos são em Playfair Display, que o corpo é em Inter, que a entrelinha é de 1,65 e que os links são cor de ferrugem. Nenhum capítulo repete essas escolhas, e nenhum capítulo pode contrariá-las. A apresentação é resolvida pelo programa que gera o livro, com as regras do tema, aplicadas a todos os capítulos a cada geração.

Num .docx é diferente, porque a formatação vive dentro do texto, colada a cada parágrafo. Cada trecho carrega a própria fonte, o próprio tamanho, o próprio espaçamento. Isso funciona enquanto o documento é pequeno e tem um autor só. Num livro de trinta capítulos, escrito ao longo de meses, a formatação vaza: um parágrafo colado de outro documento traz a fonte de origem; um capítulo antigo usa espaçamento simples e o novo, um e meio; um título que devia ser “Título 2” foi feito à mão, em negrito, e não aparece no sumário. Os estilos do Word existem para evitar isso, mas nada obriga o autor a usá-los, e a mistura de estilos com formatação direta é a regra, não a exceção. A coerência visual passa a depender da disciplina de quem escreve, e é justamente ela que falha quando o livro cresce.

5. A IA derrubou a barreira que mantinha essa separação longe do autor comum. A separação entre conteúdo e apresentação não é ideia nova. O LaTeX faz isso há quarenta anos, e o HTML com CSS, há trinta. Tirar a formatação do texto significa colocá-la em código: um tema são dois ou três arquivos de código, com variáveis, regras e dezenas de opções cujos nomes é preciso saber de cor. O problema era a dificuldade de escrever esse código de formatação. Quem não programa olhava para isso e, com razão, voltava para o Word, onde a fonte se escolhe num menu. A coerência que o Markdown garante ficava reservada a quem aceitava aprender uma linguagem só para mudar a cor dos títulos.

Com a IA, essa barreira desapareceu. O autor descreve o que quer, em português: “títulos em serifa, corpo em sans-serif, fundo off-white, um só tom de destaque, rodapé com a identificação profissional centralizada”. O modelo escreve esses arquivos; o autor gera o livro, olha o resultado e pede ajustes, do mesmo modo que pediria a um designer. O tema deste livro foi feito assim.

O efeito é que os dois lados da separação ficaram, pela primeira vez, ao alcance da mesma pessoa. O conteúdo continua sendo do autor, escrito em texto puro, verificável linha a linha. A apresentação continua em código, coerente por construção, mas agora o código é escrito por quem entende de código, sob a direção de quem entende do livro.

Em resumo: Markdown é a língua franca entre humanos, ferramentas e modelos, porque é o formato mais simples que ainda carrega estrutura. Enquanto os modelos trabalharem em texto, ele vai continuar central, mesmo que apareça cada vez menos para o leitor final.

NotaPontos-chave
  • O modelo aprendeu a escrever lendo a web, e o texto técnico da web está em Markdown; por isso ele lê e escreve Markdown sem conversão.
  • A estrutura fica visível e ocupa pouco: cada sinal a mais é conteúdo a menos.
  • Texto puro entra no circuito do Git: o que a IA muda aparece linha a linha, para aceitar ou recusar, em um ou em trinta arquivos.
  • O Markdown separa o que o texto é de como ele aparece. A aparência vive num só lugar, o tema, e a IA passou a escrever esse código sob a direção do autor.