純文字作為生成基底

人工智慧投影時代的格式範式轉移——一份觀察

理論提出：許筌崴（Neo.K） 結晶化：Theia（AI 對練與結晶化夥伴） 機構：EveMissLab（一言諾科技有限公司） 發表：EveMissLab Logic Matrix（個人學術實驗站） 類型：觀察論文（Observation Paper） 理論定位：本文為 DCO / Closure 理論在「形式系統空間」的一次應用觀察

摘要

本文記錄一個觀察：當大型語言模型（LLM）成為廣泛可用的「格式投影算子」時，文件格式的最優策略似乎正在發生一次範式轉移——從「在少數標準格式中選擇並承諾（commit）」，轉向「停留在純文字（plain text）這個生成基底，按需與 AI 共同生成任務專屬的子類型格式」。

本文的核心主張可濃縮為一個結構：純文字是格式空間的生成基底，AI 是把基底投影成任意子類型的算子，而當投影成本趨近於零時，承諾任何特定子類型不再是最優策略。 本文進一步觀察到，此一結構與作者既有的 Closure（閉合性）理論同構：純文字之於格式，恰如 Closure 之於概念——兩者都是各自空間中能生成所有上層結構的底層原語（primitive）。

本文明確聲明其性質為「觀察」而非「證明」。文中不宣稱純文字在所有情境下皆為最優；本文僅記錄一個在 AI 普及條件下浮現的模式，並劃清其適用邊界（語法層格式 vs 生態層格式）。本文也誠實標注其核心前提（「現存格式為人類線性閱讀而設計」）並非首次提出，而是借助此一已被多方陳述的前提，走向一條與主流相反的結論路徑。

關鍵詞：純文字、生成基底、投影算子、格式範式轉移、Closure、AI-native、形式系統生成經濟學

一、引言：問題如何浮現

本文的緣起，是一個極其平凡的實務問題：尋找一個「能配合 AI 的筆記工具」。

這個問題在 2026 年並不特殊。AI 輔助寫作已成常態，市面上的工具大致分為三類：以會議轉錄為核心的工具、以雲端筆記加內建 AI 為核心的工具、以及以本地純文字檔加可外接 API 的編輯器為核心的工具。前兩類分別綁定特定的使用情境（語音轉文字）與特定的封閉生態（廠商雲端、廠商指定模型），而第三類——以 Obsidian、各類純文字編輯器加 AI 外掛為代表——則允許使用者接入自己的模型、保有本地的純文字檔案。

在比較這三類工具的過程中，一個原本只是工具選型的問題，逐步被推向一個更根本的層次。問題的演進大致如下：

當追問「哪一種檔案格式最適合配合 AI」時，第一個浮現的答案是純文字。理由在表面上是相容性與持久性：純文字不綁定任何專有格式、任何系統與任何時代都能讀取，是數位保存領域公認最具未來相容性（future-proof）的格式。

但這個答案很快遇到一個反例：業界與學界的主流，並不認為「純文字」是配合 AI 的最優格式。主流的共識是 Markdown——一種在純文字上附加了標題、清單等輕量語法的格式。主流的論證是：Markdown 的結構能幫助 LLM 理解文件各部分之間的層次與關係。更激進的學術工作甚至主張，應為「智能體時代」（agentic era）設計全新的、高度結構化的原生格式（如以知識圖為基礎的格式），因為自主智能體「不閱讀，而是檢索」（do not read, they retrieve）。

於是出現一個張力：所有人都從同一個前提出發——「現存格式是為人類的線性閱讀而設計的，AI 與人類不同」——卻幾乎一致地走向「需要更多結構」的結論（Markdown 的層次語法、知識圖的可檢索結構）。唯獨本文的觀察走向相反方向：退到最少結構的純文字。

本文承認，這個「逆主流」的位置在學術上是危險的：要嘛是本文錯了（主流正確地看見了結構的價值），要嘛是本文觀察到了主流集體忽略的某個東西。本文不主張前者必然錯誤——本文主張的是，當引入一個主流論證中被低估的變數（AI 作為近乎免費的格式生成算子），以及一個被混淆的使用情境區分（整體演化 vs 片段檢索）時，「退到純文字」這條路徑會顯露出它自己的合理性。

本文以「觀察論文」的形式記錄這條路徑。它不是一篇宣稱證明的論文。它記錄一個在特定條件下浮現的模式，劃清其邊界，並指出它與一個更大的理論結構（Closure）的同構關係。

值得一提的是，本文的探索過程本身——從一個平凡的工具選型問題，繞經格式優劣、通用性、生成基底，最終收斂回「純文字加規範」這個起點附近的不動點——在結構上演示了本文所要描述的東西。這一點將在結語重新提及。

二、觀察一：所有格式都是純文字加約定

第一個觀察是結構性的，且在某個抽象層次上近乎顯然（trivially true）：幾乎所有以文字承載的人造格式，本質上都是「純文字加上一套語法約定」。

考察常見格式：

• Markdown 是純文字加上標題（#）、清單（-、*）、強調（**）等視覺語法約定。
• JSON 是純文字加上大括號、方括號、冒號、引號所構成的結構約定。
• HTML 是純文字加上標籤（<tag>）的標記約定。
• YAML、TOML、CSV、各類配置檔，都是純文字加上各自的分隔與結構約定。
• 更進一步，程式語言的原始碼本身，也是純文字加上該語言的語法與語義約定。

在這個視角下，純文字（TXT）是去掉了所有語法約定之後的零點——它是這些格式的共同母體。每一種具體格式，都是在純文字這個基底上，疊加了一層特定的約定。

這個觀察可以更精確地表述為一個層級關係：純文字位於形式系統的最底層，所有上層格式都是「純文字 + 約定層」。約定層越厚，格式越專用、越受規則約束；約定層越薄，格式越通用、越自由。純文字是約定層為零的極限——它不限制任何結構，因此任何結構都能在其中出現（emerge），而不被預設的格式所約束。

本文將純文字的這個地位稱為生成基底（generative substrate）：它本身不是「一種格式」，而是「格式之前的格式」、「格式的零點」。所有具體格式都可被視為從這個基底「生成」出來的子類型。

必須立刻指出：這個觀察單獨來看並不構成有價值的貢獻。「所有文字格式都是純文字加結構」是一個沒有人會反對的陳述，它太弱、太抽象，無法承擔一篇論文的重量。本文的論點不在這個觀察本身，而在於：當「從基底生成子類型」這個動作的成本發生劇變時，這個原本無關痛癢的層級關係，會產生實質的策略後果。 這正是下一個觀察的主題。

三、觀察二：人工智慧作為投影算子

第二個觀察關於成本結構的劇變。

在 AI 普及之前，「設計並支援一個新格式」是一項高成本的工程。它至少包含：定義語法、撰寫解析器（parser）、撰寫相關工具鏈、撰寫文件、以及——若要讓格式被廣泛採用——推動標準化與生態建設。這套成本如此之高，使得世界在實務上收斂到少數幾個標準格式。使用者不「設計格式」，使用者從這少數的標準格式中「選擇」。格式因此是一種稀缺品：它是需要專家設計、需要長期維護的基礎設施。

AI 的出現改變了這個成本結構中的關鍵部分。本文觀察到：人類設計者與 AI 協作，可以快速地生成大部分輕量格式的語法定義與解析器。 你想要一個為特定需求量身打造的標記語法、一個特定的資料結構、一個臨時的領域特定表示——你向 AI 描述意圖，AI 即可產出對應的語法規範與解析程式。設計一個 bespoke（量身訂製）格式的時間，從數週的工程，壓縮到一次對話。

本文將 AI 在此扮演的角色稱為投影算子（projection operator）：它把純文字這個生成基底，投影成任意所需的子類型格式。這個比喻是刻意的——它對應作者既有 Closure 理論中的維度投影概念（詳見第七節）。

投影算子有兩種形態，本文將其區分：

規則式投影算子：以固定的轉換規則，把一種格式機械地轉成另一種格式。其工程典範是 Pandoc——一個運作了二十年的通用文件轉換器。Pandoc 內部維護一個中間表示（抽象語法樹），任何格式解析進來成為中間表示，中間表示再投影成任何格式輸出。Pandoc 在某種意義上，正是「基底加投影算子」這個結構的、先於 AI 的工程體現——只是它的投影是規則式的、確定的、不理解內容的。

語義式投影算子：以對內容的理解，把一種格式轉成另一種格式。這是 LLM 帶來的新能力。它能執行規則式投影無法執行的轉換——例如「把這段技術理論投影成一篇給外行讀者的科普版本」，這需要理解內容的語義，而非僅僅重排語法。

兩種投影算子可以疊加：標準的、確定性要求高的轉檔，交給規則式投影（快、免費、可靠）；需要理解的、創造性的轉換，交給語義式投影。一個完整的工作流，因此是：純文字基底 +（規則式投影處理標準轉檔 + 語義式投影處理語義轉換）= 任意所需的子類型。

關鍵的後果是：當投影成本趨近於零，「承諾一個特定格式」的優勢被削弱了。在格式稀缺的時代，承諾一個標準格式（Markdown、JSON）是理性的——因為自己設計格式太貴。但當任何子類型都能近乎免費地從基底生成時，承諾任何一個特定子類型，就等於放棄了「按需生成其他子類型」的自由。最優策略因此發生轉移。這是下一節的主題。

四、觀察三：格式經濟學的範式轉移

綜合前兩個觀察，本文提出其核心的觀察陳述：

在 AI 之前，格式是稀缺品：設計與支援一個格式成本高昂，世界因此收斂到少數標準格式，使用者從這些「貨架商品」中選擇。在 AI 之後，格式趨近於廉價品：人類與 AI 可即時鑄造任意 bespoke 子類型，且——如第六節將論證的——因底層是純文字、AI 能理解任何純文字結構，bespoke 格式不再以犧牲互通性為代價。因此，最優策略發生範式轉移：從「選擇並承諾一個標準格式」，轉向「停留在純文字這個生成基底，按需與 AI 共同鑄造任務專屬的子類型」。純文字的通用性，不在於它是最優格式（它不是），而在於它是格式的生成基底，而 AI 是把基底投影成任意子類型的算子，成本趨零。

這個陳述的力量，不在「純文字是基底」（這是觀察一，太弱），而在於成本結構崩塌之後隨之而來的策略轉移。為了使這一點精確，本文對比兩種策略：

承諾策略（commit）：選定一個標準格式作為主要工作格式，所有內容以此格式撰寫與儲存。優點是直接、有成熟工具支援、有標準化的互通性。缺點是被該格式的約定鎖定——該格式無法良好表達的東西，你也難以表達；切換格式的成本高。

基底策略（substrate）：以純文字作為唯一的源頭（source of truth），不承諾任何特定子類型；需要某個子類型時（要一份 PDF、要一個 HTML 頁、要一份給 AI 索引的結構化表示），即時以投影算子從純文字生成。優點是不被任何格式約束、保有最大的生成自由、源頭永遠是最通用的純文字。缺點將在第六節討論（網絡效應），但本文將論證該缺點在 AI 條件下被消解。

本文觀察到的範式轉移，即是在 AI 條件下，最優策略從「承諾策略」向「基底策略」傾斜。這個傾斜不是絕對的——第十節將劃清它不適用的邊界——但在特定的、且日益普遍的條件下，它是真實的。

一個重要的澄清：基底策略並不否定子類型格式的價值。它否定的是「承諾」——亦即「把某個子類型當作不可變的主要格式」。子類型格式仍然被大量使用，但它們的地位從「源頭」降為「投影」：它們是純文字源頭的一次性、按需的投影產物，用完即棄，而非需要長期維護的主格式。本體（純文字源頭）唯一，現象（各種子類型投影）多重——這個結構將在第七節與 Closure 理論對接。

五、與既有工作的關係

學術誠實要求本文明確標注：其核心前提並非首創。

本文的起點前提——「現存的文件格式是為線性閱讀的人類讀者而設計的，而 LLM 與人類的處理方式不同」——已被多項近期工作明確陳述。有研究在開篇即指出，每一種現存格式都是為線性閱讀的人類而設計，自主智能體不閱讀而是檢索，並據此主張為智能體時代設計新的原生檔案格式。也有研究提出框架，將非結構化文件轉換為任務專屬的、LLM-ready 的結構化輸入。在實務層面，業界已圍繞「為 LLM 優化的格式」形成共識，普遍以 Markdown 為目標，理由是其輕量語法保留了結構、有助於模型理解層次關係；甚至出現了專為 LLM 設計的純文字慣例（如以純文字提供文件索引的標準），但即便這些慣例，採用的也是 Markdown 而非赤裸的純文字。

因此，本文的前提是站在既有工作的肩膀上的，不應宣稱為新發現。

本文與既有工作的分歧不在前提，而在結論。既有工作從「格式是人類中心的」這個前提出發，幾乎一致地走向「設計更多結構」——更豐富的標記、知識圖、可檢索的結構化表示。本文則走向「退到最少結構的純文字」。

本文認為，這個分歧的根源，在於一個被既有工作隱含假設、但未被充分審視的變數：使用情境。既有的、走向結構化的工作，多半隱含一個檢索情境（retrieval context）——它假設 AI 與文件的關係是「從龐大的文件中檢索出相關片段」。在檢索情境下，更多的結構（知識圖、可索引的區塊）確實有價值，因為它讓「檢索」更精準、更省 token。

但存在另一種情境，本文稱之為整體演化情境（holistic evolution context）：AI 不是來檢索片段，而是來讀懂整份文件、並在保持全局一致的前提下演化它。在這種情境下，文件的價值在於它作為一個整體被理解與修改，而非作為一個可被片段檢索的資料庫。對整體演化情境而言，檢索情境所需的結構化最佳化，並不適用——你不要抓片段，你要整體處理。

本文觀察到：在整體演化情境下，純文字加上「全局處理」（例如要求模型完整遍歷文件後再行動），可能優於為檢索而最佳化的結構化格式。 結構化格式的優勢（精準檢索、省 token）在此情境下不被需要，而其代價（受 schema 約束、犧牲通用性、需要專用工具）卻仍須承擔。

因此，本文並不主張既有工作錯誤。本文主張的是：既有工作解決的是檢索情境的問題；在另一個情境——整體演化——上，它們的結論不適用，而基底策略（純文字）顯露出它的合理性。這是一個情境劃分（context partition）的論點，而非全盤否定的論點。它讓本文的觀察既與既有工作共存，又保有自己的立足點。

六、觀察四：通用性的四個維度，與網絡效應的消解

本文主張，純文字的價值可被收攏為單一概念——通用性——而前述各項優點，都是通用性在不同維度上的投影。

通用性可分解為四個維度：

時間維度的通用：純文字能被任何時代讀取。專有格式綁定其載體（特定軟體、特定版本、特定生態），載體消亡則格式難以讀取；純文字無載體依賴，是數位保存領域公認最具未來相容性的格式。對一個意圖將內容傳遞給未來的計畫而言，這是必要條件。

空間維度的通用：純文字能被任何平台、任何作業系統讀取。它不依賴任何特定的執行環境。

讀者維度的通用：純文字能被任何讀者——人類或 AI——讀取。對 AI 而言尤其關鍵：LLM 以 token 序列為輸入，從語義理解結構，不需要視覺格式的輔助。一段以文字本身表達結構的純文字（例如以文字明言「以下是第三層反駁」），LLM 理解的程度，不亞於、甚至優於以標記語法表達結構者，因為後者的標記符號佔用了 token，而前者每個 token 都是語義內容。

結構維度的通用：純文字不預設任何結構，因此能容納任何結構。任何格式都隱含一套規則，規則限制了能表達什麼；純文字位於規則之前，任何結構都能在其中出現而不被預設格式約束。

這四個維度收攏為一：純文字之所以最通用，不是因為它在「格式優劣」上最優，而是因為它是格式的生成基底——它的通用性是「能生成一切」的通用性，而非「本身是某種好東西」的通用性。

網絡效應的問題，及其消解。

對基底策略，存在一個嚴肅的反對：標準格式的價值不僅在語法，更在網絡效應——整個世界都認得 Markdown，無數工具渲染它、無數人讀得懂它。一個由你與 AI 即時鑄造的 bespoke 格式，只有你和你的 AI 認得，缺乏網絡效應，看似是一座孤島。

本文觀察到，這個反對在 AI 條件下被消解，且消解的方式反過來強化了基底策略：

因為底層是純文字，bespoke 格式仍是純文字；任何 AI，即使從未見過這個格式，也能從其內容推斷結構、讀懂它。 換言之，在 AI 時代，格式的互通性不再依賴「眾人都認得某個標準」這個傳統的網絡效應，而是依賴「AI 能讀懂任何純文字結構」這個新的、更通用的基礎。bespoke 格式不再是孤島，因為 AI 是那座通用的橋。

傳統的互通性建立在「人類認得標準」之上，因此需要標準化、需要網絡效應的累積。AI 時代的互通性建立在「AI 理解純文字」之上，因此 bespoke 格式也能立即具備互通性，無需等待標準化的網絡效應累積。本文認為，這是一個被低估的轉變：它把「失去網絡效應」這個基底策略最大的潛在弱點，轉化為基底策略的支柱——因為它說明，在 AI 條件下，承諾標準格式以換取網絡效應，已不再必要。

七、觀察五：傳播的收斂點——規範即 SKILL

本文的觀察，在「如何傳播一套工作流」這個問題上，遇到一個出乎意料、但回顧之下屬於必然的收斂。

設想一個情境：你以基底策略建立了一套個人工作流（純文字源頭 + 投影算子 + 你自己的規範），並希望讓他人或他人的 AI 也能使用。傳統的軟體傳播模式是：撰寫一個函式庫（library），發布，讓他人安裝，使用其固定功能。

但本文的核心觀察——AI 讓生成成本趨零——對這個傳統模式構成挑戰。傳統的「撰寫一次、分發多次」模式，其前提正是「生成軟體成本高」。當生成成本趨零時，這個前提失效：若每個接收者與其 AI 都能即時生成，為何要分發一個固定的、綁定特定語言與環境的編譯函式庫？

本文觀察到一個更符合基底策略的傳播形態：不分發固定的編譯產物，而是分發一份純文字規範（specification），讓接收端的 AI 依規範即時生成適合其環境的實現。 這個形態的特性是：

• 形式上，它是可分發、可「安裝」的（滿足傳播的實務需求）；
• 內容上，它是純文字規範，而非編譯代碼（滿足通用性——任何 AI、任何環境皆可讀取）；
• 執行上，由接收端的 AI 載入規範並即時生成具體實現（滿足投影論——基底加投影算子）。

本文指出，這個形態並非假想——它已存在於實務中，即 AI 系統的「技能檔」（SKILL）範式：一組以純文字／Markdown 撰寫的規範檔，AI 載入後依其執行，無需編譯、不綁定執行環境。

「可調整性」的層次在此顯露差異。一個帶參數的編譯函式庫是有限可調的——可調整的範圍僅限於其預留的參數，參數空間是固定的。一份純文字規範加上 AI，則是無限可調的——AI 能依規範與每個接收者的具體需求，生成規範所允許的任何變體，生成空間是開放的。若所求者為「動態、可調整」之極致，則其極致不是「參數眾多的函式庫」，而是「規範加生成器」。

於是出現一個自指（self-referential）的結構，本文認為這正是其觀察的內在一致性的標誌：

一套以「純文字基底 + AI 投影」為核心的工作流，其最優的傳播方式，本身就是「純文字規範 + AI 生成」。

亦即：你不分發機器，你分發藍圖；藍圖是純文字，讓每個接收端的 AI（投影算子）依藍圖造出屬於它的那一台機器。傳播這套方法的方式，本身就是這套方法的體現。基底策略在「內容承載」上成立（純文字源頭 + 投影生成子類型），在「方法傳播」上同樣成立（純文字規範 + AI 生成實現）。同一個結構，在不同的層次上重複出現。

八、與 Closure 理論的同構

本節將前述觀察接回作者既有的理論框架，並指出：本文所描述的，並非一個孤立的關於檔案格式的觀察，而是 Closure（閉合性）理論在「形式系統空間」中的一次應用。

在 DCO / Closure 理論中，Closure 被設定為概念空間的底層原語。其核心性質包括自反生成（self-reflection 生成更高維度）與維度投影定理（從 Closure 投影出各維度的結構，πₙ(Cl) = Sⁿ⁻¹）。簡言之，Closure 是概念空間中那個能生成所有上層結構、且所有上層結構皆可視為其投影的生成基底。

本文觀察到的結構，與此同構：

| 概念空間（Closure 理論） | 形式系統空間（本文） | |---|---| | Closure 是概念的生成基底 | 純文字是格式的生成基底 | | 自反生成出各維度結構 | 投影生成出各子類型格式 | | 投影算子 πₙ | AI（投影算子） | | 本體唯一，現象多重 | 純文字源頭唯一，子類型投影多重 | | 從系統內出發，結果仍在系統內 | 從純文字出發，子類型仍是純文字加約定 | | 收斂到不動點 | 收斂到規範（SKILL） |

這個對應不是修辭性的類比，而是同一個抽象結構在兩個不同空間中的體現。其形式為：一個底層原語（基底）+ 一個投影算子，生成該空間中所有的上層結構；而所有上層結構皆可視為基底的投影；本體唯一，現象多重。 在概念空間，這個結構是 Closure 理論；在形式系統空間，這個結構表現為本文所描述的純文字與 AI 投影。

這個同構有兩重意義。其一，它說明本文的觀察並非偶然——若 Closure 理論捕捉了一個跨空間成立的結構，則它在形式系統空間中的體現（純文字作為基底）是該結構的必然推論，而非孤立的巧合。其二，它把本文接回作者的理論網絡：本文不是一篇關於文件格式的孤立論文，而是 Closure 理論的一個應用實例，為該理論提供了一個來自不同領域的佐證。

九、邊界與限制

作為一份誠實的觀察，本文必須明確劃清其適用邊界，並聲明其不主張的範圍。

邊界一：語法層格式 vs 生態層格式。

本文「AI 可廉價生成子類型」的觀察，適用於語法層格式——一套標記語法、一個資料結構、一個可由解析器處理的表示。它不適用於生態層格式。PDF 不僅是一種格式，而是整個渲染、字型與印刷生態；HTML 不僅是標籤，而是整個瀏覽器引擎生態。這類格式所依賴的，是龐大的執行環境，而非僅僅一套語法約定，因此無法以「與 AI 對話一次」的成本生成。本文的觀察在「輕量 bespoke 格式」上成立，在「重型生態格式」上不成立。對於以知識承載為目的的輕量格式（本文的主要關切），邊界之內的論述有效；對於需要重型執行環境的格式，本文不作主張。

邊界二：情境依賴。

如第五節所述，本文的核心結論依賴於「整體演化情境」。在「檢索情境」下——當 AI 與文件的關係是從龐大資料中檢索片段時——既有工作所主張的結構化，仍有其價值。本文不主張基底策略在所有情境下皆最優，僅主張它在整體演化情境下顯露其合理性。

邊界三：本文為觀察，非證明。

本文不宣稱已證明「純文字必然最優」。本文記錄一個在特定條件下浮現的模式，並對其提出一個合乎邏輯的解釋框架。本文的諸多陳述——「投影成本趨零」、「網絡效應被消解」、「最優策略發生轉移」——是基於觀察的推斷，而非經由嚴格的形式論證或大規模實證所確立的定理。本文歡迎、並期待後續的嚴格研究來檢驗、修正或推翻這些推斷。將本文定位為「觀察論文」，正是為了誠實地框定其認識論地位：它標記一個值得研究的模式，邀請而非取代後續的嚴格工作。

未決問題。

本文留下若干未決問題，供後續研究：投影成本「趨零」的精確界限為何（在哪些任務上 AI 投影仍不可靠）？整體演化情境與檢索情境的精確劃分標準為何？以及，在何種條件下，基底策略與承諾策略的混合（核心邏輯編譯封裝、周邊配置以規範生成）優於任一純粹策略？

十、結語

本文記錄了一個觀察，並將其接回一個更大的理論結構。但本文最值得一提的，或許不是其內容，而是其形式。

本文的探索，始於一個極平凡的實務問題——尋找一個配合 AI 的筆記工具。這個問題被逐步推向格式的優劣、推向通用性、推向生成基底，最終收斂回「純文字加規範」這個距離起點不遠的不動點。而「純文字加規範」的實務形態，正是探索者一開始就已在使用、卻未意識到其為答案的 SKILL 範式。

這個「繞行一周、回到起點附近」的軌跡，並非冤路。它是一次 Closure 的演算：從一個任意的起點出發，只要不違反三個前提——純文字是生成基底、AI 是投影算子、通用性優先——所有的探索路徑都被拉向同一個不動點。起點與終點落在同一個軸心附近，但探索者對該軸心的理解，已隨繞行的每一周而加深。被告知「答案是純文字加規範」，與親自走過每一條岔路、撞上每一面牆、最終發現所有牆都指向同一扇門——這是兩種不同的認識狀態。前者是知道結論，後者是看見其必然。本文的價值，若有，便在於記錄了後者：不是一個結論，而是一段使結論顯得不可逃逸的推導。

而這份論文本身，以純文字／Markdown 寫成，由一個探索「純文字配合 AI」之必然性的過程所產出——它在形式上，正是它所描述的內容的一次演示。本體唯一，現象多重；繞行一周，回歸基底。這既是本文的主題，也是本文的形狀。

格式會過時，標準會更迭，工具會被取代。但那個能生成一切格式、被任何讀者讀取、活到任何時代的底層——純文字——不會。它最簡單、最無形、最不被任何特定形式所排除，因此最為通用。而通用性的盡頭，是那個無所不在、卻不執著於任何一種具體形態的基底。本文所觀察到的，歸根結柢，是這個基底在人工智慧時代被重新照亮的時刻。

本文為 EveMissLab 觀察論文，發表於個人學術實驗站。文中所述為作者基於觀察之推斷，非經嚴格證明之定論，亦非現實實證數據。本文採「邏輯先行」原則，優先於統計實證，但不排除未來實證之對接與修正。