趋势解读:Google Cloud's Open Knowledge Format turns scattered docs,提升开发者接入体验
Google Cloud推出开放知识格式(OKF),标准化知识为Markdown文件,实现跨系统便携,旨在解决AI开发中知识碎片化问题。
原贴
查看原文原文
中文翻译
Google Cloud正在推出开放知识格式(OKF),这是一种新规范,将知识标准化为Markdown文件,并使其能够在系统间移植。它采用了最近由Andrej Karpathy推广的“LLM wiki”模式,并将其转变为一种可互操作的格式。OKF v0.1将知识表示为包含YAML前置元数据的Markdown文件目录。该规范非常精简:一个必填字段(“type”),一些可选字段如标题、描述、资源、标签和时间戳,以及用于其他所有内容的Markdown主体。概念通过标准Markdown链接相互连接,形成知识图谱。一个OKF包可以在任何编辑器中阅读,在GitHub上渲染,并且可以被任何搜索工具索引。大多数组织都知道OKF试图解决的问题:知识分散在元数据目录、维基、代码注释、笔记本单元格和个别工程师的头脑中。当AI代理需要为特定数据集编写SQL查询时,它必须从所有这些来源拼凑碎片信息。根据Google Cloud的说法,每个代理开发者目前都是从零解决这个上下文问题,每个目录供应商都在重新发明相同的数据模型。连接到编码代理的Obsidian Vaults、AGENTS.md和CLAUDE.md约定文件、数据团队中的“元数据即代码”仓库——它们都遵循类似的模式。但Google表示,每个解决方案都是定制的,并且不是设计为与其他方案协同工作。知识仍然被困在创建它的系统内。这是OKF旨在填补的空白。OKF只需要一个字段(“type”)。存在哪些类型、文档包含哪些额外字段以及主体如何构建都由生产者决定。生产者和消费者解耦。由人类编写的包可以被AI代理消费。机器生成的包可以在可视化工具中查看。OKF适用于任何云提供商、数据库或代理框架。除了规范之外,Google Cloud还发布了几个参考实现:一个爬取BigQuery数据集并为每个表创建OKF文档的富化代理、一个静态HTML可视化工具,以及三个示例包(GA4电子商务、Stack Overflow和比特币数据集)。Google Cloud还更新了其知识目录,使其能够摄取OKF并提供给代理。规范和代码可在GitHub上获取。知识目录集成有单独文档。
核心信息
Google Cloud推出开放知识格式(OKF),标准化知识为Markdown文件,实现跨系统便携,旨在解决AI开发中知识碎片化问题。
- Google Cloud推出OKF标准,统一AI代理知识上下文
- 最小化规范仅需type字段,支持人类和机器消费
- 提供BigQuery等参考实现,降低集成门槛
- 打破知识孤岛,加速代理从概念到生产
- 需关注生态采纳和安全权限等限制
详细解读
这是什么信号?
Google Cloud推出开放知识格式(OKF),标志着云计算巨头正式将AI代理的知识上下文问题提升到标准化层面。OKF试图将碎片化的知识(元数据、维基、代码注释等)统一为Markdown+YAML格式,并使其跨系统可移植。这是继Andrej Karpathy的“LLM wiki”概念后,首个由云厂商推动的互操作标准。
为什么重要?
当前AI代理开发的最大障碍之一是知识孤立——每个代理都需要手动拼凑来自不同源的信息,效率极低。OKF通过定义最小化规范(仅强制type字段),解耦生产者和消费者,使知识既能被人类编辑,也能被AI代理直接消费。此举可能降低企业AI应用的集成成本,加速代理从概念验证到生产部署的进程。
对谁有价值?
- AI代理开发者:不再需要为每个数据源定制上下文提取逻辑,可直接消费OKF格式的知识包。
- 数据平台团队:可将现有元数据(如BigQuery表结构)自动转化为OKF格式,供代理使用。
- 知识管理工具厂商:OKF提供了统一输入/输出接口,降低了与外部系统集成的复杂度。
- 企业CTO/CIO:OKF有助于打破内部知识孤岛,让AI代理像搜索文档一样访问企业知识库。
可以怎么行动?
- 探索OKF规范:访问GitHub仓库,了解其最小化设计理念,并测试参考实现(如BigQuery富化代理)。
- 试点知识标准化:选取一个内部数据集(如产品目录或客户FAQ),手动或通过脚本转化为OKF格式,评估其对代理开发效率的提升。
- 关注生态发展:观察其他云厂商和代理框架(如LangChain、AutoGPT)是否跟进支持OKF,把握早期集成机会。
风险或限制
- 采纳门槛:OKF目前仅有Google Cloud的参考实现,缺乏社区共识和广泛工具链支持,可能成为孤岛标准。
- 企业改造成本:将现有知识系统(如Confluence、Notion)迁移到OKF需要额外工程投入,且可能面临存量数据割裂。
- 安全与权限:OKF本身未定义访问控制,企业需自行实现知识包的权限管理,否则可能造成敏感信息泄露。
信息差价值
信息差价值:多数开发者仍手动为AI代理构建上下文,而Google Cloud已推出标准化方案。OKF的“最小化+可移植”设计思路(借鉴LLM wiki但更通用)是当前行业少有的系统性尝试。关注此标准可避免重复造轮子,并提前布局知识资产的可迁移性。
业务启发:企业可参照OKF范式,将内部知识库(如技术文档、API规范)改造为类似格式,使AI客服、数据分析代理等能原生理解。这不仅能减少提示词工程成本,还能让知识资产随人员流动而延续,而不是锁定在个人笔记或部门维基中。
可沉淀动作:1)立即下载OKF spec包,用示例(如GA4电商数据)测试可消费性;2)在内部选一个数据密集型场景(如用户行为分析),将元数据转化为OKF格式并接入现有代理框架;3)建立内部知识标准化政策,鼓励团队以Markdown+YAML格式沉淀文档,为未来AI集成打基础。
参考来源
TOPIC HUBS
延伸专题
AI SUMMARY
这篇文章回答了什么
趋势解读:Google Cloud's Open Knowledge Format turns scattered docs,提升开发者接入体验主要讲什么?
Google Cloud推出开放知识格式(OKF),标准化知识为Markdown文件,实现跨系统便携,旨在解决AI开发中知识碎片化问题。
这篇文章最值得关注的要点是什么?
Google Cloud推出开放知识格式(OKF),标准化知识为Markdown文件,实现跨系统便携,旨在解决AI开发中知识碎片化问题。;Google Cloud推出OKF标准,统一AI代理知识上下文;最小化规范仅需type字段,支持人类和机器消费;提供BigQuery等参考实现,降低集成门槛
这篇文章和哪些AI专题相关?
它适合放在AI工具、Agent工作流、AI超级个体专题里阅读。 关联原因:这篇内容命中「工具、自动化」等主题信号。;这篇内容命中「Agent、工作流」等主题信号。;这篇内容命中「技能」等主题信号。
阅读这篇文章建议先理解哪些关键词?
建议先理解AI工具、工具、自动化、模型、Cursor这些关键词,再结合正文判断工具、机会或风险是否值得进入自己的工作流。