发布日期：2026-06-17 22:46:09 浏览次数： 1724
作者：极客工具 XTool
微信搜一搜，关注“极客工具 XTool”
推荐语
OKF 为 LLM Wiki 知识库提供了标准化的落地实践方案，解决了知识结构化和 AI 可读性的核心难题。
核心内容：
1. 传统知识整理的痛点与 LLM Wiki 的落地挑战
2. OKF 规范的核心原则与设计思路
3. OKF 与现有 PKM 实践（如 Obsidian）的对应关系
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
你花三个月做了技术调研，读了二十篇论文、整理了十几份文档、记了一百多条笔记。结论有了，关键词也有。但当你问 AI：「这个技术领域的核心概念是什么？不同方案的权衡是什么？」
它答不上来。
不是因为你笔记写得不好，而是因为这些笔记缺乏**结构**——AI 不知道「这篇是方法 A 的缺陷分析，那篇是方法 B 的适用场景，另外几篇是竞品对比」，它只能看到一堆文本，不知道它们之间的关系。
Karpathy 的 LLM Wiki 思路给了一个方向：采集 → 整理 → 生成可查询的 wiki。但真正落地时你会发现一堆问题没有答案：frontmatter 应该有哪些字段？目录怎么组织？AI 按什么路径找知识？这些没有标准答案，大家都在模糊地试。
**OKF（Open Knowledge Format）**补上了这一环。
* * *
## OKF 是什么
OKF 是 Google Cloud 在 2026 年初发布的**知识表示格式规范**。本质上，它是一组约定：如何用 Markdown 文件组织知识，使得知识结构——有哪些概念、各概念之间什么关系、AI 怎么找到它们——变得机器可读。
规范极度轻量，只有三条原则：
**最小化偏见**— 只强制要求一个字段：`type`。其他字段全部由你自己定义。
**生产者 / 消费者独立**— Google 给了一套从 BigQuery 自动生成 Bundle 的工具，但你可以手写、用任意工具生成。规范只是约定，不是绑定。
**格式不绑定平台**— OKF Bundle 就是一个文件夹，里面是一堆`.md`文件。Git 管理、打包成 tarball、直接拷贝——没有任何专有依赖。
**OKF 回答了落地问题**：header 写什么（`type`必填，其他自定义）、数据怎么组织（index.md + 分类目录 + references）、AI 怎么找（从 index.md 开始，按链接逐层读取）。
* * *
## OKF 和 PKM 已有实践的对应关系
如果你已经在用 Obsidian，看到 OKF 的结构会觉得眼熟——它们的思路高度重合，只是表述不同：
| OKF 概念 | PKM 对应 | 说明 |
| :— | :— | :— |
| `index.md` | MOC（Map of Content） | 入口导航页，列出该领域的核心页面 |
| 目录分层结构 | PARA / 主题文件夹 | 按领域组织，不是扁平文件列表 |
| frontmatter`type` | 页面类型标签（Concept / Note / Reference） | 定义这篇笔记是什么类型的知识 |
| references | 双向链接`[[wikilink]]` | 概念之间的关联 |
| `type: Reference` | Literature Note | 引用来源 |
OKF 把这些做法标准化了，并且配套了工具链。但如果你已经在用 Obsidian，**你其实已经在实践 OKF 的思路了**——只是没有意识到这和 Google 提出的规范是同一件事。
* * *
## 一个关键分类：Skill 和 OKF 解决不同问题
在 AI Agent 的语境里，这两个概念经常被混在一起，但解决的是完全不同的问题：
* •**Skill**= 程序性知识，回答「怎么做」
* •**OKF**= Declarative 知识，回答「是什么」以及「知识在哪里」
技术调研场景下：OKF 负责告诉 AI「方法 A 是什么、适用场景是什么、和方法 B 的核心差异是什么」；Skill 负责「用方法 A 写一段示例代码、用 pip 安装这个包」。两者各司其职。
这和 CoALA 框架也是一致的：
* •**程序性记忆**：怎么做（Skill）
* •**语义记忆**：是什么、在哪里（OKF）
* •**情景记忆**：发生了什么（Chat History / Daily Notes）
* * *
## OKF vs RAG：不是替代，是分工
| | RAG | OKF |
| :— | :— | :— |
| 本质 | 检索技术 | 知识表示格式 |
| 知识组织 | 非结构化 Chunk，向量索引 | 结构化图谱，预先定义关联 |
| 查询方式 | 语义相似度搜索 | 精确路由（读索引 → 读概念 → 读详情） |
| 维护成本 | 低，追加文档即可 | 高，需要同步更新 |
| 适用场景 | 变化频繁的非结构化知识 | 相对稳定、有明确 Schema 的领域 |
* •**RAG**= 搜索引擎。输入「Vue 响应式原理」，返回一堆包含这些词的网页。
* •**OKF**= 翻目录。你翻开《Vue 权威指南》的目录，直接翻到「响应式原理」那一章。
更合理的组合是：**用 OKF 定义知识边界和关联，让 AI 先确定查哪个库；再用 RAG 在具体库内做语义搜索。**
* * *
## enrichment_agent 工具链
OKF 官方提供了一套参考实现工具`enrichment_agent`，基于 Google ADK（Agent Development Kit）构建，包含两个 AI Agent：
| Agent | 能力 |
| :— | :— |
| `build_bq_agent` | 读取 BigQuery 表结构，自动生成 metrics + joins |
| `build_web_agent` | 抓取官方文档，生成对应的 reference 文档 |
背后默认用`gemini-flash-latest`——整个生成过程是 AI 密集型的，不是硬编码规则。
生成完 Markdown 文件后，`writer.py`把所有内容打包进`viz.html`——一个自包含的交互图谱，用 Cytoscape.js 渲染节点关系，点击节点可以看到完整文档。
最终交付两个产物：**人类可读的 Markdown 文件**（可版本控制）+**AI 可消费的 BUNDLE 对象**（JSON 结构，大模型直接读取做推理）。
* * *
## viz.html 图谱：实际效果
OKF 官方提供的`viz.html`用 Cytoscape.js 渲染成交互式图谱。以下是 GA4 Bundle 的实际运行效果：
点击任意节点，右侧面板会显示该概念的完整文档内容，包括 frontmatter 元数据和 Markdown body：
支持按类型过滤节点、快速搜索、以及查看每个节点的「Cited by」反向引用：
有意思的是细节：**OKF 用标准 Markdown 链接**`[text](path.md)`**，Obsidian 用双向链接**`[[wikilink]]`**。如果你把 OKF Bundle 直接丢进 Obsidian，graph 视图是空的——Obsidian 只识别**`[[]]`**语法。目前两者没有很好的兼容方案。**
* * *
## Bundle 结构：知识如何分层组织
一个 OKF Bundle 本质上是一个目录，包含某个知识领域的完整文档：
`ga4/├── index.md # 入口（MOC 导航页）├── datasets/│ └── ga4_obfuscated_sample_ecommerce.md├── tables/│ └── events_.md└── references/ ├── metrics/ │ ├── event_count.md │ └── user_count.md └── joins/ └── events___ads_clickstats.md`
每个`.md`文件的结构：**YAML frontmatter + Markdown body**。
`—type: BigQuery Tabletitle: Events tabledescription: 包含 Google Analytics 事件导出数据resource: https://bigquery.googleapis.com/…tags: [events, Google Analytics, BigQuery]—`
body 分层写入：Overview → Schema → Metrics → Joins → Citations。
* * *
## 对个人知识库的启发
OKF 的价值不是让你迁移到一套新系统，而是让你重新审视几个已经存在的实践：
**MOC 是入口，不是装饰**— MOC 的本质是**路由**——告诉 AI 或其他人「这个领域的知识从哪里开始、核心是哪几篇」。写得好的 MOC 应该能让人在三分钟内搞清楚这个领域的结构。
**frontmatter 的 type 字段值得认真填**— OKF 只强制要求`type`，这是有道理的。类型标签是机器理解一篇笔记「是什么」的最直接路径。
**References 是双向的**— A 引用了 B，B 应该能列出「被谁引用」。OKF 的 viz.html 在每个节点详情里显示了「Cited by」。Obsidian 的反向链接面板本质上做了同一件事——但很多人没有认真用过它。
**知识库也需要「新陈代谢」**— OKF Bundle 的结构适合稳定领域，但现实中的知识库是不断生长的。定期 review、淘汰过时内容、合并重复概念——比一味新增更重要。
[登录查看剩余 70% 内容](javascript:void (0);)
https://www.53ai.com/keyword/AI%E7%9F%A5%E8%AF%86%E5%BA%93https://www.53ai.com/keyword/%E7%9F%A5%E8%AF%86%E7%AE%A1%E7%90%86https://www.53ai.com/keyword/%E7%9F%A5%E8%AF%86%E7%AE%A1%E7%90%86%E5%B7%A5%E5%85%B7
分享：
用微信扫描二维码
用微信扫描二维码
用微信扫描二维码
用微信扫描二维码
53AI，企业落地大模型首选服务商
**产品**：场景落地咨询+大模型应用平台+行业解决方案
**承诺**：免费POC验证，效果达标后再合作。**零风险落地应用大模型**，已交付160+中大型企业
https://www.53ai.com/news/zhishiguanli/2026061976038.htmlhttps://www.53ai.com/news/zhishiguanli/2026061794601.html
https://www.53ai.com/news/zhishiguanli
相关资讯
https://www.53ai.com/news/zhishiguanli/2026070483450.htmlhttps://www.53ai.com/news/zhishiguanli/2026070298312.htmlhttps://www.53ai.com/news/zhishiguanli/2026070210735.htmlhttps://www.53ai.com/news/zhishiguanli/2026070128069.htmlhttps://www.53ai.com/news/zhishiguanli/2026070103542.htmlhttps://www.53ai.com/news/zhishiguanli/2026070130596.htmlhttps://www.53ai.com/news/zhishiguanli/2026063070523.htmlhttps://www.53ai.com/news/zhishiguanli/2026063026970.html
https://www.53ai.com/solution.html
https://www.53ai.com/solution.html
160+中大型企业正在使用53AI
[立即咨询](javascript:void(0))[预约演示](javascript:void(0))
https://www.53ai.com/news/dongtai/2025012294502.htmlhttps://www.53ai.com/news/dongtai/2025012234192.html
https://hub.53ai.com/
热点资讯
https://www.53ai.com/news/zhishiguanli/2026040727630.htmlhttps://www.53ai.com/news/zhishiguanli/2026042838960.htmlhttps://www.53ai.com/news/zhishiguanli/2026041292651.htmlhttps://www.53ai.com/news/zhishiguanli/2026040796142.htmlhttps://www.53ai.com/news/zhishiguanli/2026060472109.htmlhttps://www.53ai.com/news/zhishiguanli/2026040705498.htmlhttps://www.53ai.com/news/zhishiguanli/2026042094382.htmlhttps://www.53ai.com/news/zhishiguanli/2026061189154.htmlhttps://www.53ai.com/news/zhishiguanli/2026042650829.htmlhttps://www.53ai.com/news/zhishiguanli/2026040807925.html
大家都在问
https://www.53ai.com/news/zhishiguanli/2026070483450.htmlhttps://www.53ai.com/news/zhishiguanli/2026063028037.htmlhttps://www.53ai.com/news/zhishiguanli/2026062952940.htmlhttps://www.53ai.com/news/zhishiguanli/2026062917592.htmlhttps://www.53ai.com/news/zhishiguanli/2026061976038.htmlhttps://www.53ai.com/news/zhishiguanli/2026060469170.htmlhttps://www.53ai.com/news/zhishiguanli/2026060124079.htmlhttps://www.53ai.com/news/zhishiguanli/2026052737860.html
热门标签
https://www.53ai.com/news/neirongchuangzuohttps://www.53ai.com/news/LargeLanguageModelhttps://www.53ai.com/news/gerentixiaohttps://www.53ai.com/news/langchainhttps://www.53ai.com/news/llamaindexhttps://www.53ai.com/news/MultimodalLargeModelhttps://www.53ai.com/news/RAGhttps://www.53ai.com/news/zhinengkefuhttps://www.53ai.com/news/knowledgegraphhttps://www.53ai.com/news/finetuninghttps://www.53ai.com/news/RAGFlowhttps://www.53ai.com/news/cozehttps://www.53ai.com/news/difyhttps://www.53ai.com/news/fastgpthttps://www.53ai.com/news/Bishenghttps://www.53ai.com/news/Qanythinghttps://www.53ai.com/news/AIqichehttps://www.53ai.com/news/AIjinronghttps://www.53ai.com/news/AIgongyehttps://www.53ai.com/news/AIpeixunhttps://www.53ai.com/news/AISaaShttps://www.53ai.com/news/tishicikuangjiahttps://www.53ai.com/news/tishicijiqiaohttps://www.53ai.com/news/AIdianshanghttps://www.53ai.com/news/AImianshihttps://www.53ai.com/news/shuziyuangonghttps://www.53ai.com/news/zhinengbaobiaohttps://www.53ai.com/news/zhishiguanlihttps://www.53ai.com/news/OpenSourceLLMhttps://www.53ai.com/news/zhinengyingxiaohttps://www.53ai.com/news/zhinengyingjianhttps://www.53ai.com/news/zhinenghuagaizaohttps://www.53ai.com/news/AIyiliaohttps://www.53ai.com/news/MaxKBhttps://www.53ai.com/news/Palantirhttps://www.53ai.com/news/Gleanhttps://www.53ai.com/news/Openclaw
[应聘简历请发送至： ceo@53ai.com](mailto:ceo@53ai.com)
https://www.53ai.com/product.html
https://www.53ai.com/product/quanyuanAIhttps://www.53ai.com/product/gongzuoduihuahttps://www.53ai.com/product/neirongchuangzuohttps://www.53ai.com/product/zhinengwendanghttps://www.53ai.com/product/mofacaidan
https://www.53ai.com/product/yewuAIhttps://www.53ai.com/product/weixinfenshenhttps://www.53ai.com/product/haiwaikefuhttps://www.53ai.com/product/guanwangkefuhttps://www.53ai.com/product/douyinkefuhttps://www.53ai.com/product/shuzilaoshihttps://www.53ai.com/product/shuzidudaohttps://www.53ai.com/product/zhinengfuwutai
https://www.53ai.com/product/AIXyewuhttps://www.53ai.com/product/zhinengwenshuhttps://www.53ai.com/product/zhinengshenhehttps://www.53ai.com/product/zhinenggongdanhttps://www.53ai.com/product/qiweigenjinzhushouhttps://www.53ai.com/product/zhinengbaojiahttps://www.53ai.com/product/qiweixiaoshouzhushouhttps://www.53ai.com/product/zijianyingyonghttps://www.53ai.com/product/qiweikefuzhushou
https://www.53ai.com/consulting.htmlhttps://www.53ai.com/fine-tuning.html
https://www.53ai.com/kehuanli.html
https://www.53ai.com/kehuanli/hangyeanlihttps://www.53ai.com/kehuanli/solution
https://www.53ai.com/news.html
https://www.53ai.com/news/qianyanjishuhttps://www.53ai.com/news/agentplatformhttps://www.53ai.com/news/hangyeyingyonghttps://www.53ai.com/news/qiyejingyinghttps://www.53ai.com/prompt.html
https://www.53ai.com/about.html
https://www.53ai.com/about/introductionhttps://www.53ai.com/about/cooperation
友情链接：
https://www.waytoagi.com/https://www.yuncan.com/https://www.wescrm.com/https://www.mingpian.top/https://www.uweb.net.cn/
CopyRight © 2012-2026 深圳市博思协创网络科技有限公司 版权所有
https://beian.miit.gov.cn/
广州：广州市华景路37号(华景软件园)暨南大学科技大厦6楼（整层）
深圳：深圳市福田区泰然四路29号天安创新科技广场一期A座1204
上海：上海市浦东新区金新路58号1602室
微信扫码
和创始人交个朋友
联系我们
售前咨询
[186 6662 7370](tel:18666627370)
预约演示
[185 8882 0121](tel:18588820121)
微信扫码
添加专属顾问
回到顶部
加载中…
扫码咨询
[](https://www.53ai.com/news/zhishiguanli/2026061759432.html)
https://work.weixin.qq.com/ca/cawcde2599cf74e2d9https://work.weixin.qq.com/ca/cawcdefb661890e885[电话咨询](tel:400-838-1185)
扫码登录
– [x] 登录即表示您同意[《53AI网站服务协议》](javascript:void(0);)
服务协议
欢迎您使用【53AI 官方网站】（以下简称“本网站”或“我们”）。本《会员服务协议》（以下简称“本协议”）是您（以下简称“会员”或“用户”）与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。
在您注册或登录前，请务必审慎阅读、充分理解各条款内容，特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时，即视为您已完全理解并同意接受本协议的全部内容。
一、 定义
本网站：指由【深圳市博思协创网络科技有限公司】运营的，域名为【53ai.com】的网站及相关移动端页面。
会员服务：指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。
知识库内容：指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。
二、 账号注册与登录
登录方式：本网站支持以下登录方式，您可根据实际情况选择：
微信公众号授权登录：您同意将您的微信OpenID信息授权给本网站，用于创建或关联会员账号。
手机验证码登录：您需提供真实有效的手机号码，并通过短信验证码完成身份验证与登录/注册。
账号安全：您的账号仅限您本人使用，禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失，由您自行承担。
实名认证：根据相关法律法规要求，我们可能要求您在特定功能下完成实名认证。如您拒绝提供，可能无法使用部分或全部服务。
未成年人保护：若您未满18周岁，请在法定监护人的陪同下阅读本协议，并在征得监护人同意后使用本服务。
三、 服务内容与规范
知识库查阅权限：会员登录后，有权按照其会员等级对应的权限范围，在线浏览、检索本网站知识库中的相关文章及内容。
服务变更：我们有权根据业务发展需要，调整、变更或终止部分服务内容，并将以网站公告、公众号消息等方式提前通知。
禁止行为：您在使用服务时不得实施以下行为：
利用技术手段批量爬取、下载、转存知识库内容；
将知识库内容用于商业目的或未经授权地向第三方传播；
干扰本网站正常运行或侵犯其他用户合法权益；
发布违法违规信息或从事违反公序良俗的活动。
四、 知识产权声明
权利归属：本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有，受《中华人民共和国著作权法》等法律保护。
有限许可：本网站授予会员一项非独占、不可转让、不可转授权的普通许可，仅限于个人学习、研究之目的在线查阅知识库内容。
侵权追责：未经书面许可，任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现，我们保留追究其法律责任的权利。
五、 个人信息保护
我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息，请单独阅读 《隐私政策》。
您通过微信公众号授权或手机号验证所提供的信息，我们将严格按照《个人信息保护法》的规定处理，仅用于身份识别、服务提供及安全验证等必要用途。
您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。
六、 免责声明
内容准确性：知识库内容仅供参考，不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证，您应自行判断并承担使用风险。
不可抗力：因自然灾害、政策法规变化、网络故障、第三方平台接口异常（如微信接口维护、运营商短信通道故障）等不可抗力导致的服务中断或延迟，我们不承担违约责任。
第三方链接：本网站可能包含指向第三方网站的链接，该等网站的内容和服务不受我们控制，请您自行甄别风险。
七、 违约责任
如您违反本协议约定，我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施，并保留要求赔偿损失的权利。
如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失，您应承担全部赔偿责任（包括但不限于罚款、赔偿金、律师费、公证费等）。
八、 法律适用与争议解决
本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。
因本协议产生的或与本协议有关的任何争议，双方应友好协商解决；协商不成的，任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。
九、 其他
本协议构成双方就本服务达成的完整协议，取代此前任何口头或书面约定。
本协议任一条款被认定为无效或不可执行的，不影响其他条款的效力。
我们对本协议享有最终解释权，并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效，继续使用服务即视为同意修订内容。
[已查阅](javascript:void(0);)
安全验证
拖动下方拼图完成验证
AI生成背景
您的速度已超过 99% 的用户
验证错误,请重试
确定
安全验证
刷新验证码
反馈
切换无障碍验证
切换常规验证
