Google Cloud推出OKF规范，用Markdown统一知识组织，解决AI时代知识碎片化难题！
核心内容：
OKF解决的知识碎片化问题及背景
OKF的核心设计：带YAML frontmatter的Markdown文件目录
三项设计原则与后续发展方向
往期回顾
我用两个 DeepSeek 账号，对比体验了下 DeepSeek++
我用DeepSeek++尝试开发本地项目
2026 年 6 月，Google Cloud 正式发布了一项名为 Open Knowledge Format（开放知识格式，OKF）的开放规范。它的本质其实很简单——就是一套关于"怎么用 Markdown 文件组织知识"的约定。
这篇文章主要聊 3 件事
01｜OKF 要解决什么问题
02｜OKF 的核心设计
03｜三项设计原则与后续方向
01 OKF 要解决什么问题
Google Cloud 在一篇博客中指出一个现实：大多数组织中，AI 需要的信息主要是内部知识——数据库表的 schema、业务指标的含义、事故处理手册、系统之间的关联路径、旧 API 的弃用通知等等。但问题是，这些知识极度分散。
知识的碎片化现状
1.元数据目录——各自有各自的 API
2.Wiki、第三方系统、共享云盘
3.代码注释、文档字符串、Notebook 单元格
4.工程师的大脑中，并未输出到文档
当一个智能体需要回答"如何从xxx中计算xxx"时，它得从这些互不兼容的系统里拼凑答案。结果是：每个用 AI 的人都在重复解决同样的"上下文组装"问题。
已有解法：知识即 Wiki
Andrej Karpathy 的 LLM Wiki 模式正在多个场景下被重新验证
Andrej Karpathy 在他的 LLM Wiki Gist 中说得很清楚：LLM 不会感到无聊、不会忘记更新交叉引用、可以一次处理 15 个文件。那些让人类放弃 Wiki 的维护工作，LLM 反而擅长。
这种模式以不同名称反复出现——接入编码智能体的 Obsidian Vault、AGENTS.md / CLAUDE.md 约定文件、装满 index.md 和 log.md 的仓库。但每一种都是量身定制的，互相之间不兼容。OKF 就是为了弥合这个差距而提出的。
02 OKF 的核心设计
OKF 的定位很明确：解决这个问题需要的是一种格式，而不是另一项知识服务。这种格式应该满足：任何人都能生产（不需要 SDK）、任何人都能消费（不需要集成）、能在系统和组织之间迁移、和代码一起放在版本控制中、人和智能体都能直接读取。
它的具体形态很简单：一个包含带 YAML frontmatter 的 Markdown 文件的目录。
一个 OKF 文档包就是这样的目录结构：
每份概念文档都包含 YAML frontmatter 和 Markdown 正文。frontmatter 只有type字段是必填的：
概念之间通过普通 Markdown 链接相互关联，把目录转变为一张关系图。还可以用index.md实现渐进式披露，log.md记录变更历史。完整规范参见 OKF v0.1 SPEC.md（GitHub）。
我的理解
格式的价值不取决于谁创造了它，而取决于有多少人在用。Google 选择把它作为开放标准发布，而不是藏在自家产品里当独家功能卖，这本身就对生态更有利。
03 三项设计原则与后续方向 三项设计原则
1.尽可能少作预设。只强制要求type字段，其余由生产者决定。
2.生产者与消费者独立。人类手写的、流水线生成的、LLM 合成的，格式是契约，两端可独立更换。
3.是格式，不是平台。不绑定任何特定云、数据库或模型提供商。
!
OKF v0.1 是一个起点，不是已完成的标准。原文鼓励各方阅读规范、编写生产器和消费者、尝试参考实现、提交 Issue 和 PR。格式本身才是贡献，工具只是让它落地。
Google 也发布了参考实现，包括自动遍历数据集生成 OKF 文档的智能体，以及将 OKF 包渲染为交互式图形的可视化工具。Google Cloud 的 Knowledge Catalog 也已支持导入 OKF 格式。不过这些工具只是为了让格式落地，格式本身才是核心贡献。
相关链接
1.Google Cloud: Introducing the Open Knowledge Format
https://cloud.google.com/blog/products/data-analytics/how-the-open-knowledge-format-can-improve-data-sharing
2.Andrej Karpathy: LLM Wiki Gist
https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
3.OKF v0.1 SPEC.md
https://github.com/GoogleCloudPlatform/knowledge-catalog/blob/main/okf/SPEC.md
4.Google Cloud: Knowledge Catalog
https://cloud.google.com/blog/products/data-analytics/introducing-the-google-cloud-knowledge-catalog
如果这篇文章对你有帮助
欢迎点赞，推荐，或者转发给你的朋友。
[登录查看剩余 70% 内容](javascript:void (0);)
AI知识库知识管理知识管理的基本概念
分享：
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
[上一篇：无](javascript:;)下一篇：我是如何用AI管理1400+篇文章库的·知识工程
返回列表
相关资讯
2026-07-26 我是如何用AI管理1400+篇文章库的·知识工程2026-07-26 LLM Wiki + Ontology：让企业知识从“可检索”走向“可行动”2026-07-25 做 FDE 久了会发现：明线是把 AI 装进流程，暗线是把组织里“大家都懂、但没人说得清”的判断掏出来。2026-07-24 分解一座冰山：后端系统「AI 知识库体系」建设实践（长文干货）2026-07-24 「听记」v0.4：我用 Kimi K3 给听记加了实时转录2026-07-22 企业知识库做完了，为什么员工还是在群里问老板？2026-07-22 忘掉"漂流瓶"时代的企业知识库，用事件驱动激活，知识有消费才有增长2026-07-21 AI大模型工具深度运用有哪些实际工作场景？企业如何开启AI赋能新时代
联系获取
联系获取
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))
把握AI发展的机遇，共同探索、共同进步 2025-01-22如何打造基于GenAI的员工服务机器人 2025-01-22
