OKF：为AI代理重新定义知识库

2026年6月，谷歌推出了开放知识格式（Open Knowledge Format，简称OKF），这是一项旨在改变AI代理组织和交换知识方式的开放规范。与依赖嵌入和向量数据库的传统方法不同，OKF采用一种极简的基于文件的方法：知识被存储在由Markdown文件、YAML元数据和概念间显式链接组成的包中。这种设计使得知识库可以像代码一样进行版本控制（例如通过Git），并且AI代理可以通过跟随链接而非语义搜索来导航信息。

OKF的出现源于对传统检索增强生成（RAG）局限性的反思。在RAG中，文档被分割成小块进行索引，这虽然提高了检索效率，却破坏了文档原有的结构和概念间的逻辑关系。例如，一份医院入院政策文档可能被分成多个块，当医生询问“患者入院流程”时，系统需要从分散的块中重新构建关系，增加了复杂性。OKF通过将每个概念保存为独立的Markdown文件，并使用链接明确连接相关概念，从而保留了知识的原始结构。

OKF的理念并非谷歌独创。2026年初，AI研究员Andrej Karpathy提出了“LLM Wiki”的概念，将知识库比作AI代理的代码库，代理可以像程序员一样持续阅读、更新和改进它。谷歌将这一社区想法转化为开放规范，专注于标准化知识本身，而非提供另一个框架或SDK。

一个典型的OKF包包含一个入口文件index.md、可选的CHANGELOG.md以及多个概念文件。每个概念文件包含YAML头部（定义类型、标题、描述、标签等）和Markdown正文（包含知识内容及指向其他概念的链接）。例如，一家医院的知识库可以包含患者入院政策、急诊分诊流程、电子健康档案系统等概念文件，通过链接相互关联。

OKF的优势在于其简单性和一致性。一旦AI代理理解了一个OKF包的组织方式，它就能轻松导航其他遵循相同约定的包。此外，OKF并不完全取代RAG。对于大型非结构化文档集合（如PDF、研究论文），RAG仍然是最佳选择。而OKF更适合组织内部知识，如政策、流程、API文档等结构化概念。实际应用中，可以采用混合架构：使用RAG检索非结构化信息，同时使用OKF提供精确的概念知识。

总之，OKF为AI代理的知识管理提供了一种轻量级、可版本化的替代方案，特别适合需要精确关系维护的场景。随着AI代理的普及，OKF有望成为知识共享和协作的重要标准。