OKF：為AI代理重新定義知識庫

2026年6月，谷歌推出了開放知識格式（Open Knowledge Format，簡稱OKF），這是一項旨在改變AI代理組織和交換知識方式的開放規範。與依賴嵌入和向量資料庫的傳統方法不同，OKF採用一種極簡的基於檔案的方法：知識被儲存在由Markdown檔案、YAML後設資料和概念間顯式連結組成的包中。這種設計使得知識庫可以像程式碼一樣進行版本控制（例如透過Git），並且AI代理可以透過跟隨連結而非語義搜尋來導航資訊。

OKF的出現源於對傳統檢索增強生成（RAG）侷限性的反思。在RAG中，文件被分割成小塊進行索引，這雖然提高了檢索效率，卻破壞了文件原有的結構和概念間的邏輯關係。例如，一份醫院入院政策文件可能被分成多個塊，當醫生詢問“患者入院流程”時，系統需要從分散的塊中重新構建關係，增加了複雜性。OKF透過將每個概念儲存為獨立的Markdown檔案，並使用連結明確連線相關概念，從而保留了知識的原始結構。

OKF的理念並非谷歌獨創。2026年初，AI研究員Andrej Karpathy提出了“LLM Wiki”的概念，將知識庫比作AI代理的程式碼庫，代理可以像程式設計師一樣持續閱讀、更新和改進它。谷歌將這一社群想法轉化為開放規範，專注於標準化知識本身，而非提供另一個框架或SDK。

一個典型的OKF包包含一個入口檔案index.md、可選的CHANGELOG.md以及多個概念檔案。每個概念檔案包含YAML頭部（定義型別、標題、描述、標籤等）和Markdown正文（包含知識內容及指向其他概念的連結）。例如，一家醫院的知識庫可以包含患者入院政策、急診分診流程、電子健康檔案系統等概念檔案，透過連結相互關聯。

OKF的優勢在於其簡單性和一致性。一旦AI代理理解了一個OKF包的組織方式，它就能輕鬆導航其他遵循相同約定的包。此外，OKF並不完全取代RAG。對於大型非結構化文件集合（如PDF、研究論文），RAG仍然是最佳選擇。而OKF更適合組織內部知識，如政策、流程、API文件等結構化概念。實際應用中，可以採用混合架構：使用RAG檢索非結構化資訊，同時使用OKF提供精確的概念知識。

總之，OKF為AI代理的知識管理提供了一種輕量級、可版本化的替代方案，特別適合需要精確關係維護的場景。隨著AI代理的普及，OKF有望成為知識共享和協作的重要標準。