Google Cloud 推出 Open Knowledge Format (OKF)：为 AI Agent 提供厂商中立的 Markdown 上下文规范

一句话看懂

Google Cloud 推出 Open Knowledge Format (OKF)，一种基于 Markdown 文件的开放规范，让 AI Agent 能直接读取和更新结构化的企业知识，无需依赖特定平台或 SDK。

详细发生了什么

Google Cloud 于 2026 年 6 月 16 日发布了 Open Knowledge Format (OKF) v0.1。这是一个厂商中立的开放规范，旨在解决 AI Agent 获取企业内部分散知识的难题。OKF 将知识表示为一个目录结构，里面是 Markdown 文件和 YAML frontmatter。每个文件代表一个概念（如数据表、指标、runbook），文件路径就是它的唯一标识。概念之间通过标准 Markdown 链接形成知识图谱。

OKF 的设计遵循三个原则：最小化意见（只要求每个概念有 type 字段）、生产者与消费者独立（人类写的 bundle 可被 Agent 读取，反之亦然）、格式而非平台（不绑定任何云、数据库或模型提供商）。Google 同时发布了参考工具，包括 BigQuery 富化 Agent、静态 HTML 可视化器和三个示例 bundle。

与 RAG 不同，OKF 存储的是经过策划、版本控制的概念。Agent 可以直接读取和更新，而不是在查询时从原始块中重新推导知识。

中文圈视角

OKF 对中文开发者意味着几个关键点：

国产平替机会：国内类似场景（如阿里 DataWorks、华为 DataArts、字节跳动数据平台）目前缺乏统一的知识交换格式。OKF 的开放特性可能催生国内适配方案，例如 ModelScope 或飞书文档团队可基于 OKF 构建中文版知识管理工具。
中文场景适用性：OKF 基于 Markdown，天然支持中文内容。国内团队可用它管理数据字典、指标定义、运维手册等，配合国产模型（如 DeepSeek、Qwen）构建内部 Agent。但需注意 YAML frontmatter 中的字段名（如 type, title）为英文，中文用户可能需要额外本地化工具。
合规与数据主权：OKF 作为纯文件格式，数据可完全存储在本地或私有 Git 仓库，避免数据出境风险。这对金融、政务等强监管行业尤为重要。
社区生态差距：目前 OKF 的参考工具和示例以英文为主，中文社区尚未出现活跃的讨论或贡献。国内开发者可抓住窗口期，建立中文 OKF 最佳实践和工具链。

几条值得记住的细节

OKF v0.1 只要求每个概念文件包含 type 字段，其他字段（title, description, resource, tags, timestamp）为可选。
一个 OKF bundle 就是一个目录，包含 Markdown 文件，可直接放在 Git 仓库中，通过 PR 审查变更。
Google 提供了参考工具：BigQuery 富化 Agent、静态 HTML 可视化器、三个示例 bundle（数据目录、runbook、团队 wiki）。
OKF 与 RAG 的关键区别：RAG 在查询时从原始块中检索，OKF 存储经过策划的概念，Agent 可直接读取和更新。
OKF 不依赖任何 SDK、运行时或注册中心，只需标准文件系统和 Markdown 解析器即可使用。

一句话总结

OKF 为 AI Agent 提供了一种简单、开放的知识共享方式，中文开发者应关注其在数据治理和内部工具中的落地潜力。