知识产物究竟该长什么样？今天聊聊 OKF！

这个 OKF 解决的问题，就是 知识 到底应该怎么储存才更合 AI 的胃口？而且人类又可读！如何防止所有这些信息变得过时和臃肿？(尤其是那些小模型)

毕竟我们现在让 AI 去自己探索知识库，使用的技术都是以前为人类设计的。就像人类是为草原狩猎采集者模式设计的哺乳动物，而不是每天在格子间 996 ，一天见不到几个动物植物、与大自然接触很不充分的工具（所以会爆发很多问题，比如情绪）。

这个 OKF 它试图定义知识产物究竟应该长什么样！

今天简单聊聊这个新技术。

为什么有？

这是今年 6 月谷歌发布的技术。目前很简单，是开源、开放的一种格式。简单不意味着草陋，毕竟只是一个刚诞生的婴儿。

OKF 规范文件：https://github.com/GoogleCloudPlatform/knowledge-catalog/blob/HEAD/okf/SPEC.md

因为过去储存知识，对 AI 其实不是很合适。比如LLM 每次提问时都需从零开始重新发现知识，没有积累。若提出一个需要综合五份文档的微妙问题，LLM 每次都得寻找并拼凑相关片段，毫无建树（就算是 NotebookLM 或者什么 RAG 技术，也解决不了这个问题）。

后来 卡帕西 也发布了一个很简陋的，AI 时代储存知识从畅想： LLM Wiki ，在 AI 圈很火：

仓库： https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f

这是一个结构化的、相互链接的 markdown 文件集合，位于你和原始资料之间。

三层架构：原始来源、Wiki、Schema.....

然后你每次新添加资料，就会更新编译一次，也就是说，知识被一次性编译，然后保持最新 ，而非每次查询时重新推导。

总之，卡帕西觉得他的这个猜想，更适合 AI 来读取我们积累的知识。

当然民间依然有很多其他的 LLM Wiki 猜想，而 OKF 主要是整合了一下，把这些猜想实践了。

它很像 CLAUDE .md/记忆文件夹模式 ，不过更规范了。

技术长什么样？

很简单，就是一个包含 Markdown 文件的目录。类似于 SKILL ，但是比 SKILL 更加简单，是专门处理知识的。

一个 OKF 包就是一个文件夹。文件路径就是概念身份。

每个文件顶部都有一段简短的 YAML 元数据，标明文件类型、标题、描述，并像任何 Markdown 文档一样链接到相邻文件。

智能体（agent）可以直接读取它，无需抓取，也无需 API 介入。

比如写成这种：

---
type: Article
title: 如何链接 Ahrefs MCP Server ？
description: 介绍了怎么链接这个服务器。
resource: https://example.com/
tags: [mcp, ahrefs]
---

# 如何链接 Ahrefs MCP Server ？

先这样，再这样，然后这样。

我个人感觉，就好像当年 HUGO 那个静态博客生成器里写的文章原文一样。

当然，具体细节还是很复杂的，大家可以去上面的两个参考链接看看。

目前还是草案，没有用于生产环境。但是这个也是未来的一个方向。毕竟是对 AI 做过优化。让整个互联网围绕“知识是什么”形成最低限度的共识（比如 HTML 成为「网页」的共识）。

未来如果 OKF 成为行业内的标准，生态强大，那么现在早早研究这个的你，会积累很多经验。感兴趣大家去研究一下。