# 策展 · X (Twitter) 🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：AI confused (@Hjfjfjsj) · 平台：X (Twitter) · 日期：2026-06-18

> 原始來源：https://x.com/hjfjfjsj/status/2066826236941467749

## 中文摘要

Google Cloud 發布 Open Knowledge Format (OKF) v0.1，旨在透過極簡的 Markdown 格式解決 AI Agent 缺乏業務上下文的痛點。

**核心痛點與解決方案**
目前企業級 AI Agent 落地面臨的最大障礙，在於組織內部的知識碎片化，散落在各類 API、Wiki、程式碼註解及資深員工的腦海中，導致開發團隊必須不斷重複編寫爬蟲與介面來整合這些資訊。Google Cloud 團隊提出的 OKF v0.1 採取了「格式而非平台」的設計哲學，將知識結構化為「知識目錄（Bundle）」，其核心結構包含：
- 包含結構化元資料的 YAML frontmatter。
- 描述業務概念、資料表或流程的 Markdown 主體內容。
- 透過 Markdown 連結建立的知識圖譜關係。

**設計哲學與配套工具**
OKF 強調極簡主義，僅要求 `type` 為必填欄位，實現了生產者與消費者的完全解耦，讓人類可透過 Markdown 閱讀器（如 Obsidian）直接檢視，同時讓 Agent 能無縫進行 RAG 檢索。為了推動落地，Google 開源了兩項配套工具：
- Enrichment Agent：自動化腳本，可遍歷 BigQuery 資料庫並自動生成包含 Schema 與欄位釋義的 OKF Markdown 文件。
- Static HTML Visualizer：純前端工具，可將 Markdown 資料夾渲染為具備關聯連線的互動式知識圖譜。
開發者可透過 GitHub 專案 [GoogleCloudPlatform/knowledge-catalog/okf](https://github.com/GoogleCloudPlatform/knowledge-catalog/okf) 獲取相關資源。

**批判性反思**
儘管 OKF 展現了「奧卡姆剃刀」原則的應用，但作為 v0.1 版本，其過於極簡的特性也帶來了潛在風險：
- 缺乏強制性的 JSON Schema 驗證，導致跨組織的相容性可能受限。
- 在大規模應用下，如何確保數千份文件的內容時效性，以及避免自動化更新帶來的幻覺與衝突，仍是治理上的難題。
- 它目前更適合作為 DataHub 或 OpenMetadata 等重型資料目錄系統的輕量級補充，而非直接取代。

**開發者實踐建議**
對於正在建構內部 RAG 或 Agent 的團隊，建議採取以下行動：
1. 停止開發複雜的異構資料接入層，轉而採用 Markdown + YAML 的文件編寫模式。
2. 實踐「知識即程式碼（Knowledge as Code）」，將文件納入 Git 工作流，要求在資料庫結構變更時同步提交更新 OKF 的 PR。
3. 利用現有的檔案系統進行低成本試錯，無需部署昂貴的基礎設施即可驗證流程。

## 標籤

AI-native, Agent, 開源專案, Google Cloud