Google 把「让 LLM 维护知识库」写成了规范:我照这个思路跑了半年

个人知识库几乎都会荒废。不管是 Obsidian、Notion 还是一个塞满 markdown 的文件夹,开头都很有热情,几个月后大多沦为坟场。原因不是它没价值,而是维护成本:每记一条,你得想它该归到哪类、要不要更新某处的交叉引用、回头还得修一下索引。这套「记账」工作量,才是人放弃的真正根因。

Karpathy 去年那条 gist 把这件事点破了:LLM 不会厌倦记账,不会忘记更新交叉引用,一次能改 15 个文件。让人类放弃个人 wiki 的那些琐碎簿记,恰恰是 LLM 最擅长的。换句话说,知识库荒废这个老问题,可能不需要更自律的人,只需要一个不嫌烦的维护者。

2026 年 6 月,Google Cloud 把这个观察形式化成了一份规范:OKF(Open Knowledge Format)v0.1。它不是一个产品,也不是一个平台,而是一份「知识该怎么存,才能让人和 agent 都直接读」的开放约定。值得注意的是,OKF 在介绍它要标准化的「既有实践」时,点名了三样东西:连着 coding agent 的 Obsidian vault、CLAUDE.md / AGENTS.md 这类约定文件、带 index.md 和 log.md 的仓库。

这三样我都在跑,而且跑了半年。所以这篇不谈「OKF 是什么新东西」——它恰恰不是新东西,它标准化的是一群人已经各自在做的事。我想做的是反过来:用 OKF 这把刚出炉的官方尺子,量一量我那套自建的 LLM-as-wiki-agent——结构上和规范有多契合、哪些跑通了、哪些还差一截。

01真正难的不是模型,是「上下文在哪、怎么凑齐」

context assembly problem——个人和组织是同一个问题

给 agent 喂上下文,卡点很少在模型本身,而在「有用的知识到底散在哪、怎么把它凑齐」。OKF 原文把组织里这种碎片化列了一张清单:一张表的 schema、某个指标在你们业务里的真实含义、一次事故的 runbook、两个系统之间的 join 路径、一个旧 API 的弃用通知——这些知识原子,散落在元数据目录(各有各的 API)、wiki 和网盘、代码注释与 docstring,以及资深工程师的脑子里。

后果是双重浪费:每个做 agent 的人都要从零再解一遍同样的「上下文拼装」问题,每个目录厂商都在重新发明同一套数据模型;而知识被锁死在它的创建系统里,没法跨产品、跨组织迁移。OKF 把这个叫 context-assembly problem——agent 真正干活之前,得先把散落各处的相关信息凑齐,这一步今天人人都在重复造轮子。

个人层面是同一个问题的缩小版。我的知识散在三处:自动记忆文件、与 Claude 的历史对话、随手写的临时 md。想回答「我之前研究过 X 吗」,得人肉翻。荒废的根因从来不是「没记」,而是「记完之后的维护记账」压垮了人——而这恰好是 LLM 的强项。所以解法的方向很清楚:把记账这件苦差,交给那个不嫌烦的维护者。

02OKF:一份「最少意见」的知识格式规范

三个设计原则 + 一个 bundle 长什么样

OKF 的核心定义很朴素:把知识表示成一个目录的 markdown 文件,每个文件就是一个 concept,文件之间用标准 markdown 链接互连成一张图;再加一点 YAML frontmatter,存那些需要被查询的少量结构化字段。用它自己的话说——「就是 markdown」(任何编辑器可读、GitHub 可渲染、任何搜索能索引)、「就是文件」(能打成 tarball、能放任何 git 仓库、能挂任何文件系统)、「就是一点 YAML frontmatter」。不需要压缩方案,不需要新运行时,不需要 SDK。

sales/ ├── index.md ├── tables/ │   ├── orders.md          # 一个文件 = 一个 concept│   └── customers.md └── metrics/     └── weekly_active_users.md# orders.md 的开头:--- type: BigQuery Table        # 唯一强制字段title: Orders description: 每行一笔已完成订单 tags: [sales, revenue] --- # Schema customer_id → 链到 [customers](/tables/customers.md)

它的克制体现在三条设计原则上,逐条看:

一、最少意见(Minimally Opinionated)。OKF 对每个 concept 只强制一件事:一个 type 字段。其余全部留给生产者自己定——有哪些 type、还加什么字段、正文分几节,规范一概不管。它定义的是「互操作面」,不是「内容模型」。这一条是整个规范的骨气所在:它只约定大家怎么对接,不规定你脑子里该装什么。

二、生产者/消费者解耦。谁写知识,和谁消费知识,被干净地分开。一个人手写的 bundle,可以被 agent 消费;一个由元数据导出管线生成的 bundle,可以被可视化工具浏览;一个由某个 LLM 合成的 bundle,可以被另一个 LLM 查询。写和读不必是同一方、同一时刻、同一工具。

三、格式而非平台(Format, Not Platform)。它不绑任何云、数据库、模型厂或 agent 框架,永远不需要专有账号或 SDK 才能读写。这是它和「又一个知识管理 SaaS」的本质区别——它赌的是格式本身成为通用语,而不是把你锁进某个产品。

一个 bundle 长什么样?一个装着 concept 文件的目录,加上可选的 index.md(层级导航)和 log.md(变更历史)。Google 还附了三件参考实现:一个富化 agent(遍历 BigQuery 数据集,为每张表自动起草 OKF concept,再用第二轮 LLM 爬权威文档补引用和 join 路径)、一个纯静态 HTML 可视化工具(把任意 bundle 转成交互图,无后端、免安装、数据不出页面)、以及三个示例 bundle(GA4 电商 / Stack Overflow / Bitcoin,全是 BigQuery 公…

— 以上为试看内容(约 40%),开通会员后阅读全文 —