企业 Agent 为什么答得很顺,却不一定可靠
图:Agent 知识治理示意,知识从碎片进入可追溯案卷。
一个 Agent 最危险的时刻,不是它回答不上来。
是它回答得太顺了。
它能把语气调得很稳,把逻辑排得很像样,甚至给你一个看起来完全合理的结论。可你只要追问几句,麻烦就来了:这条规则来自哪份文档?这个指标到底按哪个口径算?它引用的来源还有效吗?谁允许它看到这段内容?
很多企业 AI 的幻觉,不是从模型开始的,而是从知识没有身份开始的。没有 resource,它不知道这条知识对应哪个真实资产;没有 owner,它不知道出了问题该找谁;没有 timestamp,它分不清新旧口径;没有 citation,它无法追溯判断来源;没有 permission,它甚至可能把不该看的上下文拿来推理。
一个老员工说“活跃用户”,脑子里会自动带上表、字段、口径和历史坑。Agent 没有这种组织记忆,它看到的是散在 Wiki、SQL 注释、数据目录、工单和群聊里的碎片。
Google Cloud 这次推 Knowledge Catalog 和 Open Knowledge Format,简称 OKF,要解决的就是这件事:让企业知识有身份、有来源、可引用、可治理。
当 MCP、function calling、workflow 这些能力逐渐普及,Agent 的主要失败点会从“不会调用工具”,转向“调用工具前拿错上下文”。它能查表,问题是查哪张表;它能写 SQL,问题是按哪个指标口径写;它能检索文档,问题是这份文档是否过期、当前用户是否有权使用。
这次发布的重点不是新目录,而是把来源、口径、权限和时效放进 Agent 的上下文层。
Agent 缺的不是工具,是可信案卷
过去两年,AI 圈给 Agent 装了很多“手”:MCP 让它接工具,function calling 让它调 API,workflow 让它跑流程,browser use 和 code interpreter 让它能查网页、处理文件、写代码。
可真到企业里,决定 Agent 能不能干活的,不只是它会不会调用工具,而是它有没有一套可信案卷:指标怎么算,哪张表能用,字段是不是废弃,权限边界在哪里。
没有这层知识,Agent 不会沉默。
它会把猜测包装成结论。
所以“知识决定 Agent 的能力下限”不是一句漂亮话。模型会写 SQL 只是上限;DAU 到底按设备、账号还是事件去重,events_20260101 这种表能不能合并,某个字段是不是三个月前已经废弃,当前用户有没有权限看这段数据,才决定它会不会稳定做对。
Knowledge Catalog 和 OKF 被低估,也是在这里。它们看起来像“知识管理”,实际做的是一组更具体的动作:给资产标身份,给判断挂来源,给字段接业务口径,给用户套权限边界,给变更留下审阅痕迹。
Knowledge Catalog 不是文档库
Google Cloud 的 Knowledge Catalog,可以先理解为面向企业 Agent 的上下文与治理产品。产品页给它的定位是“Always-on context and governance for your agents”。它卖的不是一个目录页,而是 Agent 调用知识时的上下文和权限约束。
传统数据目录主要服务人:我去哪儿找表,字段什么意思,负责人是谁,数据什么时候更新。Knowledge Catalog 面向的是另一种工作方式:Agent 在回答、检索、分析、执行任务时,能不能持续拿到可信上下文,并且被权限和治理规则约束住。
这也解释了它和 RAG 的差别。RAG 是检索模式,企业 RAG 当然也可以做治理;Knowledge Catalog 更像上下文控制面,负责资产身份、权限、业务语义、verified queries、metadata harvesting,再把这些上下文喂给检索和 Agent。
OKF 和 Knowledge Catalog 的关系,要放在这条线上看。Knowledge Catalog 是产品层,试图把企业级上下文和治理做成服务;OKF 是格式层,试图给知识一个开放、可读、可迁移的包装方式。一个做云服务,一个做文件格式,目标都是让知识能被 Agent 读取和审计。
开源 repo 里到底有什么
这里有个很容易误读的边界:Google 没有把 Knowledge Catalog 云服务本体开源。GoogleCloudPlatform/knowledge-catalog 这个 repo,README 里明确写着:This repository and its contents are not an official Google product.
它更像一套围绕 Knowledge Catalog 做上下文工程的开源工具箱。顶层主要有四块:
agents/ 是更完整的新主线,里面有 agents/mdcode 和 agents/enrichment。前者提供 kcmd,也就是 Metadata as Code 工具,把 Knowledge Catalog / Dataplex metadata 拉成本地 YAML 和 Markdown,再同步回 Catalog;后者是 Python enrichment agent,有 table、doc、context_overlay 三种模式,可以把 BigQuery、Drive 文档、GitHub repo、用户反馈、查询历史这些上下文揉进 catalog metadata。
okf/ 是 Open Knowledge Format 这条线。里面不只有 spec,还有 Python 参考 enrichment agent、viewer、测试、样例 bundle。okf/bundles/ 里已经签入 GA4、Stack Overflow、Bitcoin 三套样例,每套都有可以直接打开的 viz.html。
samples/ 是面向云服务 API 的样例,包括 discovery agent 和 enrichment sample。前者演示怎么基于 Catalog Search API 做发现,后者演示怎么生成、审阅、发布 metadata enrichment。
toolbox/ 也放了 mdcode 和 enrichment,更像早期或并行的 T…