2026 年 6 月,Google Cloud 以 Apache 2.0 开源了开放知识格式(OKF),将 Karpathy 两个月前提出的 LLM-Wiki 模式正式化为厂商中立的开放规范。OKF 不要求推翻现有工具,不要求先部署向量数据库,而是从「把知识整理清楚」这个根本出发。本文从知识库困境、Karpathy 的摄入时编译洞察、OKF 的正式化与企业化设计、与 RAG 的分层关系、一周 MVP 落地路径五个维度展开分析。
2026 年 4 月,Andrej Karpathy 在 GitHub 发了一个 Gist,描述了一种个人知识库架构:原始资料放 raw/ 目录,LLM 编译生成的结构化文章放 wiki/ 目录,index.md 做导航入口。
按传统理解,这只是一个个人实验。
然而,两个月后,Google Cloud 把这个模式正式化为一个开放规范——Open Knowledge Format(OKF),2026 年 6 月 12 日以 Apache 2.0 许可证开源,版本号 v0.1。它不是一个产品,不是 SaaS 平台,而是一个格式规范:定义如何用一组 Markdown 文件表示「给 AI Agent 和人类都能读懂的知识」。
背后的逻辑值得深究。Karpathy 的个人实验为什么值得 Google 用两个月时间正式化?企业的知识库又为什么需要关注这件事?围绕上述问题,本文将从知识库现状、Karpathy 的核心洞察、OKF 的规范设计、与 RAG 的分层关系以及落地路径五个角度展开分析。
01
你的知识库,AI 用起来有多痛苦
企业知识的现状,可以用一个典型场景来说明。
你让 AI Agent 帮你查一个业务指标的定义,它编了一个计算口径给你。问它某个操作流程怎么走,它引用了三年前的旧版文档。
问题不在模型。模型已经足够强了。问题在于模型需要的上下文——数据表的含义、指标的计算口径、系统之间的关联、操作流程的步骤——分散在各种互不兼容的系统里。Google 在发布 OKF 时的表述很直接:这些知识原子分散在元数据目录的专有 API 里、各种 Wiki 系统或共享网盘里、代码注释里、几个资深工程师的脑子里。每一个 Agent 开发者都在从零解决同一个上下文组装问题。
我们可以把企业知识的存在形态从「最难处理」到「最结构化」排列一下:纸质文件和扫描件、图片化 PDF、Word/Excel 文件、Confluence/Notion/SharePoint 页面、Markdown+Git 仓库。
这些形态背后有三个系统性问题。
第一个是知识孤岛。同一个指标、同一个流程在不同系统里有不同版本,Agent 不知道哪个是权威的。第二个是格式不统一。OCR 出来的文本、Confluence 页面、代码注释,三者格式完全不同,每个 Agent 都需要定制解析器。第三个是元数据缺失。文档没有类型、来源、时间戳、标签,Agent 在检索时无法有效过滤。
RAG 是目前最主流的解决方案,但它有几个结构性缺陷。文档被切分为语义碎片,一个指标定义可能被拆到三个 chunk 里,Agent 需要自行拼合。不同来源的文档元数据字段各异,没有统一的 type、resource、tags,难以做精确过滤。同一知识在多个文档里重复出现,Agent 不知道哪个版本最新、哪个最权威。
换言之,RAG 解决了「怎么检索」,但没有解决「知识本身怎么存放和标注」。
02
Karpathy 的洞察:摄入时编译,而非查询时检索
理解 OKF 之前,需要先理解 Karpathy 的 LLM-Wiki 模式。
2026 年 4 月,Karpathy 在 GitHub Gist 中描述了一种知识库架构,包含三个核心组件:raw/ 目录存放原始资料(PDF、笔记、文章),wiki/ 目录存放 LLM 编译生成的结构化 Markdown 文章,index.md 作为导航入口,大小控制在 LLM 上下文窗口内。
这个模式与 RAG 是两种思路。RAG 是查询时检索——每次提问都从原始文档中搜索相关片段,拼接入 prompt。LLM-Wiki 是摄入时编译——在知识进入系统时,让 LLM 一次性把原始内容理解、提取、组织成结构化文章,之后查询时直接读编译后的知识。
让我们来打个比方。RAG 像是每次做菜都从原材料开始切配,LLM-Wiki 则是提前…