国内大多数人还在讨论模型、MCP、Skills 和 Agent Harness。
但 Google 最近正在推动另一件更底层的事情:
知识应该以什么格式存在,才能被人和 Agent 共同读取、维护、交换与验证?
真正重要的标准,刚出现时往往显得异常朴实无华。
HTML 刚出现时,不过是一套标签。
JSON 不过是括号、冒号和字符串。
Agent Skills 的核心,也只是一个包含 SKILL.md、脚本和参考资料的目录。
而 OKF 看起来更加“简单”:一组 Markdown 文件,加上一点 YAML 元数据。
但标准的魅力,从来不在于它有多复杂。
标准真正改变世界的地方,是让整个行业不再重复发明同一个轮子。
2026 年 6 月,Google Cloud 发布了 Open Knowledge Format,也就是 OKF。
它试图把此前已经出现的“LLM Wiki”模式,正式定义成一种开放、厂商中立、可移植的知识格式。
最近几天 OKF 更新到 V0.2,开始加入来源、验证、时效性和可信度等机制。
这件事目前在国内几乎没有引起足够讨论。
但我认为,OKF 触碰到的,可能是 Agent 时代最底层的问题之一:
不是 AI 如何回答问题,而是一个组织的知识,究竟应该以什么形式存在。
/从 LLM Wiki 到 OKF/
如果你之前没有太关注 LLM Wiki,也不用担心。
可以先翻一下我之前关于 LLM Wiki 的文章。
因为 OKF 背后的价值,其实不是一篇文章能够完全讲清楚的。
这篇文章更希望带大家建立一个初步认知:
OKF 到底是什么?为什么它可能成为 Agent 时代知识基础设施的一部分?
尤其是如果你正在定义自己的知识库、企业知识库或者代码知识库,那么 OKF 值得重点关注。
我也是最近在研究企业 Harness 的过程中,才逐渐把注意力放到了 OKF 身上。
因为越深入研究 Agent 工程化,我越发现:
未来真正属于企业自己的,不一定是 Harness 本身,而是 Harness 背后沉淀下来的知识。
而 OKF,正在尝试定义:
这些知识应该如何被 Agent 理解、维护和流转。
/模型有了,工具有了,但知识仍然没有统一接口/
过去两年,Agent 基础设施正在快速分层。
模型负责提供通用智力。
MCP 负责让 AI 应用连接数据库、工具、服务和外部系统。
Skills 负责封装“如何完成一类任务”。
那么,OKF 负责什么?
它试图回答:
Agent 到底应该以什么形式,读取并维护一个组织“知道的东西”?
可以简单理解:
| 层次 | 解决的问题 |
|---|---|
| 模型 | Agent 能不能思考 |
| MCP | Agent 能连接什么 |
| Skills | Agent 应该怎样做 |
| OKF | Agent 应该知道什么,以及这些知识是否可信 |
换一个更形象的说法:
MCP 给 Agent 接上手脚,Skills 教给 Agent 招式,而 OKF 试图给 Agent 一套可以长期维护、跨系统迁移的组织记忆。
当然,Skills 和 OKF 的边界并不是绝对的。
Skill 也可以携带知识。
OKF 也可以描述执行方法。
但二者关注的核心不同:
Skill 更偏向程序性知识:
怎么做。
OKF 更偏向陈述性知识:
什么是真的,为什么是真的,它来自哪里,现在是否仍然有效。
这正是 OKF 可能成为基础设施的原因。
未来企业真正需要的,不只是一个会执行任务的 Agent。
而是一个知道:
- 公司规则是什么;
- 业务定义是什么;
- 哪些信息可信;
- 哪些知识已经过期。
的 Agent。
/让知识成为可交换的产物/
OKF 的设计非常克制。
一个 OKF Knowledge Bundle,本质上就是一个 Markdown 文件目录。
例如,一个企业知识库可以长成这样:
1company-knowledge/2├── index.md3├── log.md4├── metrics/5│ ├── revenue.md6│ └── active-users.md7├── policies/8│ └── revenue-recognition.md
其中,每一个 Markdown 文件,代表一个独立的知识概念。
它可以是一张数据库表。
一项公司政策。
甚至一个业务流程。
文件路径就是这个概念…