Google Cloud 于 2026 年 6 月 13 日（当地时间）发布了面向 AI 代理（AI Agent）的开放规范「Open Knowledge Format（OKF）」{target="_blank"}，旨在让 AI 更容易理解和利用组织内部的知识与数据文脉。

OKF 的定位，是一种同时适合人类和 AI 代理阅读的知识表达格式，用来描述企业内部分散的业务知识和数据说明。

即便基础模型能力不断提升，要让 AI 代理输出准确、可落地的结果，仍然离不开与业务和数据紧密相关的上下文信息。例如：企业内部使用的各类指标定义、数据库字段含义、故障处理步骤、与遗留系统的依赖关系等，这些内容在不同公司之间差异巨大。现实中，这些知识往往分散在 Wiki、共享网盘、代码仓库、数据目录，甚至只存在于相关负责人的经验中，导致 AI 代理难以系统、准确地引用这些关键信息。

OKF 针对这一痛点提出了一个简单思路：不依赖特殊数据库或专用 API，而是将知识整理为一组纯文本的 Markdown 文件。Google Cloud 将 OKF 描述为「使用带 YAML Front Matter 的 Markdown 文件来表达知识的、供应商中立的格式」{target="_blank"}。它不绑定任何特定的 AI 代理、框架、模型提供方或交付系统。

同时面向人类与 AI 代理的知识格式

在 OKF 中，业务知识和数据说明以 Markdown 文档的形式编写。正文部分就是普通文档，人类可以直接阅读、审查和维护；而 AI 代理则可以将这些文档作为上下文输入，理解其中的业务含义，并沿着文档中的关联信息进行推理和检索。

每个 OKF 文件除了正文外，还可以在开头通过 YAML 元数据添加文档类型、关联资源、标签、更新时间等信息。例如，对于某个销售数据表，可以在文档中说明它属于哪个数据集、各字段的业务含义、与哪些业务指标相关联等；在另一份文档中，则可以记录某个 API 的使用方法、运维操作步骤以及参考资料链接。

Google Cloud 总结的 OKF 优点包括：人类与 AI 代理都能直接阅读；可以用 Git 进行版本管理；不易被某个特定服务锁定；并且能够与现有的 Markdown 工具链顺畅结合。像 Notion、Obsidian、MkDocs 等知识管理工具都可以较为方便地接入这类文档，从而把企业内部知识当作「代码」一样进行评审、变更和持续维护。

在 GitHub 公布规范与示例

Google Cloud 已在 GitHub 上公开 OKF 的规范与示例仓库。该仓库不仅包含多种 OKF 文档样例，还提供了从 BigQuery 数据集自动生成 OKF 文档的参考实现，以及将 OKF 内容以图形方式展示的可视化工具。

这些工具主要用于演示：OKF 文档可以如何被创建、转换和使用。生成后的 OKF 可以被导入到知识管理系统、搜索索引、图谱浏览器，或作为大语言模型（LLM）的上下文输入等。

Google Cloud 的 Knowledge Catalog{target="_blank"} 也已更新，支持接入 OKF 并将其提供给 AI 代理使用。Knowledge Catalog 被定位为企业内部数据资产的「数据目录」，为数据附加业务含义和治理信息，使 AI 代理在访问数据时能够引用更准确的业务语境。

OKF v0.1 为初始版本，未来将持续扩展

在 OKF v0.1 规范文档{target="_blank"}中，Google Cloud 给出了用 Markdown 正文与 YAML 元数据来组织知识的基本规则。从当前定位来看，OKF v0.1 更像是一个面向实践的起始规范，而非已经定型的行业标准，后续会在实际落地和社区反馈中不断演进。

随着企业内部 AI 代理应用的深入，问题将不再只是「让模型回答什么」，而是「让模型在什么样的知识体系和业务语境下回答」。OKF 的目标，就是为企业内部沉淀的业务知识和数据资产提供一种统一、开放、易于被 AI 代理消费的组织形式，帮助企业构建可持续演进的知识基础设施。