谷歌云在2026年6月发布了一份叫开放知识格式(OKF)的小型规范,用来把组织内部那些散落在维基、数据目录、代码注释和员工脑子里的知识写下来。发布之后声量涨得很快,但真正值得看的是性能证据——而独立测试给出的答案并不站在宣传那一边。

打开网易新闻 查看精彩图片

先说清楚OKF是什么。它就是一个装着markdown文件的文件夹,每个文件对应一个概念(一张表、一个指标、一份运维手册),开头是YAML元数据,概念之间用普通markdown链接串起来。规范大约451行,只强制要求一个字段:type。谷歌云自己的公告说,它把"LLM-wiki模式"固化成了一种可移植、可互操作的格式。

这个想法不是谷歌发明的,来路值得捋一遍。

从检索到文件

2020年的RAG论文给"提问时再去检索"这件事起了名字,2021到2023年向量数据库随之爆发。RAG在庞大杂乱的数据上表现不错,但切块会把一个答案劈成两半,相似度奖励的是"看起来相关"而不是"内容正确",事实之间的关系靠推断而非明示。

2025年起,证据开始指向另一条路:纯文件也能承载智能体记忆。Letta报告称,使用纯文件的智能体在LoCoMo上得分74.0%,而Mem0为68.5%;Anthropic在当年秋天推出了基于文件的记忆工具和Agent Skills。2026年2月,Claude Code的创造者表示,对它来说智能体式搜索总体上比RAG效果更好。

真正的火花来自2026年4月2日。Andrej Karpathy发帖谈用大模型为研究主题搭建个人知识库,形式是模型自己编译和维护的markdown维基。两天后他发布了一份叫LLM Wiki的"想法文件",结构分三层:模型只读的不可变原始资料、模型自己拥有的markdown页面维基、以及告诉模型如何组织维基的schema文档。随后两个月里,据一份统计出现了200多个实现和800多条回应。类似约定在代码仓库里早已常见,仅AGENTS.md据报就出现在6万多个开源项目中。

2026年6月12日,谷歌云的Sam McVeety和Amir Hormati发布OKF v0.1。Hormati的概括是:这是一个格式,不是一个平台。卖点在于互操作——人、流水线或大模型写出的知识包,任何合规工具都该能读,不需要指定云、SDK或账号。7月24日的v0.2增加了可选的信任字段(谁写的、谁验证的、何时过期),项目现放在独立仓库GoogleCloudPlatform/open-knowledge-format下,采用Apache-2.0许可。

对谷歌自己意味着什么

实际收益落在产品侧。谷歌当天就更新了Knowledge Catalog,让它能摄入OKF知识包并提供给自家智能体,还上线了一个从BigQuery数据集起草概念文件的富化智能体、一个静态图谱查看器和三个示例包(GA4电商、Stack Overflow、比特币)。

有一份分析给出的战略解读值得知道:文件格式是免费的,而存储、提供和管控知识访问的治理层才是谷歌卖的东西,这一层明确在规范之外。谷歌自己的说法是,格式的价值来自有多少方使用它,而不是谁拥有它。谷歌没有公布内部数据说明OKF给自己带来了什么提升,所以"它如何帮到谷歌"目前是一个产品集成故事,不是一个被测量过的结论。

谁在用

早期信号大多规模很小。SEO研究者Marie Haynes在X上发帖称OKF"可能取代Notion或Obsidian",据报获得约100万次浏览。独立站点No Hacks在一天内为自己的页面手写了一个OKF包。发布时三个示例包和两个参考实现都由谷歌自己完成,同一批报道称当时还没有外部采用。工具侧开始加导出:Substrate可导出OKF压缩包,Nowledge Mem导出OKF 0.2包。怀疑的声音同样存在,一位分析师在同一批报道中表示,被发布出来不等于被广泛使用;另一位评论者把单一厂商的v0.1规范称为"一份邀请",而不是标准。

性能到底有没有提升

这是宣传跑在数据前面的地方。谷歌的公告和发布报道里没有基准测试。存在的是独立测试,而且结果好坏参半。

  • 开发者Joe Karlsson把约200个教Claude Code认识自己家庭实验室的markdown文件做了转换,用44个问题、每个跑三次测试了三个版本。只加OKF元数据没有任何可测量的变化;收益来自重构成"一个文件一个概念"并加上索引,启动上下文大约减半,每个问题的成本降低约30%。他自己的保留意见是:44个问题样本太小,准确率是"保持住了",而不是提升了。
  • 一项发表在SSRN上的受控RAG研究没有发现提升。研究把同一份源文档分别做成普通RAG切块和OKF概念做对比,早期结果看起来OKF大胜(页面命中率91.1%对稠密向量基线的65.8%),但那个稠密编码器只能读256个token,而80.9%的段落比这更长;加入OKF来源后,检索和回答质量都没有改善。
  • 厂商数字要小心。一个OKF生成器网站宣传每次查询从token降到约140token、约97%的削减。那是工具厂商的营销数字,不是独立基准。

目前的判断是:OKF可测量的好处看起来在结构和token纪律上——小、带索引、互相链接的文件,由智能体按需加载——而不是对构建良好的检索系统带来神奇的准确率加成。这个格式也把难题留在了门外:没有访问控制,新鲜度只是建议性的,校验很浅,生态还很年轻。

什么时候该用

如果智能体几乎每个任务都依赖某个事实,而答错的代价很高——指标定义、表结构、业务规则——那就值得把它整理成OKF。工单、PDF和日志这类长尾内容,留给RAG。起步方式是小规模试点:几十个概念、一个负责人、一个智能体用例,拿它和现有方案做对比测量,并且保留原始资料。