当前位置：首页 > news >正文

打通智能体的“知识供应链”：OKF 重构 Agent 时代的知识基建

news 2026/7/4 3:30:24

摘要

Google Cloud 近日推出 Open Knowledge Format（OKF），简单来说，就是给企业知识加一层统一目录、标签、版本说明以及摘要，既能继续给人阅读和维护，也能让智能体按来源、类型、更新时间和关联关系读取。它反映出一个新趋势：企业智能体建设正在从“接入模型和工具”，进一步走向“整理可被智能体稳定使用的企业知识”。

对公司而言，OKF 的直接价值体现在四个方面：智能体引用知识时来源更清楚；指标口径、流程规则或产品说明更新后，旧版本内容更容易被发现和替换；API 文档、客服知识、产品资料、数据说明等内容整理一次后，可以在多个智能体场景中复用；同时，OKF 类格式可以融入现有知识库、检索系统、权限管理和业务规则体系，整体改造成本相对可控。

当前 OKF 仍处于 v0.1 阶段，现阶段适合跟踪和小范围验证。建议优先选择一到两个高价值、边界清楚、维护成本可控的场景开展试点。短期重点是验证知识整理方法、引用追溯效果和跨场景复用价值，为后续企业知识库和智能体应用建设沉淀规范。

一、企业知识需要成为人和智能体的共用资产

企业已经沉淀了大量支撑业务运转的知识，包括数据说明、指标口径、业务流程、客服话术和合规规则等。过去，这些知识主要以文档、表格、手册等形式存在，主要由人来查阅、协作和传承。智能体应用出现后，企业通常会把这些文档接入检索问答系统，通过内容切分、向量化和召回，将相关片段提供给模型使用。这一路径确实可以支撑基础问答，但也存在管理问题：文档便于人理解，向量和切分片段主要服务于机器检索；知识进入向量库后，原有目录、上下文关系、版本变化和业务口径容易被弱化，业务人员也难以直接检查智能体引用依据。

OKF 的价值体现在知识进入智能体应用前的组织环节。它让企业知识继续保持普通文件和文档形态，同时补充类型、来源、时间、链接关系等结构化信息，使同一份知识能够被人维护，也能够被智能体读取和复用。企业可以在保留现有知识库、检索系统和权限体系的基础上，把高价值知识整理成结构清晰、来源明确、便于追踪的知识包。

二、OKF 的核心价值：让知识更清楚、更可追溯、更可复用

第一，OKF 有助于把分散知识整理成统一知识资产。企业内部的 API 文档、数据说明、指标口径、流程手册、产品资料和客服知识，通常分散在不同系统和团队中。OKF 类格式可以为这些知识增加统一目录、基础标签、来源信息和关联关系，使智能体在读取知识时更容易判断内容类型、适用场景和引用来源。

第二，OKF 有助于降低旧知识被误用的风险。OKF 采用普通文件和目录组织知识，适合接入版本管理工具。OKF SPEC v0.1 （OKF当前的说明文档）提到，OKF 采取生产者与消费者独立运作的设计，不依赖特定平台环境。这使知识包可以作为相对独立的文件资产维护和分发。对指标口径、接口说明、数据目录和运维流程等经常变化的内容，版本记录和修改留痕可以帮助业务人员追溯知识变化，也能减少智能体引用旧版本内容的概率。

第三，OKF 有助于提升知识复用效率。企业可以把高价值知识先整理成标准化知识包，再接入现有知识库、检索系统、权限管理和业务规则体系。同一份 API 文档、客服规则、产品说明或数据口径，经过一次整理后，可以服务问答、客服、数据分析、运维辅助等多个智能体场景。这样可以减少不同项目重复整理同一批知识的成本，也有利于形成公司统一的知识资产规范。

三、正向信号：知识组织正在成为厂商共同关注的问题

Google Cloud 推出 OKF，并将其放在数据共享、团队协作和现代 AI 系统所需知识表示的语境中讨论，说明知识组织和上下文管理已经进入云厂商产品能力建设范围。GitBook、Cherryleaf 等文档平台和技术文档服务商，也开始从 AI 如何读取文档的角度解读 OKF。这些信号表明，企业文档的价值正在从静态沉淀，延伸为智能体可使用、可引用、可复用的知识来源。

中文技术社区也开始从“知识长期维护”和“知识跨系统流通”两个角度解读 OKF。有文章指出，企业过去更关注如何把知识沉淀下来，OKF 进一步强调整理后的知识如何在不同工具、团队和智能体之间流通。这个视角有助于理解 OKF 的业务位置：企业知识经过一次整理后，可以从单一项目资产进一步变成跨场景复用的知识资产。

总体看，OKF 代表的是一个正向信号：企业智能体建设正在从模型选择、工具调用，进一步走向知识如何组织、交换、引用和维护。企业越早把高价值知识整理成可追踪、可复用、可被智能体读取的资产，后续在多个智能体场景中的重复建设成本越低。

四、行业场景：知识密集业务具备验证价值

金融行业适合验证 OKF 类格式。金融场景中存在大量指标口径、风控规则、合规说明、审计材料、数据目录和报表解释。Google Cloud 关于金融数据治理的材料强调，金融机构需要满足安全、监管合规、数据保护、数据可发现性和数据血缘等要求。结合这些需求，OKF 类格式可用于整理金融业务术语、指标定义、政策说明和流程知识，为数据问答、合规辅助、风险解释和内部运营支持提供更稳定的知识基础。

医药和生命科学行业也具备验证价值。Veeva 关于医学事务与 AI 的材料提到，AI 正在改变科学信息的访问和解释方式。DIA 也讨论了生成式 AI 对临床、医学事务、安全和监管事务等生命科学职能的影响。医学内容、产品说明、合规口径、监管文件和医学事务材料都需要保持专业、准确和可追溯。OKF 类格式可以用于组织医学内容、产品知识和合规说明，帮助智能体在回答、检索和内容生成时使用更明确的知识来源。

软件、开发者生态和企业服务场景更接近 OKF 的早期适配方向。API 文档、SDK 文档、开发者指南、故障处理手册和服务流程天然具有较强结构性，适合整理成知识单元。GitBook 已经将 OKF、MCP、llms.txt 等机制放在未来文档趋势下讨论，说明文档平台正在从人类读者优先，扩展到人和智能体共同使用。

品牌、营销和产品知识也会受到影响。随着用户越来越多通过智能体获取产品信息、比较方案和形成购买建议，企业需要让自己的品牌内容、产品说明、服务能力和常见问题以更清晰、可靠、可读取的方式被 AI 系统理解。VizUp 关于 OKF 的文章提到，OKF 反映了 AI 系统对结构化、可靠上下文的需求。这个方向对品牌内容、产品知识库和售前材料都有参考意义。

客服和企业服务场景同样适合验证。Intercom 的服务智能体知识管理材料强调，服务智能体的效果高度依赖知识库质量。服务政策、产品功能、工单流程、售后规则和标准答复如果缺少结构化整理，智能体容易出现答非所问、引用旧规则或无法解释来源的问题。OKF 类知识包可以作为服务知识的组织方式，帮助企业提升知识维护和智能体调用的一致性。

五、落地建议：从高价值知识场景做小范围验证

建议对 OKF 保持跟踪，并选择低风险、高结构化价值的知识场景开展小范围验证。短期目标聚焦 OKF 类格式对知识组织、维护成本、引用追溯和智能体读取稳定性的改善效果，避免过早替换现有知识库体系。

第一，选择边界清楚、来源明确、更新频率可控的知识。API 文档、数据目录、指标口径、运维手册、产品知识库和常见问题都适合纳入初始验证范围。

第二，沉淀公司自己的轻量知识包规范。可以借鉴 OKF 的思路，定义知识单元的基础字段，例如类型、标题、来源、负责人、更新时间、标签、引用链接、适用范围和版本记录。规范可以兼容 OKF 的设计思路，同时服务公司现有平台和业务场景。

第三，将 OKF 类知识包接入现有检索和智能体链路。验证重点可以放在四类效果上：知识整理和维护成本是否下降，检索命中和引用追溯是否改善，智能体读取知识的稳定性是否提升，后续跨场景复用是否更方便。

总体来看，OKF 的意义在于提供了一个值得借鉴的方向：企业知识需要从零散文档走向结构化、可版本化、可迁移、可被智能体读取的知识资产。围绕这一方向开展小范围验证，有助于公司在企业知识库、问学平台和智能体应用建设中提前形成方法沉淀。

参考资料

1. Google Cloud：How the Open Knowledge Format can improve data sharing

2. GoogleCloudPlatform / knowledge-catalog：Open Knowledge Format SPEC v0.1

3. Google Cloud：Knowledge Catalog for AI agents

4. GitBook：What is OKF? Understanding Google’s Open Knowledge Format

5. GitBook：Supporting AI standards at GitBook: What OKF, MCP and llms.txt tell us about the future of docs