AI 时代的“HTML 时刻”：一个被严重低估的知识标准 OKF

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的身份。文件头部通过 YAML 描述结构化信息正文继续使用普通 Markdown。例如1type: Metric2title: Revenue3description: 公司财务口径下的已确认收入4status: stable5sources:6- revenue-policy这里最重要的其实不是文件格式。而是生产者和消费者被分开了。任何人、Agent、或者知识平台都可以基于该格式生产 OKF。任何模型、搜索引擎、或者 Agent也都可以基于该格式消费 OKF。知识不再必须被锁在某个向量数据库某个 Agent 框架某家模型公司的 Memory。它首先是一组你能打开、能审查、能版本管理、能迁移的文件。这就是 OKF 与 HTML 类比真正成立的地方。HTML 没有替代浏览器、搜索引擎、服务器和数据库。它只是让整个互联网围绕“网页是什么”形成最低限度的共识。同样OKF 也不会替代 RAG、向量数据库、搜索引擎或者 Agent Runtime。它试图定义的是这些系统共同操作的那个知识产物究竟应该长什么样是的OKF 标准构建的其实也只是新时代的共识。/知识不仅要可读还要可信/如果只是 Markdown 加元数据。OKF 可能只是一个更规范的 Wiki。但真正值得关注的是它开始尝试解决 Agent 时代最难的问题当大量知识由 Agent 自动生成时我们为什么要相信它这是一个非常非常关键的问题。过去人类写文档。我们默认作者知道自己写了什么。企业内部也有审批流程。但未来大量知识可能来自 Agent。那么这条知识是谁生成的来自什么来源现在是否仍然有效这些问题都会变得越来越重要。因此OKF 开始加入一些关于来源、验证、状态和时效性的描述能力。它希望 Agent 在读取知识时不只是看到内容。还知道这是什么知识。谁产生的。可信程度如何。这意味着 OKF 正在从“让 Agent 能读文档”走向“让 Agent 在使用知识之前先判断这条知识是否值得相信。”这已经不只是知识管理。它逐渐接近一种组织知识治理协议。未来企业真正需要的可能不是一个“知道很多”的 Agent。而是一个能够区分哪些来自正式政策哪些经过业务负责人审核哪些已经过期模型能力越强这种可信知识层反而越重要。因为一个能力极强、但使用错误组织知识的 Agent只会以更高效率制造错误。/OKF 生态/现阶段OKF 目前非常早期毕竟也才发布短短两个月。它还没有达到 HTML 那样成熟的生态。但一个标准开始有价值时往往会出现几个角色有人定义规范。有人生产知识。有人维护知识。有人消费知识。围绕 OKF目前已经开始出现这样的雏形。Google 提供了规范、示例知识库和相关工具。开源社区开始出现知识创建、校验、索引和可视化工具。一些项目也开始尝试把 OKF 和 Agent、MCP、GitHub 工作流结合起来。其中OpenWiki 是一个比较值得关注的案例。更准确地说OpenWiki 不是 OKF 标准本身。而是一个快速采用 OKF 的上层应用。它可以读取代码库或者个人资料由 Agent 生成并持续维护相互链接的 Wiki。加入 OKF 支持后这些知识不必永远留在 OpenWiki 自己的系统中而可以被其他兼容工具读取。这正是开放标准开始产生价值的信号标准不需要亲自完成所有事情。它只需要让整个生态都可以围绕同一种知识产物独立生长。HTML 没有规定浏览器应该怎么实现。它只是给浏览器提供了共同输入。OKF 如果成功也会沿着类似路径发展。/Harness 会变薄但企业知识层会变厚/最近我越来越确定一件事情未来 Agent Harness 最核心的价值可能并不只是定义 Agent 如何执行任务。而是定义企业自己的知识。今天很多团队都在搭建 Harness 框架。里面包含System Prompt规划工具选择上下文管理任务拆解状态管理多 Agent 协作。这些东西现在非常重要。但随着模型和 Agent 平台继续发展其中相当一部分通用能力很可能会逐渐被基础设施吸收。模型会越来越擅长规划。平台会原生提供 Memory、工具路由、上下文管理、权限和工作流。大量今天需要团队自己编写的 Agent 代码未来可能会逐渐商品化。这并不意味着 Harness 会消失。安全、审计、权限、确定性流程和可观测性依然需要企业自己控制。但 Harness 很可能不再是企业最核心的差异化资产。真正不会被通用模型吸收的是企业自己的知识。比如哪些客户属于高风险客户某个系统曾经发生过什么事故这些东西不属于任何通用大模型。它们只属于一家具体企业。而且每天都在变化。模型可以越来越聪明。Agent 可以越来越会做事。但它不可能凭空知道你所在的组织此时此刻相信什么、遵守什么、如何做出判断。因此我认为未来企业 Agent 的真正护城河会逐渐从我们用了哪个模型、哪套 Agent 框架、怎样写 Prompt迁移到我们是否拥有一套结构化、可验证、持续更新、可以被不同 Agent 使用的组织知识。换句话说Harness 可能会被 Agent 平台不断吸收但企业知识的定义不会。模型是租来的。Agent 框架可以替换。工具接口可以迁移。但经过长期沉淀的企业知识才是真正属于组织自己的资产。/OKF 的意义/把一个组织内所知道的东西编译成 Agent 可以长期使用的系统资产。这或许才是 OKF 最值得关注的地方。不是因为它现在已经足够强大。而是因为它第一次尝试为 Agent 时代最稀缺的东西定义一个开放接口。那个东西不是模型。不是工具。而是知识本身。过去我们把知识写给人看。后来我们把文档切块交给 RAG 搜索。而接下来我们可能第一次真正开始让一个组织沉淀下来的知识成为 Agent 可以持续理解、调用和进化的基础资产。未来 AI 的竞争或许不只是模型能力的竞争。而是谁拥有更高质量、更可信、能够持续进化的组织知识。 作者贾克斯的平行世界