Google Cloud 介紹的 Open Knowledge Format（OKF），核心目標不是再做一個新的知識平台，而是訂立一種開放格式，讓團隊把內部知識整理成 AI 系統與人都能共同使用的內容。文章指出，愈來愈多 foundation models 被用來建立 agentic systems，但模型能否給出可靠答案，往往取決於是否拿到正確而完整的背景資料，而這些資料在企業內通常散落於多個位置。
這個項目解決資料共享與知識整理長期碎片化的問題。例如資料表結構、指標定義、事故處理流程、API 停用通知，常分佈在 metadata catalog、wiki、共用硬碟、程式註解，甚至只是少數資深工程師的腦海中。當 AI agent 要回答業務或技術問題時，往往要從彼此不兼容的系統重新拼湊脈絡，令每個團隊都要重複處理同一類整合工作。
OKF 的做法相當務實。OKF v0.1 以 markdown 檔案目錄作為知識載體，配合 YAML frontmatter 存放少量可查詢欄位，例如 type、title、description、resource、tags 和 timestamp。這代表內容本身可以在一般編輯器閱讀、可放進 GitHub、可由搜尋工具索引，也可以像普通檔案一樣打包、放進 git repository 或掛載到不同檔案系統，不需要額外 runtime、SDK 或複雜壓縮機制。
Google 把這個方向描述為把近年常見的「LLM-wiki pattern」正式化。若團隊本身已經在用 Obsidian、Notion、Hugo，或以 AGENTS.md、CLAUDE.md 這類慣例檔案協助 agent 工作，理解 OKF 會較容易，因為它保留了 markdown、frontmatter、交叉連結這些熟悉做法，再補上最少但重要的共通規則。重點在於不同來源建立的知識庫，之後有機會被不同 agent 或工具直接讀取，而不用逐次重做轉換。
- 以開放格式整理知識，減少被單一供應商工具鎖定
- 採用 markdown 加 YAML frontmatter，門檻較低，方便版本管理
- 適合把資料定義、流程文件、系統脈絡交給 agent 與團隊共用
- 重點不是新增服務，而是建立可攜、可互通的知識表示方式
這個項目特別適合已經開始建立 AI agent、資料團隊知識庫或內部文件流程的組織。對資料分析、資料平台、工程團隊來說，它的價值在於把原本零散且難搬移的內容，變成較容易維護和重用的知識資產。文章未提供量化性能數據或基準測試，因此現階段較適合把 OKF 看成一個標準化方向：先用簡單文件結構統一知識，再逐步改善 AI 系統取得脈絡的能力。