Что такое Open Knowledge Format (OKF) и зачем он нужен?
Сегодняшние большие языковые модели (LLM) способны генерировать код, анализировать данные и отвечать на вопросы. Но без «правильного» контекста они часто спотикаются о базовые детали: схемы таблиц, определения метрик, пути соединения данных, процедуры восстановления. Эта информация обычно разбросана по вики, каталогам и, конечно, в голове у нескольких старших инженеров.
Google Cloud предложил решение – Open Knowledge Format (OKF). Это открытая спецификация, которая переводит паттерн «LLM + вики» в переносимый и совместимый формат. OKF не привязан к какому‑то сервису, а служит «языком» для передачи знаний между людьми и агентами.
Как выглядит OKF‑бандл?
OKF v0.1 представляет знание в виде каталога markdown‑файлов с YAML‑заголовками. Важные соглашения (названия полей, обязательные метаданные) позволяют одной системе понять контент, написанный в другом месте, без дополнительного преобразования.
- Каждый документ – обычный
.mdфайл. - В начале файла находится YAML‑frontmatter с полями type, title, description, resource, tags, timestamp и другими, определёнными в спецификации.
- Тело документа – обычный markdown, поддерживающий заголовки, таблицы, inline‑code и ссылки на другие документы в наборе.
Такой набор файлов полностью работает на GitHub, в любой файловой системе и может быть упакован в tar.gz.
Почему это удобно для инженеров и дата‑саентистов?
- Универсальность. Если ваш проект использует Obsidian, Notion или Hugo, структура OKF будет вам уже знакома.
- Отсутствие лишних слоёв. Нет необходимости в отдельном runtime, SDK или компиляции – просто файлы.
- Гибкость доступа. Любой агент (LLM, скрипт, CI‑pipeline) может парсить YAML и markdown, получая сразу всё нужное контекстом.
- Версионирование. Храните OKF‑бандл в Git – получайте историю изменений, откаты и совместную работу.
Практический пример
Предположим, у вас есть база orders_db с таблицами orders и customers, а также метрика weekly_active_users. Для каждой сущности создаём markdown‑файл:
/datasets/orders_db.md– описание набора данных, ссылки на таблицы./tables/orders.md– схема таблицыorders(колонки, типы, ключи)./tables/customers.md– схемуcustomers./metrics/weekly_active_users.md– формулу расчёта и примеры использования.
Внутри каждого файла в frontmatter указываем, к какому ресурсу относится документ, а в теле прописываем ссылки вида [orders](/tables/orders.md). Благодаря этому любой LLM, получивший путь к /datasets/orders_db.md, сможет «прогуляться» по графу связей и собрать всю необходимую информацию.
Как внедрить OKF в свой процесс?
- Создайте каталог okf/ в корне проекта.
- Определите базовый набор полей в
_schema.yaml(необязательно, но упрощает проверку). - Перенесите текущие вики‑страницы в markdown, добавив YAML‑заголовки.
- Настройте CI‑задачу, которая будет валидировать файлы (например, с помощью GitHub‑репозитория OKF).
- Обучите LLM‑агентов использовать ваш OKF‑бандл как источник контекста (через простой парсер YAML+markdown).
Где найти официальную спецификацию и примеры?
Все детали, примеры комплектов и инструменты проверки доступны в официальном репозитории Google Cloud:
Кратко о плюсах внедрения OKF
- Контекст для LLM становится явно определённым и машиночитаемым.
- Уменьшаются «человеческие» потери знаний при смене персонала.
- Повышается скорость разработки и автоматизации (обучение агентов, генерация кода, проверка качества данных).
- Формат полностью открыт, без привязки к конкретному вендору.
