Czym jest Open Knowledge Format od Google?
12 czerwca 2026 roku Google Cloud przedstawiło Open Knowledge Format, czyli OKF. To otwarta specyfikacja zapisu wiedzy dla systemów AI, działająca podobnie do systemów LLM Wiki. OKF to format, który ma pomóc zapisywać informacje w taki sposób, żeby były zrozumiałe dla ludzi, modeli językowych i agentów AI.
Problem, na który odpowiada OKF, jest prosty. Firmy mają dużo wiedzy, ale zwykle jest ona rozproszona. Część informacji znajduje się w dokumentach, część w bazach danych, część w repozytoriach kodu, a część w firmowej wiki. AI może mieć dostęp do tych źródeł, ale nie zawsze wie, które informacje są aktualne, oficjalne i ze sobą powiązane. OKF ma na tej podstawie stworzyć wspólną warstwę wiedzy, która będzie opisywać produkty, usługi, tabele danych, API, instrukcje, procedury, artykuły, definicje i zasoby stron internetowych. Celem jest dostarczenie AI nie tylko treści, ale także kontekstu: czym dana informacja jest, skąd pochodzi, kiedy była aktualizowana i z czym się łączy.
Jak działa Open Knowledge Format?
Open Knowledge Format opisuje wiedzę jako katalog plików Markdown. Markdown to prosty format tekstowy, który można czytać jak zwykły tekst, ale dobrze nadaje się też do przetwarzania przez narzędzia i modele AI. Każdy plik w OKF opisuje jeden element wiedzy. Może to być na przykład tabela w bazie danych, raport, metryka biznesowa, dokumentacja API, instrukcja techniczna, opis produktu albo podstrona internetowa.
Na początku pliku można dodać metadane w formacie YAML. To krótki blok informacji, który mówi, czym jest dany plik. Może zawierać między innymi typ zasobu, tytuł, opis, link do źródła, tagi czy datę aktualizacji. Dzięki temu AI nie dostaje samego tekstu. Dostaje tekst z opisem. Wie, czy czyta dokumentację, definicję, instrukcję, opis produktu, tabelę danych czy procedurę. Weźmy pod uwagę taki przykład: firma ma gotową tabelę z zamówieniami klientów. W OKF może utworzyć plik orders.md. W metadanych zapisuje, że jest to tabela danych. Dodaje opis, źródło, tagi i datę aktualizacji. W treści pliku opisuje kolumny, znaczenie danych, powiązania z innymi tabelami i sposób użycia. Dla człowieka taki plik jest dokumentacją. Dla AI jest mapą kontekstu. Agent AI może szybciej zrozumieć, czym jest dana tabela, do czego służy i jak łączy się z innymi zasobami. W przypadku stron internetowych OKF może pełnić podobną funkcję. Może opisywać produkty, usługi, artykuły, autorów, FAQ, cenniki, case studies i dokumentację. Strona HTML nadal jest dla użytkownika. OKF może być natomiast dodatkową warstwą wiedzy dla narzędzi AI.
Dla kogo przeznaczony jest OKF?
OKF został zaprojektowany przede wszystkim z myślą o organizacjach, które chcą udostępniać wiedzę nie tylko pracownikom, ale także agentom AI i modelom językowym. Format ma zastosowanie wszędzie tam, gdzie informacje są rozproszone między różnymi systemami i trudno jest dostarczyć AI pełny, aktualny kontekst. Główną grupą odbiorców są zespoły danych, którym OKF może pomóc opisywać tabele, metryki biznesowe, raporty, dashboardy i źródła danych w sposób zrozumiały zarówno dla analityków, jak i dla agentów AI. Dzięki temu model może szybciej ustalić, czym jest konkretna metryka, skąd pochodzą dane i jakie są między nimi zależności. Z OKF wiele korzyści mogą wynieść również zespoły inżynieryjne i produktowe. Format może służyć do dokumentowania API, architektury systemów, procesów wdrożeniowych, zależności między usługami oraz decyzji technicznych. Ponieważ OKF opiera się na plikach Markdown, dokumentacja może być przechowywana i wersjonowana razem z kodem źródłowym. Google wskazuje również na zastosowania związane z budową agentów AI. Agent wyposażony w wiedzę zapisaną w OKF może lepiej rozumieć środowisko, w którym działa, korzystać z aktualnych źródeł informacji i wykonywać bardziej złożone zadania bez konieczności ciągłego przeszukiwania wielu systemów. OKF może też znaleźć szerokie zastosowanie dla właścicieli stron internetowych i dużych baz wiedzy. Biorąc pod uwagę, że coraz więcej odpowiedzi użytkownicy otrzymują bezpośrednio od narzędzi AI, ważne staje się nie tylko publikowanie treści, ale również dostarczanie uporządkowanej wiedzy, którą modele mogą łatwo interpretować. OKF ma pomóc w tworzeniu takiej warstwy wiedzy, niezależnej od konkretnej platformy czy dostawcy technologii.
Wiedza oparta na systemie LLM Wiki
Jednym z głównych założeń OKF jest traktowanie wiedzy jak żywej wiki. Chodzi o bazę wiedzy, która nie jest tylko archiwum dokumentów. Ma być aktualizowana, rozwijana i używana w kolejnych zadaniach. Ten kierunek nawiązuje do idei LLM Wiki opisywanej przez Andreja Karpathy’ego. W uproszczeniu: zamiast zmuszać model AI do ciągłego szukania tych samych informacji od zera, można dać mu uporządkowaną bibliotekę wiedzy. Taka biblioteka może rosnąć razem z firmą. Jeśli pojawia się nowy produkt, powstaje nowy plik. Jeśli zmienia się definicja metryki, aktualizuje się jeden opis. Jeśli powstaje nowa procedura, można ją dodać jako kolejny element wiedzy. Jeśli dwa tematy są ze sobą powiązane, można je połączyć linkiem.
To podejście różni się od zwykłego przeszukiwania dokumentów. W wielu systemach AI model dostaje pytanie, szuka fragmentów w dokumentach i próbuje złożyć odpowiedź. OKF idzie krok dalej. Zakłada, że wiedza może być wcześniej uporządkowana i opisana. Dzięki temu agent AI nie musi za każdym razem zaczynać od zera. Może korzystać z istniejącego katalogu wiedzy. Może też pomagać w jego utrzymaniu: wskazywać brakujące opisy, znajdować nieaktualne linki, porządkować powiązania i sugerować aktualizacje.
Zasady projektowe OKF
OKF opiera się na trzech zasadach projektowych. Pierwsza zasada: format ma narzucać jak najmniej. OKF nie próbuje z góry określić, jak każda firma ma opisywać całą swoją wiedzę. Różne organizacje mają różne potrzeby. Inaczej wygląda wiedza w sklepie internetowym, inaczej w firmie SaaS, inaczej w zespole danych, a inaczej w dokumentacji technicznej. Dlatego OKF daje podstawową strukturę, ale zostawia miejsce na własne pola, typy i opisy. Najważniejsze jest to, żeby każdy element wiedzy miał jasny typ i był zapisany w przewidywalny sposób.
Druga zasada: twórca wiedzy i użytkownik wiedzy nie muszą być tym samym systemem. Jeden zespół może przygotować katalog OKF, a inne narzędzie może go później odczytać. Może to być agent AI, wyszukiwarka, narzędzie BI, katalog danych, wewnętrzny chatbot albo system dokumentacji. To ważne, bo wiedza nie powinna być zamknięta w jednym narzędziu. Jeśli firma zmieni system, model AI albo platformę, nie powinna tracić uporządkowanego kontekstu.
Trzecia zasada: OKF to format, nie platforma. Google wyraźnie pozycjonuje OKF jako format, a nie usługę. Oznacza to brak zależności od konkretnej chmury, bazy danych, modelu językowego czy frameworka agentowego. Katalog OKF może istnieć jako repozytorium Git, katalog plików, statyczna paczka albo zasób podawany przez dowolny serwer. Jeśli AI ma pracować na wiedzy organizacyjnej, ta wiedza nie może być zamknięta w jednym narzędziu. Musi dać się przenieść, sprawdzić, zindeksować, zacytować i wersjonować. W przeciwnym razie każdy nowy agent będzie wymagał budowy własnej warstwy kontekstu od zera.
Praktyczne zastosowania OKF
Google nie poprzestało na samej specyfikacji. Razem z OKF pokazało zestaw narzędzi, które mają udowodnić, że format można realnie wdrożyć, a nie tylko opisać w dokumentacji. Pierwszy przykład to agent, który pracuje na danych z BigQuery. Przechodzi przez dataset i dla każdej tabeli oraz każdego widoku tworzy osobny dokument OKF. Potem uruchamiany jest drugi etap: model językowy sprawdza dokumentację, szuka wiarygodnych źródeł i uzupełnia dokumenty o cytowania, schematy danych oraz informacje o tym, jak tabele można ze sobą łączyć. Drugi przykład to prosty wizualizator HTML. Bierze gotowy pakiet OKF i zamienia go w interaktywny graf wiedzy. Nie trzeba instalować dodatkowego systemu, uruchamiać serwera ani wysyłać danych na zewnątrz. Całość działa w jednym pliku otwieranym w przeglądarce. Google udostępniło też trzy gotowe pakiety testowe: GA4 e-commerce, Stack Overflow i publiczne datasety Bitcoina. Można je potraktować jak przykłady pokazujące, jak może wyglądać poprawnie przygotowana baza wiedzy w OKF.
Co najważniejsze w kwestii OKF: AI potrzebuje nie tylko dostępu do treści, ale też dobrze opisanego kontekstu. Im więcej zadań będą wykonywać agenci AI, tym większe znaczenie będzie miało to, czy firmowa i internetowa wiedza jest uporządkowana, aktualna i możliwa do odczytania przez maszyny.
Jeśli chcesz być na bieżąco z nowościami ze świata sztucznej inteligencji i nauczyć się z nich korzystać w swojej codziennej pracy, skorzystaj z oferty szkoleń AI od digital plant. Nasz doświadczony trener pomoże wprowadzić narzędzia AI do Twojej firmy i usprawnić jej pracę.
Źródło wykorzystane do stworzenia tekstu: https://cloud.google.com/blog/products/data-analytics/how-the-open-knowledge-format-can-improve-data-sharing
Chcesz wiedzieć więcej? Masz pytania? Napisz do nas!
Nie wiesz, od czego zacząć? Interesuje Cię temat sztucznej inteligencji i jej zastosowań w nowoczesnym biznesie? Skontaktuj się z nami! Doradzimy, jak AI może wesprzeć rozwój Twojej firmy. Jesteśmy tutaj, aby pomóc Ci wybrać najlepszą ścieżkę rozwoju i automatyzacji.
Socjolog, badacz i marketingowiec. Od ponad dekady zajmuje się strategią marketingową, efektywnością reklamy i badaniami marketingowymi. Zbierał doświadczenie w domach mediowych i największych agencjach badawczych. Speaker najważniejszych polskich konferencji marketingowych. Nagradzany i wyróżniany w konkursach Young Creatives Cannes & Young Creatives EuroBest.
