如果你经常与AI编程助手搭档，一定经历过这种痛苦：每个新Session开始，前情提要就全丢了。Agent必须重新探索认证流程，重新猜测决策意图，反复阅读相同文件来重建你昨天才刚解释过的模型。项目背景、运维指南（Runbooks）、“为什么不能碰这行代码”等核心知识，散落在Wiki、代码注释和团队成员的脑子里，无法随代码流转，更无法在新的上下文窗口中存活。
虽然 CLAUDE.md 能提供一些帮助，但它只适合放置全局指令，且每次提示词都会全量加载，占用宝贵的Token。自动记忆功能虽然能捕捉Agent的认知，但它往往是隐式的、单机专属且未经人工审核。至于Wiki，那是给人类看的，极难直接导出给Agent高效消费。这里存在一个巨大的空白：一种结构化、能与代码一同进行版本控制，且人类与Agent均可读的团队知识库。
Open Knowledge Format (#OKF) 应运而生。这是一种由 Google Cloud Data Cloud 团队于 2026年6月 宣布推出的开源、厂商中立的知识格式（采用 Apache-2.0 开源协议）。它的核心理念极其简单：将知识表示为一个由 Markdown 文件和 YAML frontmatter 组成的目录。没有复杂的模式注册表，没有运行期，也没有专门的 SDK。只要能读取文件，就能读取 OKF；只要能 `git clone` 仓库，就能分发知识。
一个典型的 OKF 目录结构如下（包含索引、变更日志以及具体的服务、决策和运行手册）：
.okf/
├── index.md # 渐进式披露（根目录携带 okf_version）
├── log.md # 按ISO日期排序的变更历史，最新在最前
├── services/auth-api.md # 一个概念对应一个文件；路径即为 ID
├── datasets/orders-db.md
├── decisions/use-okf.md
└── runbooks/payment-failures.md每个概念文件只需满足一个合规条件：包含一个 `type` 字段非空的 YAML frontmatter。概念之间通过普通的 Markdown 链接相互关联，使整个知识包构成一个有向图。这使得知识可 diff、可在 Pull Requests 中评审，并且因为纯文本的属性，可以在各种工具间无缝移植。
如果说 OKF 是数据格式，那么 okf-skills 就是让 Agent 真正用起来的工具链。它是专门针对 Claude Code 原生打造的技能包（基于 v0.1 规范），同时也作为 Agent Skill 支持通过 `skills.sh` 部署到 Cursor、Codex 等20多个 Agent 平台上。其核心的 `/okf:okf` 技能允许 Agent 自动生成、维护并读取这些结构化知识。
长期以来，编程 Agent 面临的最大瓶颈是“记忆与知识的非标准化传递”。现有的 RAG 对代码库中高度逻辑化的“暗知识”（如架构决策）支持极差，而 #CLAUDE.md 又过于粗暴。OKF 的推出，标志着 AI Agent 基础设施正从“黑盒隐式记忆”走向“白盒结构化记忆”。通过 Git 版本控制与 Markdown，它巧妙地在人机协同中架起桥梁：代码在演化，知识也在被人类和 Agent 共同评审。这种去中心化的标准一旦普及，将极大促进 Multi-Agent 团队协同生态的爆发，新加入的 Agent 即可无缝继承团队历史上下文，实现真正的“即插即用”。
