Open Knowledge Format：把資料目錄變成 agent 可讀的知識包
GoogleCloudPlatform/knowledge-catalog 的 okf/ 目錄提出一個很樸素但實用的主張：知識不一定要被鎖在服務型 metadata catalog 裡，也可以用 Markdown、YAML frontmatter、git 與普通連結，變成可攜帶、可審查、可被人與 agent 共同維護的 bundle。
OKF 把「資料知識」降回檔案層，讓知識治理可以走軟體工程流程
OKF 的核心貢獻不是新的資料庫，也不是新的查詢語言，而是一個極低摩擦的交換格式。每個 concept 是一個 UTF-8 Markdown 檔，檔頭用 YAML frontmatter 放少量可機器讀取欄位，正文用一般 Markdown 寫 schema、範例、引用與上下文。
這個選擇很務實：人可以直接讀，agent 可以直接載入，git 可以直接 diff，Obsidian、MkDocs、Hugo、Jekyll 這類工具也都能吃。對需要把 metadata、catalog、documentation 與 LLM context 串起來的團隊來說，它把「知識」變成可以 review、version、ship 的 artifact。
不依賴單一 catalog 服務
bundle 是一個目錄，可放在 repo、tarball、靜態網站或任何檔案系統裡，不要求特定供應商 API。
知識變更可以 code review
資料表說明、業務定義、引用來源與更新紀錄都能走 pull request、blame 與逐行審查。
上下文可以漸進載入
index.md 讓 agent 先看目錄，再按需讀單一 concept，避免一次塞完整知識庫。
規格刻意小：一個目錄、一批 Markdown、少數必填欄位
知識包是可搬走的目錄樹
bundle 可以包含根目錄 index.md、log.md 與任意子目錄。目錄結構不綁定資料領域；製作者可以用 datasets、tables、metrics、playbooks、references 等方式組織。
每個概念是一個 Markdown 檔
concept ID 由檔案路徑推導，例如 tables/users.md 變成 tables/users。除 index.md 與 log.md 外，每個 .md 檔都代表一個知識單元。
type 是唯一硬性必要欄位
規格要求 frontmatter 可解析，且含有非空 type。title、description、resource、tags、timestamp 都是建議欄位；未知欄位必須被消費端寬容處理。
Markdown 連結就是知識圖譜的邊
概念之間用普通 Markdown link 表達關係。OKF 建議使用 bundle-relative 絕對路徑，例如 /tables/customers.md；關係類型由周圍文字說明，而不是另建複雜 edge schema。
外部根據放在引用區
當 concept 正文包含外部來源支持的說法，規格建議在底部用 # Citations 列出來源。這讓 agent 生成的知識不只是摘要，也保留可追溯性。
repo 內的 agent 是 demo；格式本身才是重點
okf/README.md 特別強調：Open Knowledge Format 是主要貢獻，reference agent 與 visualizer 只是讓生產與消費兩端變得具體。這個 agent 目前以 BigQuery 為資料來源，先用 metadata 產生每個 concept，再用 web pass 透過明確 seed URL 補充權威文件。
先建立資料資產骨架
用 BigQuery dataset metadata 產出 dataset、table 等 concept 文件。最小執行方式是指定 --source bq、--dataset 與輸出 bundle 目錄。
再用文件補上下文
使用者明確提供 --web-seed 或 seed file，工具限制同網域、最大頁數與最大深度，讓 agent 不會無限制爬網。
三個可直接瀏覽的範例
repo 內已放入 GA4 e-commerce、Stack Overflow public dataset、Bitcoin blocks/transactions 三個 bundles，並附各自的 viz.html。
靜態 HTML 就能看知識圖
reference_agent visualize 會把 OKF bundle 轉成單一互動 HTML，內含 graph、detail panel、backlinks、搜尋與 type filter。
OKF 的價值在「夠簡單」，也在「不假裝自己是完整平台」
OKF v0.1 沒有企圖定義全球統一 taxonomy，也沒有取代 Avro、Protobuf、OpenAPI 或雲端資料目錄。它做的是另一件事：把資料周邊的知識用最低共同格式包起來，讓不同 agent、文件工具、catalog 與人類工作流都能讀。
真正值得借鏡的是它的設計取捨：把強制規格壓到最小，把擴充空間留給 producer，把容錯責任交給 consumer。這很符合 AI 工程現場的需要，因為 agent 讀到的知識經常是不完整、正在演進、部分自動生成的。