گوگل کلاود از Open Knowledge Format برای تقویت عاملهای هوش مصنوعی رونمایی کرد
گوگل کلاود از Open Knowledge Format (OKF) رونمایی کرده است؛ مشخصات جدیدی که برای استانداردسازی دانش سازمانی در قالب فایلهای قابل حمل Markdown طراحی شده است. OKF با تبدیل دادههای پراکنده به یک قالب تعاملپذیر، قصد دارد شکاف عظیم موجود در زمینه «بافتار» (context) را که در حال حاضر مانع از عملکرد کارآمد عاملهای هوش مصنوعی در اکوسیستمهای پیچیده سازمانی میشود، برطرف کند.
حل مشکل پراکندگی در جریانهای کاری مبتنی بر عامل (Agentic Workflows)
با خودمختارتر شدن عاملهای هوش مصنوعی، آنها با مانع بزرگی روبرو میشوند: «پراکندگی بافتار» (context fragmentation). در حال حاضر، اطلاعات حیاتی در کاتالوگهای متادیتا، ویکیهای داخلی، کامنتهای کد و سلولهای Jupyter notebook پراکنده شدهاند. زمانی که یک عامل هوش مصنوعی سعی میکند وظیفهای را انجام دهد — مثلاً نوشتن یک پرسوجوی دقیق SQL برای یک مجموعه داده خاص — باید برای کنار هم قرار دادن این قطعات پراکنده تلاش زیادی کند.
گوگل کلاود خاطرنشان میکند که فضای فعلی، مجموعهای از راهکارهای سفارشی و جزیرهای است. توسعهدهندگان در حال حاضر راهکارهای بافتار اختصاصی میسازند که از Obsidian Vaults گرفته تا فایلهای قرارداد سفارشی مانند AGENTS.md یا CLAUDE.md را شامل میشود. اگرچه این الگوهای «متادیتا به عنوان کد» (metadata as code) مؤثر هستند، اما فاقد قابلیت تعاملپذیری میباشند. دانش در سیستم یا مخزنی که آن را ایجاد کرده محدود میماند و از جریان بیوقفه اطلاعات بین ابزارها و چارچوبهای مختلف جلوگیری میکند.
مشخصات OKF: مینیمالیستی و تعاملپذیر
قالب دانش باز (Open Knowledge Format نسخه 0.1) مفهوم «ویکیِ LLM» را گرفته و آن را در قالب یک استاندارد جهانی تدوین کرده است. در هسته اصلی خود، یک بسته (bundle) OKF شامل پوشهای از فایلهای Markdown است که از YAML frontmatter استفاده میکنند. این مشخصات به عمد مینیمالیستی طراحی شده تا پذیرش آن تسهیل شود؛ تنها فیلد اجباری "type" است، هرچند تولیدکنندگان میتوانند فیلدهای اختیاری مانند title، description، resource، tags و timestamps را نیز اضافه کنند.
از آنجایی که این قالب بر Markdown استاندارد تکیه دارد، گراف دانش از طریق لینکهای سنتی Markdown شکل میگیرد و مفاهیم را به طور طبیعی به هم متصل میکند. این طراحی تضمین میکند که OKF بسیار قابل حمل باشد: یک بسته OKF را میتوان در هر ویرایشگر متن استانداردی خواند، به صورت بومی در GitHub نمایش داد و توسط هر ابزار جستجوی موجود ایندکس کرد. از همه مهمتر، این مشخصات، تولیدکنندگان را از مصرفکنندگان جدا میکند؛ به این معنی که یک سند نوشته شده توسط انسان میتواند توسط یک عامل هوش مصنوعی پردازش شود و یک بسته تولید شده توسط ماشین میتواند به راحتی توسط انسان قابل مشاهده باشد.
یکپارچهسازی اکوسیستم و پیادهسازیهای مرجع
برای اطمینان از اینکه این استاندارد از مرحله تئوری فراتر میرود، Google Cloud چندین پیادهسازی مرجع و ابزار ارائه میدهد. این موارد شامل یک عامل غنیسازی (enrichment agent) است که قادر به پیمایش مجموعهدادههای BigQuery برای تولید خودکار اسناد OKF برای هر جدول میباشد. گوگل همچنین یک بصریساز HTML ایستا منتشر کرده و بستههای نمونهای برای مجموعهدادههای پیچیده، از جمله GA4 e-commerce، Stack Overflow و دادههای Bitcoin ارائه کرده است.
نکته بسیار مهم این است که Google Cloud کاتالوگ دانش (Knowledge Catalog) خود را برای پذیرش OKF بهروزرسانی کرده است که اجازه میدهد این فرمت مستقیماً به عوامل هوش مصنوعی (AI agents) ارائه شود. گوگل با در دسترس قرار دادن این استاندارد و کدها در GitHub، در حال جایگاهسازی OKF به عنوان یک لایه زیربنایی برای نسل بعدی جریانهای کاری مبتنی بر عامل (agentic workflows) است؛ جایی که دانش به جای یک سیلو دادهای بسته، به عنوان یک دارایی استاندارد و قابل حمل در نظر گرفته میشود.
نکات کلیدی
- بافتار استاندارد شده: OKF مستندات پراکنده را به یک دایرکتوری واحد از فایلهای Markdown تبدیل میکند و به عوامل هوش مصنوعی اجازه میدهد تا با استفاده از لینکهای استاندارد، در گرافهای دانش پیچیده پیمایش کنند.
- طراحی مینیمالیستی: این استاندارد با الزام تنها یک فیلد "type" در YAML frontmatter، قابلیت حمل بالا و سهولت در استفاده را برای توسعهدهندگان تضمین میکند.
- تعاملپذیری: این فرمت شکاف بین ویکیهای قابل خواندن توسط انسان و متادیتای قابل خواندن توسط ماشین را پر میکند و در هر ارائهدهنده ابری، پایگاه داده یا چارچوب عاملی (agent framework) قابل استفاده است.