GoogleのOpen Knowledge Formatが重要な理由
ほとんどのチームに足りないのはデータではありません。共有されたコンテキスト（文脈）です。
定義や使用ルールは、Wikiやチケット、あるいは個人の記憶の中に埋もれがちです。このような断片化は、人間にとっての負担となり、AIエージェントを混乱させます。コンテキストが欠如していると、AIエージェントは推測に頼ることになります。推測は誤った回答や、自動化の失敗を招きます。
GoogleのOpen Knowledge Format (OKF) はこの問題を解決します。これは、人間とAIの両方が読み取れるファイル群として、コンテキストをパッケージ化するものです。
OKFとは何か？
それは新しいプラットフォームや複雑なデータベースではありません。知識をMarkdownファイルのディレクトリとしてパッケージ化する手法です。
- 読みやすさを考慮し、Markdownを使用します。
- 構造化されたメタデータのためにYAML frontmatterを使用します。
- ベンダーに依存しません（ベンダーニュートラルです）。
- Gitや既存の開発ワークフローと連携できます。
なぜ開発者が注目すべきなのか：
OKFはデータとコンテキストを分離します。データとは、スキーマやAPIコントラクトのことです。コンテキストとは、その定義、所有権、そして「安全な使用方法」に関するガイドのことです。
OKFを使用することで、以下のことが可能になります：
- Gitを使用して知識を管理できます。プルリクエストを通じて変更内容をレビューできます。
- 「考古学」のような作業を防げます。メトリクスの定義を探してSlackを彷徨う必要はもうありません。
- AIエージェントに根拠を与えられます（Grounding）。エージェントは特定のタグ付きファイルを検索し、正確な回答を提供できます。
- 移植性を確保できます。「単なるファイル」であるため、書き直すことなく異なるツール間で知識を移動できます。
開始方法：
すべてを一度に文書化しようとしないでください。コンテキストの欠如が最も大きな問題を引き起こしている箇所から始めましょう。
- エグゼクティブ向けのメトリクスや、オンコール用のランブックなど、価値の高い領域を選びます。
- 少数の型（例：metric、table、runbook）を定義します。
- 一貫したタグと大文字小文字の使い分け（casing）を使用します。
- リンク切れや不適切なメタデータを防ぐために、シンプルなCIチェックを追加します。
OKFは、散乱したメモをクエリ可能なナレッジベースへと変貌させます。これにより、組織のインテリジェンスを永続的かつ移植可能なものにします。
オプションの学習コミュニティ: https://t.me/GyaanSetuAi