Google Cloud เปิดตัว Open Knowledge Format เพื่อขับเคลื่อน AI Agents

Google Cloud ได้เปิดตัว Open Knowledge Format (OKF) ซึ่งเป็นข้อกำหนด (specification) ใหม่ที่ออกแบบมาเพื่อทำให้ความรู้ภายในองค์กรกลายเป็นมาตรฐานในรูปแบบไฟล์ Markdown ที่พกพาสะดวก ด้วยการเปลี่ยนข้อมูลที่กระจัดกระจายให้กลายเป็นรูปแบบที่ทำงานร่วมกันได้ OKF จึงมีเป้าหมายเพื่อแก้ปัญหาช่องว่างด้านบริบท (context gap) ขนาดใหญ่ ซึ่งเป็นอุปสรรคที่ขัดขวางไม่ให้ AI agents ทำงานได้อย่างมีประสิทธิภาพในระบบนิเวศขององค์กรที่มีความซับซ้อน

การแก้ปัญหาความกระจัดกระจายใน Agentic Workflows

เมื่อ AI agents มีความสามารถในการทำงานด้วยตนเอง (autonomous) มากขึ้น พวกเขาก็ต้องเผชิญกับอุปสรรคสำคัญ นั่นคือ "ความกระจัดกระจายของบริบท" (context fragmentation) ในปัจจุบัน ข้อมูลสำคัญต่างๆ กระจัดกระจายอยู่ตามแคตตาล็อก metadata, wiki ภายใน, คอมเมนต์ในโค้ด และเซลล์ใน Jupyter notebook เมื่อ AI agent พยายามจะทำงานอย่างใดอย่างหนึ่ง เช่น การเขียน SQL query ที่แม่นยำสำหรับชุดข้อมูลเฉพาะ มันจะต้องพยายามอย่างหนักเพื่อรวบรวมเศษเสี้ยวข้อมูลที่แตกต่างกันเหล่านี้เข้าด้วยกัน

Google Cloud ระบุว่าสภาพแวดล้อมในปัจจุบันเป็นการรวมกันของโซลูชันแบบเฉพาะตัวที่แยกส่วนกัน (siloed solutions) ปัจจุบันเหล่านักพัฒนาต่างสร้างโซลูชันด้านบริบทขึ้นมาเอง ตั้งแต่ Obsidian Vaults ไปจนถึงไฟล์ข้อกำหนดเฉพาะอย่าง AGENTS.md หรือ CLAUDE.md แม้ว่ารูปแบบ "metadata as code" เหล่านี้จะมีประสิทธิภาพ แต่ก็ยังขาดความสามารถในการทำงานร่วมกัน (interoperability) ความรู้ยังคงถูกล็อกไว้ภายในระบบหรือ repository เฉพาะที่สร้างมันขึ้นมา ซึ่งขัดขวางการไหลเวียนของข้อมูลอย่างราบรื่นระหว่างเครื่องมือและ framework ต่างๆ

ข้อกำหนด OKF: เรียบง่ายและทำงานร่วมกันได้

Open Knowledge Format (v0.1) นำแนวคิด "LLM wiki" มาทำให้เป็นมาตรฐานสากล โดยแก่นแท้ของ OKF bundle คือไดเรกทอรีของไฟล์ Markdown ที่ใช้ YAML frontmatter ข้อกำหนดนี้ถูกออกแบบมาให้เรียบง่ายที่สุดเพื่อส่งเสริมการนำไปใช้งาน โดยฟิลด์ที่บังคับมีเพียง "type" เท่านั้น อย่างไรก็ตาม ผู้สร้างข้อมูลสามารถเพิ่มฟิลด์เสริมอื่นๆ ได้ เช่น title, description, resource, tags และ timestamps

เนื่องจากอาศัยมาตรฐาน Markdown กราฟความรู้ (knowledge graph) จึงถูกสร้างขึ้นผ่านลิงก์ Markdown แบบดั้งเดิม ซึ่งเชื่อมโยงแนวคิดต่างๆ เข้าด้วยกันอย่างเป็นธรรมชาติ การออกแบบนี้ช่วยให้มั่นใจได้ว่า OKF มีความสามารถในการพกพา (portable) สูง โดย OKF bundle สามารถอ่านได้ใน text editor มาตรฐานใดก็ได้ แสดงผลได้โดยตรงบน GitHub และถูกทำดัชนี (indexed) โดยเครื่องมือค้นหาที่มีอยู่เดิม ที่สำคัญที่สุดคือ ข้อกำหนดนี้ช่วยแยกผู้ผลิต (producers) ออกจากผู้บริโภค (consumers) ซึ่งหมายความว่าเอกสารที่เขียนโดยมนุษย์สามารถประมวลผลโดย AI agent ได้ และ bundle ที่สร้างโดยเครื่องจักรก็สามารถแสดงผลให้มนุษย์เข้าใจได้โดยง่าย

การรวมเข้ากับระบบนิเวศและการนำไปใช้งานอ้างอิง (Reference Implementations)

เพื่อให้แน่ใจว่า spec นี้ก้าวข้ามผ่านเพียงแค่ทฤษฎี Google Cloud จึงได้จัดเตรียม reference implementations และเครื่องมือต่าง ๆ ไว้หลายรายการ ซึ่งรวมถึง enrichment agent ที่สามารถ crawl ชุดข้อมูลใน BigQuery เพื่อสร้างเอกสาร OKF สำหรับทุกตารางโดยอัตโนมัติ นอกจากนี้ Google ยังได้ปล่อย static HTML visualizer และจัดเตรียมชุดข้อมูลตัวอย่างสำหรับชุดข้อมูลที่มีความซับซ้อน เช่น GA4 e-commerce, Stack Overflow และข้อมูล Bitcoin

ที่สำคัญคือ Google Cloud ได้อัปเดต Knowledge Catalog ของตนเองให้สามารถนำเข้า (ingest) OKF ได้ ซึ่งช่วยให้สามารถส่งรูปแบบข้อมูลนี้ไปยัง AI agents ได้โดยตรง การเปิดให้เข้าถึง spec และโค้ดบน GitHub ทำให้ Google วางตำแหน่ง OKF ให้เป็นเลเยอร์พื้นฐานสำหรับ agentic workflows ยุคถัดไป ซึ่งความรู้จะถูกปฏิบัติในฐานะสินทรัพย์ที่เป็นมาตรฐานและเคลื่อนย้ายได้ แทนที่จะเป็นข้อมูลที่ถูกกักเก็บไว้ใน data silo

สรุปประเด็นสำคัญ

• บริบทที่เป็นมาตรฐาน (Standardized Context): OKF เปลี่ยนเอกสารที่กระจัดกระจายให้กลายเป็นไดเรกทอรีของไฟล์ Markdown ที่เป็นหนึ่งเดียว ช่วยให้ AI agents สามารถนำทางผ่าน knowledge graphs ที่ซับซ้อนได้โดยใช้ลิงก์มาตรฐาน
• การออกแบบที่เรียบง่าย (Minimalist Design): ด้วยการกำหนดให้มีเพียงฟิลด์ "type" เพียงฟิลด์เดียวใน YAML frontmatter ข้อกำหนดนี้จึงช่วยรับประกันความสามารถในการเคลื่อนย้ายข้อมูลที่สูงและลดความยุ่งยากสำหรับนักพัฒนา
• การทำงานร่วมกันได้ (Interoperability): รูปแบบนี้ช่วยเชื่อมช่องว่างระหว่าง wiki ที่มนุษย์อ่านได้และ metadata ที่เครื่องจักรสามารถอ่านได้ โดยสามารถใช้งานได้กับทุก cloud provider, ฐานข้อมูล หรือ agent framework