我用AI养了半年个人知识库，然后Google发布了OKF——竟然把我摸索出的那套方案写成了行业规范

过去半年，我做了一件让自己都感到意外的事——我没有在「记笔记」，而是在「养一个会自己长大的知识库」。它每小时自动抓取信息、自动编译整理、自动更新内容，到今天已经运行了625个周期、积累了约44.8万字、213页Wiki页面，而我几乎没怎么手动干预过。就在我认为这只是个人习惯时，Google Cloud发布了OKF（Open Knowledge Format）v0.1规范草案。仔细阅读后，我不禁后背发凉——它把我一年前凭直觉摸索出的那套结构，一条一条写成了标准。

我的实现方案：Claude Code + Markdown + 自动化的组合

故事要从一个困扰说起：每天阅读大量AI行业资讯后，我习惯让AI帮忙总结，但这些摘要都是一次性的——读完即弃，下次再问同一个话题，AI又从零开始生成，与之前的积累毫无关联。知识没有沉淀，只有不断重置。直到看到Karpathy的那条推文：别让LLM给你生成摘要，让它维护一个知识库。区别在于：摘要是快照，知识库是活体。新信息进来，不是新开一篇文档，而是去丰富已有的页面。今天发布的模型动态，不应该多一篇「今日速报」，而应该让相关页面长出新内容，并与历史信息建立关联。

编译的精髓：从快照到活体

基于这个理念，我构建了一套自我进化的知识管理系统。整体数据流程如下：信源配置（Twitter、arXiv、小红书、RSS等）→每小时自动抓取→原始数据存入不可变存储层→LLM编译整理→增量更新到活的Markdown知识库→通过问答和检查机制验证→结果反馈填回知识库。这套系统的核心设计原则有几条： **原始数据不可变**：每次抓取都存储带时间戳的原始文件，绝不修改。它是「事实层」，是一切的基础。目前已积累3105个文件、约4GB数据。 **知识库增量更新**：Wiki页面只增量更新，永不从头重写。这是「知识层」，目前约12MB纯文本，信息密度极高。 **入口索引先行**：任何操作前先读取_index.md入口页，了解整体结构后再决定访问哪个页面。 **双向链接是命脉**：页面之间通过双链语法勾连，知识的价值不在单页，而在连接。 **系统自运行**：代码内置定时任务，关闭电脑后仍能在服务器上持续运行。

OKF规范的冲击：英雄所见略同

整个系统的灵魂在于「编译」环节——它做的是知识富化，而非简单摘要。以一个真实案例说明：关于Anthropic的页面，系统生成的最新内容包含：「美国政府援引国家安全权限，对Anthropic两个最强模型层发出出口管制指令……这是已知首次针对单一AI实验室特定模型版本的出口管制行动。结合该公司2026年6月2日的S-1保密递交，这条信息应列为IPO风险因子……并关联到AI安全和市场观察相关页面。」 可以看出，系统并非简单复制原始信息，而是判断「什么是结构性新事实」、与历史信息建立关联、标注分类、并跨页面同步更新。213页Wiki里全是这种被反复缝合、越来越密的内容。这就是「活体知识库」与「快照式摘要」的本质区别。

诚实的差距：我的方案还不够完善

正当我认为这只是个人实践时，Google发布了OKF规范。它的核心理念与我高度吻合：采用Markdown文件加YAML frontmatter的目录结构，无schema注册中心、无中央权威、无必需工具链。关键条款对比： **Markdown Wiki作为知识层** = OKF中的markdown文档概念 **先读_index.md** = OKF的渐进式披露机制 **双链语法** = OKF的markdown链接关系表达 **时间线日志** = OKF的log.md变更历史 **raw不可变/wiki增量** = OKF的核心原则 **容忍坏链** = OKF将「指向不存在页面的链接」定义为「尚未写下的知识」 最令人震撼的是OKF对「坏链」的定义：指向还不存在的页面的链接不是错误，而是「尚未写下的知识」。我的知识库里到处是这种悬空双链——我一直当它是技术债务，OKF直接把它定义为特性。这种野生实践与大厂规范的不约而同，说明这套结构不是个人怪癖，而是agent时代知识的自然形态。

如有侵权，请联系删除。