--- title: "Open Knowledge Format: wiedza firmy w plikach" url: "https://majchrzycki.com/blog/open-knowledge-format-okf-ontologia-ai-os" description: "Czym jest Open Knowledge Format, jak opisuje pochodzenie i aktualność wiedzy oraz kiedy pomaga agentom AI bez zamykania kontekstu w jednej platformie?" --- # Open Knowledge Format: wiedza firmy w plikach 24 września 2026· Aktualizacja: 28 września 2026·2 min czytania·Krzysztof Majchrzycki Temat: [Ontologia firmy](https://majchrzycki.com/blog/filar/ontologia-firmy) **Open Knowledge Format (OKF) to otwarta propozycja zapisu wiedzy jako katalogu plików Markdown z metadanymi YAML.** Człowiek może przeczytać definicję pojęcia, a agent może ją pobrać, zindeksować i powiązać z innymi definicjami bez zależności od jednego serwera metadanych. [Repozytorium projektu](https://github.com/GoogleCloudPlatform/open-knowledge-format) nazywa format neutralnym wobec dostawcy modelu, frameworka i sposobu udostępniania. To obiecujący składnik [ontologii operacyjnej AI OS](https://majchrzycki.com/blog/ontologia-ai-os-warstwy-semantyczna-kinetyczna-dynamiczna), ale nie pełna ontologia ani silnik uprawnień. [Prosty słownik ontologii, taksonomii i modelu danych](https://majchrzycki.com/blog/ontologia-taksonomia-model-danych-prosto-dla-msp) pomaga rozdzielić te pojęcia przed wyborem formatu. ## Co znajduje się w dokumencie OKF? Według [specyfikacji OKF v0.2](https://github.com/GoogleCloudPlatform/open-knowledge-format/blob/main/SPEC.md) dokument jest plikiem Markdown z frontmatter YAML. Jedynym zawsze wymaganym polem jest `type`; zalecane są m.in. `title`, `description`, `resource` i `tags`. Treść może zawierać opis biznesowy, przykłady zapytań oraz zwykłe linki do innych pojęć. Katalogi i pliki indeksowe pomagają odkrywać wiedzę stopniowo, bez ładowania całego korpusu do jednego promptu. ``` --- type: Metric title: Przychód netto description: Przychód po korektach i zwrotach. resource: https://example.org/metrics/net-revenue tags: [finanse, sprzedaż] --- ``` To schemat ilustracyjny, nie gotowy raport finansowy. Znaczenie „przychodu netto” nadal musi zatwierdzić właściciel procesu. OKF pozwala zapisać, gdzie definicja powstała, kto ją weryfikował i kiedy może się zdezaktualizować. Metadane `sources`, `generated`, `verified`, `status` i `stale_after` tworzą sygnały zaufania i świeżości. Są jednak tylko danymi o pochodzeniu: sam plik nie dowodzi automatycznie prawdziwości jego treści. ## Dlaczego to ważne dla suwerennego AI OS? Firmowa wiedza często jest uwięziona w jednym katalogu danych albo zamkniętym interfejsie aplikacji. OKF można wersjonować w Git, przeglądać w diffie, kopiować jako katalog, serwować statycznie lub indeksować we własnej wyszukiwarce. Agent może dostać definicję tabeli, metryki czy pojęcia wraz z odsyłaczem do źródła i informacją o aktualności. To ogranicza zgadywanie znaczenia nazw kolumn. Przykład: agent analityczny ma odpowiedzieć na pytanie o marżę. Zamiast samemu wymyślać formułę, odczytuje dokument „Marża” z zatwierdzoną definicją, linkiem do tabel i datą weryfikacji. Jeśli wpis jest przeterminowany, powinien poprosić o ponowne potwierdzenie, a nie ukryć ostrzeżenie. Zapis wiedzy nie daje agentowi prawa do wykonania zapytania SQL; autoryzacja działa na osobnej granicy. ## Jak OKF wypada wobec alternatyw? [OpenMetadata](https://majchrzycki.com/blog/openmetadata-zaufany-kontekst-ai) i DataHub oferują katalogowanie, konektory i procesy zarządzania metadanymi. RDF/OWL pozwalają na bogatszą semantykę i formalne wnioskowanie. [Apache Ossie](https://majchrzycki.com/blog/apache-ossie-semantyka) skupia się na wymianie modeli semantycznych między platformami. OKF stawia na prosty, czytelny artefakt plikowy. Można połączyć te podejścia: eksportować zatwierdzone pojęcia z katalogu do OKF albo używać OKF jako warstwy przenośnych objaśnień. Nie należy utożsamiać tych narzędzi z formatem tabel [Apache Iceberg](https://majchrzycki.com/blog/apache-iceberg-fundament-ai-os): Iceberg zarządza zbiorami danych, OKF opisuje wiedzę o nich. ## Co sprawdzić w AI SDLC? Zacznij od trzech pojęć: klient, zamówienie i przychód. Niech agent kodujący przygotuje eksport do OKF oraz walidator wymaganych pól i linków. Następnie ekspert biznesowy zatwierdza definicje. W teście usuń wskazane źródło, ustaw `stale_after` w przeszłości i zmień nazwę tabeli. Sprawdź, czy konsument zgłasza brak dowodu, przeterminowanie oraz zerwany odsyłacz. Dopiero wtedy warto automatycznie rozszerzać katalog. Projekt publikuje referencyjnego agenta i przykładowe zestawy dokumentów, ale sam opisuje je jako demonstrację sposobu produkcji i konsumpcji formatu. Dla środowiska produkcyjnego trzeba osobno zaprojektować kontrolę wersji, przegląd zmian, dostęp do plików oraz odpowiedzialność za aktualność pojęć. - Agenci AI - Dane i analityka ## Uporządkuj pierwszy krok z AI Bezpłatny poradnik pomaga wybrać proces, pytania diagnostyczne i kolejność działań. [Pobierz poradnik](https://majchrzycki.com/darmowy-poradnik-transformacji-ai-dla-firmy) Strony poradnika transformacji AI: rysunki i opisy cyfrowego modelu firmy ## Czytaj dalej - [Apache Ossie w suwerennym AI OS](https://majchrzycki.com/blog/apache-ossie-semantyka) - [RDF, OWL 2 i SHACL: standardy ontologii AI OS](https://majchrzycki.com/blog/owl2-rdf-shacl-ai-os) - [Ontologia AI OS: semantyka, działania i decyzje](https://majchrzycki.com/blog/ontologia-ai-os-warstwy-semantyczna-kinetyczna-dynamiczna) - [Protégé Desktop i WebProtégé: ontologia dla AI OS](https://majchrzycki.com/blog/protege-ontologia-ai-os)