Cole Medin · 19:37 · 发布 2026-07-02 · 4.5万次观看(截至抓取) · 观看原视频 · 全文中译
主旨
Google 发布的 OKF(Open Knowledge Format)在 Karpathy 的 LLM wiki 模式上加了一层轻量标准——只统一文件组织方式和 metadata 字段——让不同人搭的第二大脑能被彼此的 agent 读懂、共享。
核心论点
- Karpathy 的 LLM wiki 模式本身没问题,缺的是标准——每个人接入后目录结构和字段命名都不一样,agent 换一个知识库就看不懂,团队/社群共享基本无解。
- OKF 只标准化两件事:文件怎么组织 + metadata 有哪些字段,而且只有
type一个必填项,刻意做成”最小公约数”。 - “内容不多”的批评是对的,但这正是设计目标——标准要成为公约数,就必须克制到只留必要的部分,不然又会变成新的碎片化。
- 迁移成本几乎为零:把 spec.md 丢给 coding agent 就能一键新建或重构 wiki,规模大时可以让 agent 用 sub agent 分治不同目录。
知识点详解
Karpathy LLM wiki 的老问题:没有标准就没法共享 01:32 译
Karpathy 那份 40k star 的 gist 火起来是因为思路简单:让 LLM 增量维护一份带交叉链接的 LLM wiki,而不是把文档一股脑扔进 RAG 索引,每次加新资料时 LLM 会读全文、抽取关键信息、更新已有的 entity 页面。
问题是每个人照着这个思路自己搭一套,目录结构、字段命名各不相同,agent 拿到别人的知识库就读不懂,想共享给团队或粉丝基本无解。
OKF 只标准化两件事:组织结构 + metadata 字段 03:35 译
OKF 的 spec.md 就干两件事:规定文档怎么分层组织(每层目录配一个 index 文件),规定 Front matter 里有哪些字段——只有 type 必填,title/tags/related 等都可选。
整份 spec 就是这份契约,喂给 coding agent 当 skill 用,读一遍就能照着建或重构。
index 文件 + 渐进式披露:agent 怎么少花 token 找到答案 04:25 译
每层目录的 index 文件像一份说明书,先给 agent 一个高层概览——有哪些文档、每篇讲什么——agent 据此判断该往哪个方向深挖,再决定要不要打开某篇具体的 Entity document。
这跟 skill.md 的渐进式披露是同一个机制:先读摘要,按需再读全文,而不是一次性把所有内容塞进上下文。
Bundle:把知识库打包成可分享的产品形态 11:17 译
Cole 把自己频道最好的 4 个 AI coding 视频打包成一个 Bundle:顶层 index 分videos 和 concepts 两个分区,再配一个简单 CLI 按 bundle/concept ID 查询。
别人只要先把 spec 喂给自己的 coding agent学会 OKF,再把这个 repo 的 README 丢给它,就能直接把整个知识库接进本地的 Obsidian 或 Notion 提问,不用自己重新导入 transcript。
实测:agent 靠分层结构逐层收窄找到答案 16:50 译
Cole 在终端里只问”Cole 关于稳定拿到可靠代码输出的最大观点是什么”,没指定看哪个 bundle。
Agent 跑了四条命令:先列出所有 bundle,读索引挑出相关的一个,再进 concepts 层,最后定位到”context engineering”这篇 Entity document 拿到答案——全程靠 index 结构一路收窄范围,没有一次性读完整个知识库。
可执行步骤
- 把 OKF 的 spec.md 丢给你的 coding agent,先让它”学会”这套标准
- 新建知识库时按 OKF 结构走:顶层 index + 各分区(如 concepts/、videos/)各自的 index
- 给每篇文档的 Front matter 至少加上
type字段,作为分类检索的基础 - 已有的 LLM wiki 想统一格式,直接让 agent 按 spec 重构,量大就明确要求用 sub agent 分治不同目录
- 想把自己积累的知识打包分享给别人,参考 Bundle 思路做一层 index + CLI/README,让对方 agent 一次接入
关联
- 印证:Claude第二大脑的五个层级详解 对 Level 2 wiki 的描述与 OKF 默认形态一致,印证 wiki 的可读性与互操作性不依赖特定 agent。
- 印证:Greg·Skill 工作原理 把 渐进式披露 落到 skill 加载机制(名称+描述先进上下文、正文按需展开),与本片的 wiki 检索场景是同一原理的两个独立实例。
术语
- OKF (Open Knowledge Format)
- Google 发布的个人知识库开放标准,统一文件组织与 metadata 字段
- LLM wiki
- Karpathy 提出的、用 LLM 增量维护并带交叉链接的个人知识库范式
- Bundle
- OKF 下打包好的一份可分享知识库
- 渐进式披露(progressive disclosure)
- 先读索引摘要判断方向,再决定是否打开全文的检索策略
- Entity document
- 针对单个概念/实体的独立文档,是知识图谱的节点
- Front matter
- Markdown 文档头部的 YAML 元数据块,OKF 中仅
type必填
金句
“It’s the bare minimum layer that we need on top so that we can produce and consume these wikis in exactly the same way across everyone’s agents.” 18:44 译 → 面对”OKF 太简单、没实质内容”的批评,Cole 的回应是:标准要成为公约数,就必须克制到只留必要的部分——少即是对。
立场与利益
- PostHog 是本期视频的付费赞助植入,那段推广跟 OKF 内容本身无关,可整体忽略。
- Cole 反复提到自己的 bundle、Archon 项目,存在自我引流成分;但 OKF 标准是 Google 开源发布的,不是 Cole 自家产品,不构成直接利益绑定。
- Cole 自己也承认”我不认为 OKF 最后会成为标准,但类似的东西会出现”——这是对一个尚处早期、未经验证的标准的推广,不是既成事实,采用前可以先观望。
价值定位
适合已经在搭 LLM wiki / 第二大脑、并且开始关心”这套知识库能不能被别人(或别的 agent)读懂、能不能打包分享”的用户;还没建知识库的人听 OKF 会觉得空。解决的是 Karpathy LLM wiki 火了之后的碎片化问题——各人目录字段不一,agent 换个库就读不懂。
以认知价值为主,即用价值要打个折:Cole 自己都说”不认为 OKF 最终会成为标准,但类似的东西会出现”,标准本身尚早、可观望。真正能马上借鉴的不是 OKF 这个具体 spec,而是两个更通用的做法——每层目录配 index 文件 + 渐进式披露让 agent 少花 token 逐层收窄(与本 vault 已有的同名概念印证),以及把知识库打包成带 index+CLI 的可分享产品形态(Bundle)。
本片独有的是 OKF 的最小契约设计(只 type 必填)和 Bundle 分享范式;“渐进式披露""index 组织”这些机制在 大师课 的 skills 讨论里也出现过,不是本片首创。
自检问题
- Karpathy 的 LLM wiki 模式本身缺的是什么,导致个人知识库没法在人之间共享? 答案:不是能力问题,而是缺一个统一标准——每个人接入后目录结构和 metadata 字段命名都不一样,agent 换个知识库就理解不了,见”Karpathy LLM wiki 的老问题”一节。
- OKF 标准化的到底是”内容”还是”格式”?为什么”太简单”这个批评反而说明它设计对了?
答案:OKF 只标准化组织结构(索引分层)和 metadata 字段(仅
type必填),不规定知识内容本身。“没什么实质内容”的批评是对的,但这正是设计目标——最小公约数才能保证所有 agent 用同一种方式生产和消费知识库,见”OKF 只标准化两件事”一节和”金句”一节。 - agent 回答问题时为什么不需要一次性读完整个知识库?靠的是什么机制? 答案:靠分层 index + 渐进式披露——agent 先读顶层 index 判断方向,再逐层深入到具体 entity 文档,像 Cole 演示的那样跑四条命令层层收窄范围,见”index 文件 + 渐进式披露”和”实测”两节。
- Bundle 这种形态解决的是创作者的什么痛点? 答案:让创作者能把自己积累的知识(比如频道视频)打包成带 index + CLI 的可分享知识库,别人不用自己重新导入 transcript,直接把 repo 接进自己的 agent 就能提问,见”Bundle”一节。
- 如果 OKF 最终没有成为行业标准,现在跟进这套东西还有没有意义? 答案:有——Cole 自己也认为 OKF 不一定是最终标准,但”类似的东西会出现”,现在理解和实践这套组织思路(index+分层+统一 metadata)是对个人知识库管理能力的提升,不依赖某个具体标准能否存活下去,见”立场与利益”一节。
💬 热门评论 top-11 主 + 9 回(抓取 2026-07-07)
[6] @TomHimanen:你还可以定义 OKF，并在文件级 harness（benquemax/henxels）中强制执行。它通过算法指导 agent，确保指令在 agent 提交前生效。这样也能让本地模型遵守 OKF 标准要求的规则（henxels）。 👍 15 ↪ @eannane8712:我讨厌自己每天努力学，还是听不懂这里一半的人在说什么。 👍 3 ↪ @ColeMedin(UP):喜欢！ ↪ @IoT_:能详细讲讲这些 benquemax 的东西吗？ 👍 2 [9] @Mr_Big_Head:只要设置一个 cron 任务，定期对你的 vault 做 RAG 摄取，添加元数据，方便你的 LLM 搜索和链接 vault。 👍 1 ——其他 8 条:感谢/夸赞([2]@dj1480、[3]@Ic37r011、[4]@mish551x、[5]@bankableAI、[7]@nostrafanumproductions、[8]@DavidElfalan、[10]@lopa-wt7eg、[11]@pvwetten);1 条 spam 已略
英文原文
[1] @ColeMedin(UP):The Dynamous Agentic Coding Course is now FULLY released - learn how to build reliable and repeatable systems for AI coding: https://dynamous.ai/agentic-coding-course 👍 4
↪ @Roberto-x4s1f:Click "more" at thd top abd then "show transcriot"....thats exactky how your agent does it.
↪ @mrsrhardy:you need a hybrid, LLM markup for short term and ddb obsidian for longer term data organization, one-shot a real solution
[2] @dj1480:Can't wait to try this! I'm so glad my agents will know everything in your videos :D 👍 2
[3] @Ic37r011:This was phenomenal. I have been using one I made that is super close to the standard. Now that you shared this I have a standard from the industry to adopt. Thank You! 👍 8
↪ @ColeMedin(UP):Very cool, you are welcome!
[4] @mish551x:So cool, Cole. HQ videos so far, plus great communication and expertise. 👍 3
↪ @ColeMedin(UP):I appreciate it!
[5] @bankableAI:I hadn't even thought about this! But I have a few use cases that need it so ty. 👍 1
[6] @TomHimanen:You can also define OKF and enforce it at file-level harness (benquemax/henxels). It instructs the agent algorithmically and makes sure instructions take effect before the agent can commit. This makes also local models obey the rules (henxels) that are required by OKF standard. 👍 15
↪ @eannane8712:I hate how I try to study this every day and still can't understand half the shit people say on here 👍 3
↪ @ColeMedin(UP):Love it!
↪ @IoT_:Can you please elaborate on these benquemax stuff? 👍 2
[7] @nostrafanumproductions:Great Video Cole! I am excited to try out your Knowledge Bundle. Thanks Bro! 👍 1
↪ @ColeMedin(UP):Thank you! Glad to hear you're going to give my bundle a spin :)
[8] @DavidElfalan:Thank you 👍 1
[9] @Mr_Big_Head:Just have a cron that runs a periodical rag ingest on your vault to add meta data for your llm to easily search and link your vault. 👍 1
[10] @lopa-wt7eg:Thanks G💪🐐 👍 1
↪ @ColeMedin(UP):You bet!
[11] @pvwetten:Excellent video, Tnx 👍 1