AIナレッジ / 理解メモ / 確認日 2026-06-30
OKFは知識をconcept fileとして切り出すための考え方
OKFは、初見では拍子抜けする。ファイルはMarkdownで、先頭にYAMLがあるだけに見えるからだ。だが中心にあるのは記法ではなく、AIに再利用させたい知識を1つのconcept fileとして切り出す発想である。
普通のメモは、人間が読むには十分に見える
たとえば、monthly_active_usersという指標をagentに説明したいとする。普通のMarkdownメモなら、次のように書ける。
# monthly_active_users
月次アクティブユーザー数。月内に1回以上ログインしたユーザーを数える。
無料トライアル中のユーザーは含めない。
退会済みユーザーは退会日以降の月から除外する。
分析では users と login_events を user_id で結合する。
人間が読むなら、これでも意味は分かる。しかしagentに渡す知識として見ると、いくつかの判断を人間が毎回補っている。
- これは指標なのか、テーブルなのか、業務ルールなのか。
- どのテーブルやイベントと関係するのか。
- どの注意点を分析時に必ず参照すべきなのか。
- 他のagentやtoolへ渡すとき、どこを入口にすればよいのか。
OKFでは、それを1つのconcept fileとして置く
OKFの中心発想は、文書を長くすることではない。再利用したい知識をconceptとして切り出し、最低限のラベルと関係を付けることだ。
---
type: metric
title: Monthly Active Users
description: 月内に1回以上ログインした有料ユーザー数
tags: [growth, product_analytics]
---
# Monthly Active Users
月内に1回以上ログインしたユーザーを数える。
無料トライアル中のユーザーは含めない。
退会済みユーザーは退会日以降の月から除外する。
## Related concepts
- [[tables/users]]
- [[tables/login_events]]
- [[caveats/trial-users-excluded]]
ここで重要なのは、MarkdownにYAMLを付けたこと自体ではない。monthly_active_usersを「agentに再利用させたい知識の1単位」として扱ったことが変化である。
「AIが使える」とは、毎回人間が説明しなくてよいという意味
ここでいう「AIが使える」は、魔法のようにAIが賢くなるという意味ではない。agentが入口を見つけ、種類を判断し、関連する知識をたどり、人間が毎回説明しなくても文脈を復元できる、という意味である。
入口がある
index.mdやディレクトリ構造から、どこから読めばよいかを見つけられる。
種類がある
type: metricにより、これは指標定義として扱う知識だと分かる。
関係がある
関連テーブルや注意点へのリンクをたどり、必要な文脈を広げられる。
レビューできる
Markdownなので、人間がdiffを読み、内容の正しさを確認できる。
OKFが足すものは、記法ではなく契約である
普通のMarkdownにもfrontmatterは付けられる。違いは、OKFが「知識をconceptとして切る」「最低限typeを持つ」「束として入口や関係を持てる」という契約を置くことにある。
| 要素 | 役割 | 今回の例 |
|---|---|---|
concept |
agentに再利用させたい知識の1単位。 | monthly_active_usersという指標定義。 |
type |
そのconceptが何の種類の知識かを示す必須field。 | type: metric。指標として読む。 |
index.md |
知識束の入口。階層や関連conceptの案内役。 | 指標一覧や分析用conceptへの入口。 |
| Markdown links | 関連するconceptをたどるための接続。 | users、login_events、注意点へのリンク。 |
OKFの前後で変わるのは、人間が補っていた文脈の置き場所
OKFの前
人間がメモを探し、「この指標はこのテーブルを使う」「この条件は除外する」とagentへ毎回説明する。
OKFの後
指標、テーブル、注意点をconceptとして置き、agentが参照単位と関係をたどれるようにする。
変化は「AIが自動で正解を出す」ことではない。人間が頭の中で補っていた文脈を、ファイル構造とリンクに逃がすことだ。
Markdown、frontmatter、AGENTS.mdとは役割が違う
| 形式 | 主な役割 | OKFとの違い |
|---|---|---|
| 普通のMarkdown | 人間が自由に読む文書。 | 再利用する知識単位や最低限の属性は決まらない。 |
| Markdown + frontmatter一般 | 文書に任意の属性を付ける仕組み。 | どの属性を最低限そろえ、知識束としてどう交換するかまでは決めない。 |
AGENTS.md / CLAUDE.md |
agentに常時読ませる作業指示やリポジトリ規約。 | 作業ルールを渡すのに向く。大量の参照知識を全部入れる場所ではない。 |
| OKF | agentが必要に応じて参照できる知識の束。 | 知識をconceptとして分け、typeやlinkで探索しやすくする。 |
OKFは、よい分類や正しさを自動では決めない
OKF v0.1はdraftであり、完成した標準というより、相互運用のための最初の合意面に近い。conformanceも寛容で、unknown type、unknown field、broken link、missing indexはconsumer側が拒否しない前提になっている。
つまり、OKFを使っても、どの粒度でconceptを切るか、typeをどう設計するか、sourceをどこまで信頼するか、誰が更新責任を持つかは自動で決まらない。雑に使えば、frontmatter付きのメモの山になるだけである。
OKFは知識整理の答えではない。知識をagentに渡すとき、人間とAIが共有できる最低限の形を与えるものだ。
自分の言葉で言い直す
OKFは、AIに渡したい知識がメモの山になって再利用しにくい問題を、conceptという知識単位、typeというラベル、Markdown linkという関係で扱いやすくする考え方。
この理解なら、OKFを「Markdown + YAMLの仕様」ではなく、「人間が毎回補っていた文脈を、agentがたどれるファイル構造へ逃がすための形式」として説明できる。
参考資料
| 資料 | 位置づけ |
|---|---|
| Introducing the Open Knowledge Format | Google Cloud BlogによるOKF v0.1の紹介。2026-06-13公開。 |
| GoogleCloudPlatform/knowledge-catalog | Knowledge Catalogのsamples、tools、OKF関連資料を含むrepository。 |
| Open Knowledge Format (OKF) v0.1 Draft | bundle structure、frontmatter、reserved filename、conformanceを定義する仕様。 |