Open Knowledge Foundation
PulseAugur coverage of Open Knowledge Foundation — every cluster mentioning Open Knowledge Foundation across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
RAG 与 OKF：面向 SRE 的 AI 知识框架详解
检索增强生成 (RAG) 和开放知识框架 (OKF) 是面向站点可靠性工程 (SRE) 的、截然不同但又互补的 AI 驱动知识管理方法。RAG 侧重于检索相关文档，为大型语言模型 (LLM) 提供上下文以回答特定问题，例如通过搜索运行手册和事件报告来诊断 API 错误。另一方面，OKF 强调以结构化、机器可读的格式组织知识、关系和上下文，使 AI 能够更一致地导航这些连接。RAG 帮助查找信息，而 OKF 则构建知识以实现更深入的理解…
-
AI 代理获得知识层以改进 SQL 查询
本系列详细介绍了为 AI 代理创建知识层以改进其 SQL 查询生成。第一部分侧重于构建一个编译器，将原始数据库文档（包括模式和业务规则）转换为 Open Knowledge Foundation (OKF) 捆绑包。此捆绑包将信息组织到概念文件中，使代理更容易访问。第二部分解决了代理因缺少业务上下文而做出错误假设的挑战，提出了一种 OKF 捆绑包作为代理可以导航以查找相关信息的解决方案，从而提高查询准确性。
-
Agent Action Grammar 将 AI 指令代币数量减少 73%
一种名为 Agent Action Grammar (AAG) 的新方法已被开发出来，以提高 AI 代理的可靠性和效率，特别是在 Cursor IDE 中。该方法用更结构化的、类似伪代码的语法取代了配置文件中冗长的英文散文。AAG 显著减少了指令所需的代币数量，最多可减少 73%，从而最大限度地减少了“上下文税”，并防止 Claude 和 GPT 等模型“忘记”指令。该语法利用 EBNF 风格的保护子句和 RFC 2119 动词来强制…
-
新算法在在线逆向优化中实现 $O(d)$ 遗憾界
研究人员开发了一种新的确定性算法，用于在线逆向线性优化，实现了 $O(d)$ 的遗憾界，相比先前的方法有了显著改进。该算法每轮运行时间为 $O(d^2)$，效率很高，使其具有实用性。这项工作建立在可变度量框架的基础上，并引入了一种新颖的自归一化秩一更新，用迹幂函数取代了对数行列式势函数，以获得更好的界限。
-
开放知识基金会与 Conflux 中心推出面向和平谈判者的 AI 指南
开放知识基金会与 Conflux 中心正在合作开展一项名为 AI 学习实验室的倡议。该项目旨在创建一份指南，帮助和平谈判者理解并有效利用 AI 工具开展工作。目标是让参与冲突解决的个人有信心和知识来利用 AI 技术。
-
AI第二大脑：Loop和Graph Engineering用于复合式LLM Wiki
本文探讨了循环工程（loop engineering）和图工程（graph engineering）的集成，以创建一个复合式第二大脑系统。文章提出使用开放知识基金会（OKF）框架来构建一个促进持久知识图谱的LLM Wiki。目标是通过使AI代理系统能够随着时间的推移进行学习和成长来增强它们。
-
Open Knowledge Foundation 发布 GATE v1.4，支持输出验证和 Rust 伴侣
Open Knowledge Foundation 发布了 GATE v1.4 版本，在交付边界引入了 C20 输出验证。此次更新将“紧急情况打破”程序正式化为一项签署合同，并增加了到 OWASP AISVS、MITRE ATLAS 和 NIST SSDF 的新映射。该版本还包括三个新存储库：gate-rust、gate-fuzz 和 gate-knowledge，其中 gate-rust 作为核心 GATE 框架的伴侣。
-
开发者通过结构化知识包优化 AI 编码助手
一位开发者设计了一种方法，通过优化提供给 AI 编码助手的上下文，显著减少了它们的 Token 用量和相关成本。该方法涉及使用 OKF Generator 生成一个结构化的知识包，其中封装了项目架构、类和 API。然后，AI 使用这个知识包而不是整个代码库，从而获得更快的响应速度和更少的错误。此外，一个名为 CLAUDE.md 的持久化文件用于存储项目的基础信息，避免了重复解释，并进一步简化了 AI 与项目的交互。
-
AI 模型在保密性方面遇到困难；新型快速内存技术揭晓
一个名为 MCP Memory 的新项目已发布，它利用 Google 的 Open Knowledge Foundation (OKF) 和 SQLite 的 FTS5 来实现快速 Agent 内存。另外，一位用户分享了 Claude Code（一个 AI 模型）未能保守秘密的经历，尽管有指示不要泄露，但它还是泄露了四条机密信息中的三条。
-
Graphify 和 OKF 知识图谱需要可靠性衡量标准
文章讨论了确保AI编码知识图谱可靠性的方法，特别是Graphify和开放知识基金会（Open Knowledge Foundation）开发的知识图谱。文章强调了内容哈希、墓碑（tombstones）和新鲜度门（freshness gates）等技术在维护数据完整性方面的重要性。文章还提倡将计划性的持续集成（CI）重建作为保持这些知识图谱准确性和可信度的关键步骤。
-
文章声称Graphify的代码库AI性能可与RAG媲美
文章质疑了Graphify（一个用于代码库的工具）的有效性，暗示其在问答准确性方面的表现与传统的检索增强生成（RAG）方法相当。文章以Graphify自身的基准数据作为证据，并将其与该工具的巨大炒作进行了对比。文章还提到了开放知识基金会（OKF）在知识表示和AI方面的背景。
-
Google 的 OKF 格式与经典 RAG 进行基准测试
最近一项基准测试将传统的向量检索增强生成（RAG）与 Google 的新开放知识格式（OKF）进行了比较，结果显示这两种方法都不是完美的。虽然 OKF 与 RAG 结合比单独使用经典 RAG 有所改进，但在处理某些类型的查询时仍然存在困难，特别是那些需要从大量非结构化文档中检索信息的查询。基准测试突出了分块、上下文组成以及模型识别当前信息与已弃用信息的能力方面存在的问题。
-
RAG 系统因冗余检索而面临生产故障
检索增强生成（RAG）系统，常用于 AI 产品中，在生产环境中面临严峻挑战。一个主要问题是冗余检索，即系统反复获取相同的静态信息，导致 token 浪费和延迟增加。这种情况的发生是因为 RAG 架构通常将公司知识视为文本块的简单集合，使其对于动态或频繁访问的数据效率低下。
-
Google 提出用于 AI 数据结构化的开放知识格式
Google 提出了开放知识格式 (OKF)，这是一个旨在利用 Markdown 和 YAML 文件来结构化数据目录、指标和运行手册的开放标准。该格式旨在改进知识的表示方式，使其同时适用于人类和 AI 系统，朝着将知识视为代码的方向发展。OKF 旨在成为一种中立的方法，从而促进 AI 应用程序和文档系统的开发。
-
AI从对话走向自主行动，新工具与药物研发加速 · 追踪2个来源
AI正从对话能力进化到自主行动，其发展包括谷歌用于知识分享的新OKF格式以及OpenAI的AI化学家加速药物研发。在日本，关于AI对技能的负面影响以及使用本地LLM节省成本的讨论正在进行中。与此同时，据报道谷歌正在为Gemini专门设计Google Home，这表明AI将更深入地集成到智能家居设备中。
-
Claude Fable 5 映射 Facebook 数据；Google Cloud 推出 OKF 以支持 AI 代理
一篇文章讨论了使用 Anthropic 的 Claude Fable 5（由 Codex 指导）在一夜之间映射 15 年的 Facebook 数据。另外，Google Cloud 发布了“OKF”，这是一个旨在为 AI 代理提供知识的新开放规范。
-
LLM成本降低策略：Token、API和监控
多篇文章讨论了降低与大型语言模型（LLM）相关的成本的策略，主要侧重于token消耗。技术包括将信息组织成开放知识基金会（OKF）技能等格式，对特定任务使用带有封顶输出的固定价格API，以及优化提示结构。其他方法包括将网页内容转换为Markdown以去除HTML噪音，使用LLM API定价计算器，以及实施具有结构化日志记录和警报的强大监控系统以提高成本可见性。文章还强调了理解token化、输入和输出token成本之间的差异以及API网…
-
Google发布开放知识格式以供AI使用
Google发布了开放知识格式（OKF），旨在用于AI知识共享。该举措旨在标准化AI系统获取和利用信息的方式。该公告通过GitHub存储库发布，表明在AI开发中正朝着开源协作迈进。
-
Google发布AI知识格式OKF
Google发布了名为OKF的新知识共享格式，旨在促进AI开发。该格式旨在改进知识的结构化和共享方式，可能加速AI的研究和应用。
-
Google 发布 Open Knowledge Format 以实现 AI 代理互操作性
Google 推出了 Open Knowledge Format (OKF) v0.1，这是一个旨在标准化 AI 代理如何共享和访问知识的新规范。这种供应商中立的、基于 markdown 的格式旨在通过确保上下文的可移植性和互操作性来提高 AI 性能，从而解决 AI 系统的常见故障点。OKF 旨在成为 AI 代理知识的通用标准，摆脱专有 SDK 和平台锁定。