当智能体开始批量编写表结构、指标定义和运维手册，知识库面对的问题就不再只是“内容是否完整”，而是“消费者凭什么相信它”。OKF v0.2 在保持 Markdown 与 YAML frontmatter 这一轻量结构的同时，加入来源、验证、新鲜度、生命周期和计算证明等可机器读取的信号，让另一个智能体在读取正文、执行查询或展示数字之前先做判断。
从描述知识转向筛选知识
OKF v0.1 的 type、title、description、resource 和 tags 主要描述概念是什么。v0.2 新增的字段则帮助消费者决定是否采用这个概念：
sources：内容从哪些材料推导而来，并可记录作者、使用次数和最后修改时间。generated：当前内容由谁生成，以及何时发生了最近一次实质变更。verified：哪些人或自动化流程独立核对过内容。status：概念处于draft、stable还是deprecated；缺省时视为stable。stale_after：超过哪个绝对日期后需要重新核验。
这些字段放在 frontmatter 中很关键。搜索器可以只解析文件头，就排除已弃用、已过期或缺少人工复核的定义，无须先把整篇正文送进模型。这既减少 token 消耗，也让信任策略能够由普通程序确定性执行。
一个指标文件可以这样组织：
---
type: Metric
title: Revenue
description: Recognized revenue in USD.
generated:
by: reference_agent/model-v1
at: 2026-06-30T14:00:00Z
verified:
- by: human:finance-owner@example.com
at: 2026-07-01T09:00:00Z
status: stable
stale_after: 2026-12-31
sources:
- id: revenue-policy
resource: policies/revenue-recognition.md
title: Revenue Recognition Policy
author: human:finance-owner@example.com
last_modified: 2026-06-15
---
# Revenue
Only delivered orders beyond the return window are recognized. [^revenue-policy]
这里没有一个由 OKF 预先计算的“可信度分数”。格式只保存客观信号，最终策略由消费者决定。例如，高管看板可以要求人工复核，而测试环境可以接受仅由机器确认的内容。
缺失字段也成为有意义的信号
v0.2 仍然只强制要求 type。新字段全部可选，自定义键也会被保留，因此 v0.1 bundle 仍然有效。不过，可选不等于没有语义：缺少 verified 表示尚未验证，而不是解析失败。
消费者可以从 verified 推导三个实用层级：
- 没有
verified：unverified。 - 只有机器主体确认：
machine-confirmed。 - 至少存在一个
human:<id>主体：human-reviewed。
stale_after 使用绝对日期而不是相对 TTL，也让判定更稳定。到了 2027-01-01，stale_after: 2026-12-31 的概念无论由谁、在什么环境读取，都得到同样的过期结论。deprecated 则解决另一个问题：旧定义可以继续留在 bundle 中复现历史结果，但不再进入新任务的候选集合。
可以这样实践：在 CI 中扫描 bundle
下面是一个可直接运行的最小消费者。它读取目录下所有 Markdown 文件，推导信任层级，并在文件过期、弃用或未达到要求时返回非零退出码。
先安装依赖：
python -m pip install PyYAML
将下面内容保存为 check_okf.py，运行时把 ./knowledge 替换为实际 bundle 目录：
#!/usr/bin/env python3
import argparse
import datetime as dt
from pathlib import Path
import yaml
def frontmatter(path: Path) -> dict:
text = path.read_text(encoding="utf-8")
if not text.startswith("---\n"):
return {}
try:
header, _body = text[4:].split("\n---\n", 1)
except ValueError:
raise ValueError(f"{path}: frontmatter is not closed")
return yaml.safe_load(header) or {}
def trust_tier(meta: dict) -> str:
verifiers = [str(item.get("by", "")) for item in meta.get("verified", [])]
if any(actor.startswith("human:") for actor in verifiers):
return "human-reviewed"
if verifiers:
return "machine-confirmed"
return "unverified"
def main() -> int:
parser = argparse.ArgumentParser()
parser.add_argument("bundle", type=Path)
parser.add_argument(
"--minimum-trust",
choices=["unverified", "machine-confirmed", "human-reviewed"],
default="human-reviewed",
)
args = parser.parse_args()
rank = {"unverified": 0, "machine-confirmed": 1, "human-reviewed": 2}
today = dt.date.today()
failed = False
for path in sorted(args.bundle.rglob("*.md")):
meta = frontmatter(path)
if not meta:
continue
tier = trust_tier(meta)
status = meta.get("status", "stable")
stale_after = meta.get("stale_after")
stale = bool(stale_after and dt.date.fromisoformat(str(stale_after)) < today)
accepted = (
status != "deprecated"
and not stale
and rank[tier] >= rank[args.minimum_trust]
)
print(f"{'OK' if accepted else 'REJECT'} {path}: {tier}, {status}, stale={stale}")
failed |= not accepted
return int(failed)
if __name__ == "__main__":
raise SystemExit(main())
执行检查：
python check_okf.py ./knowledge --minimum-trust human-reviewed
实际接入时，通常还应验证 generated.at 和 verified.at 的时间格式、检查 sources[].resource 是否可解析，并为不同发布目标配置不同的最低信任等级。不要把 human-reviewed 误当成访问控制；它只是内容治理信号，权限仍应由独立的身份与授权系统处理。
Attested Computation 约束每一次计算
来源证明“定义从哪里来”，却不能证明智能体展示的数字确实由批准的 SQL 算出。v0.2 因此引入 Attested Computation：文件声明固定计算、允许填写的参数、执行器以及验证执行回执的 attester。
---
type: Attested Computation
title: Revenue for a fiscal year
runtime: bigquery
parameters:
- name: year
type: integer
required: true
executor:
resource: skills/run-on-bq.md
receipt: [job_id, executed_sql, result]
attester:
resource: attesters/sql_equality.py
status: stable
stale_after: 2026-12-31
---
# Computation
SELECT SUM(net_amount) AS revenue_usd
FROM `acme.sales.orders`
WHERE order_status = 'delivered'
AND EXTRACT(YEAR FROM order_ts) = @year
在这个模型中，智能体只能绑定已声明参数，不能临时改写 SQL。执行器返回 job_id、实际 SQL 和结果；确定性的 attester 再比较批准的计算与实际执行内容，并核对展示值。换表、增删过滤条件或修改依赖都应使证明失败。
需要特别区分验证与证明：verified 表示定义与政策一致，是较慢、文档级的治理动作；attestation 针对单次运行，必须在运行时执行，也不应写回 bundle。一个过期定义仍可能通过 SQL 一致性检查，而刚由财务人员复核的定义也不能免除逐次 attestation。
采用时的边界与顺序
OKF v0.2 是增量且向后兼容的：旧 timestamp 可回退映射到 generated.at，旧正文中的 Citations 列表可回退为 sources。团队没有必要一次填满全部字段。
更稳妥的落地顺序是：先让生产者写入 generated 和 sources，再由 CI 检查 status、stale_after 与最低验证等级；涉及财务、计费或合规数字时，再引入 Attested Computation。与此同时，应明确验证者身份格式、重新核验责任人和过期后的处理方式。
OKF 的价值不在于替团队决定什么可信，而在于把判断所需的证据放进一个开放、可移植、便于程序过滤的格式中。对于由智能体持续生产、再由其他智能体消费的知识库，这正是从“能够读取”走向“能够负责地采用”的关键一步。