Mon dernier article sur l’Open Knowledge Format (OKF) de Google a été l’un des plus populaires que j’ai jamais publié. Depuis, je travaille tête baissée sur ma propre structure OKF. J’ai essentiellement construit mon propre cerveau personnel, et aujourd’hui, je veux vous montrer comment il fonctionne et pourquoi cette norme est si incroyablement importante pour la transition vers un Web agent.
La beauté d’OKF est qu’il suit une structure très simple et standardisée. Alors que de nombreuses personnes ont souligné que les fichiers de démarques ne sont pas nouveaux, Google a créé une norme. Cela signifie que si je donne mes fichiers OKF à un agent, il sait exactement comment les lire sans avoir besoin d’un logiciel personnalisé. C’est un langage universel pour les agents d’IA.
Regardez la vidéo de moi montrant mon cerveau OKF :
Comprendre les fichiers YAML Frontmatter, Index et Markdown
Chaque fichier OKF commence par ce qu’on appelle le frontmatter YAML. Il s’agit d’un petit bloc de métadonnées en haut de votre fichier de démarque qui indique à un agent exactement ce qu’il regarde. Dans mon cerveau personnel, j’utilise des types spécifiques pour tout. J’ai des concepts, des entités, des playbooks, des références et des systèmes.
Voici à quoi ressemble la structure de mes dossiers pour mon cerveau OKF :
Et voici le code de démarque pour l’un des concepts dans mon cerveau :
Lorsqu’un agent consulte mon OKF, il consulte d’abord le fichier d’index. Ce fichier index.md est essentiellement un index des différentes zones auxquelles l’agent peut accéder dans mon cerveau. De cette façon, au lieu que mon agent doive faire du RAG à travers tout dans ma base de connaissances, il peut se concentrer spécifiquement sur les domaines pertinents.
Le système que j’ai construit fonctionne également pour connecter des concepts connexes. Lorsqu’il ingère un nouveau contenu, qu’il s’agisse d’un article de blog que j’ai écrit, d’une annonce de Google ou d’une recherche, il découvre quels autres concepts que nous avons créés doivent être connectés. Le résultat est un graphique vraiment sympa de toutes les connaissances que nous avons dans le cerveau. Cette idée d’agents extrayant des concepts et établissant des liens vient de l’idée LLM Wiki d’Andrej Karpathy.
Visualiser votre graphique de connaissances
Lorsque vous utilisez correctement OKF, vous pouvez visualiser votre cerveau sous forme de graphique connecté. Chaque point de mon système est un fichier de démarque. Vous pouvez voir comment mes concepts pour les aperçus d’IA se connectent à mes références issues de la documentation de Google et de mes playbooks internes. C’est une carte vivante et respirante de tout ce que je sais sur le référencement et l’IA.
J’automatise également la façon dont j’ingère les informations. J’ai un système qui vérifie quotidiennement la documentation de Google. S’ils mettent à jour quelque chose, comme la documentation sur les fonctionnalités d’AI Answers ou de la Search Console, mon cerveau m’en informe et met automatiquement à jour les fichiers de référence pertinents. Je n’ai plus besoin de compter sur mon matériel biologique pour me souvenir de chaque petit changement. Mon cerveau OKF a accès à bien plus de choses que ce que je pourrais jamais garder en tête en même temps.
Je peux alors interroger mon cerveau, et il écrira pour moi quelque chose qui est synthétisé à partir de mes notes et des autres informations que j’ai choisi de stocker dans mon cerveau. Si quelque chose me semble anormal, je peux simplement demander à l’agent présent dans mon cerveau de le corriger. De plus, mon agent est toujours à la recherche de moyens d’améliorer et de connecter les informations contenues dans le cerveau.
Créer des playbooks pour gagner des jours de travail
L’une des choses les plus excitantes que j’ai construites dans mon cerveau OKF est un ensemble de manuels de jeu. Par exemple, j’ai un playbook pour générer des propositions clients. Il s’agit généralement d’un processus fastidieux qui demande beaucoup de travail manuel. Maintenant, mon agent (Antigravity) suit les étapes décrites dans mon playbook de proposition pour tout rédiger en utilisant ma voix et ma logique spécifiques.
J’ai également créé un playbook pour analyser l’impact du site après une mise à jour de Google. J’ai créé un point de contrôle procédural que mon agent doit suivre lors de l’analyse de ces changements. Ce qui me prenait auparavant deux jours pour analyser ne prend plus que quelques heures, et le rapport produit est quelque chose dont je suis incroyablement satisfait. C’est le pouvoir de documenter votre sagesse de manière à ce que les agents puissent réellement l’exécuter.
Je vous encourage vraiment à commencer à expérimenter cela. Vous n’avez pas besoin d’être codeur pour commencer. Vous pouvez demander à un agent de vous aider à créer votre premier bundle OKF sur la base de la documentation fournie par Google. Cela me rend plus productif et je pense que c’est la clé pour rester pertinent à mesure que la recherche continue d’évoluer.
Pour créer quelque chose de similaire, donnez ces liens à votre agent (Claude Code / Cowork, ChatGPT Codex ou mon préféré, Antigravity de Google) et essayez cette invite :
"I want to build an OKF system similar to Marie's. Read these links and then give me some ideas of what this would look like. Then, ask me questions one at a time so that together, we can decide what we want to build: https://cloud.google.com/blog/products/data-analytics/how-the-open-knowledge-format-can-improve-data-sharing/ https://github.com/GoogleCloudPlatform/knowledge-catalog/blob/main/okf/SPEC.md https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f https://www.mariehaynes.com/okf/ https://youtu.be/esYAIA6lU-s"
Plus de ressources :
Lisez la newsletter de Marie, AI News You Can Use. Abonnez-vous maintenant.
