Ngừng Giam Giữ Kiến Thức Sau Các Pipeline RAG—Chỉ Cần Dùng Markdown

Trong vài năm qua, việc cung cấp kiến thức cho hệ thống AI đồng nghĩa với xây dựng hạ tầng. Chia nhỏ tài liệu. Chọn mô hình embedding. Dựng cơ sở dữ liệu vector. Tinh chỉnh truy xuất. Bọc nó trong SDK. Có thể xây thêm đồ thị bên trên. Khi bạn hoàn tất, kiến thức của công ty bạn không còn là thứ bạn có thể đọc—mà là thứ bạn truy vấn qua một pipeline, đằng sau một dịch vụ, thuộc sở hữu của bất kỳ framework nào bạn tình cờ chọn.

Toàn bộ cách tiếp cận đó đã giam giữ kiến thức chưa bao giờ cần bị giam giữ. Sự sửa chữa gần như đơn giản đến mức xấu hổ: markdown.

RAG là một ý tưởng hay—nhưng nó đi kèm với cái giá

Tạo sinh tăng cường truy xuất đã giải quyết một vấn đề thực sự khi cửa sổ ngữ cảnh còn nhỏ và mô hình còn đắt. Graph RAG đã đẩy nó đi xa hơn. Những kỹ thuật này hoạt động. Nhưng hãy nhìn vào cái giá của chúng. Để đưa kiến thức vào hệ thống RAG, bạn biến đổi nó thành một hình dạng chỉ hệ thống hiểu. Tài liệu của bạn trở thành embedding. Mối quan hệ của bạn trở thành các cạnh trong cơ sở dữ liệu. Kiến thức không còn có thể đọc được bởi con người ngay khi nó bước vào pipeline. Nếu bạn muốn xem tác nhân của bạn thực sự "biết" gì, bạn không thể chỉ mở một tệp—bạn phải chạy một truy vấn chống lại cùng cỗ máy đã khóa nó lại.

Mỗi đội xây dựng lại điều này từ đầu. Mỗi người xây dựng tác nhân giải quyết cùng một vấn đề lắp ráp ngữ cảnh. Mỗi nhà cung cấp catalog tái phát minh cùng một mô hình dữ liệu. Kiến thức cuối cùng bị mắc kẹt sau bề mặt nào đã tạo ra nó, trong một định dạng mà công cụ tiếp theo không thể đọc nếu không có bộ dịch. Đó là cánh cổng: không phải tường phí, mà là tường định dạng.

Mô hình mà mọi người liên tục khám phá lại

Trong khi tất cả hạ tầng đó đang được xây dựng, một điều gì đó lặng lẽ hơn đã xảy ra. Mọi người bắt đầu viết markdown. Nếu bạn đã sử dụng Claude Code hoặc Codex, bạn đã viết CLAUDE.md hoặc AGENTS.md mà không nghĩ đó là kiến trúc. Bạn đã viết ra cách dự án của bạn hoạt động, những quy ước cần tuân theo, những gì không nên động vào—và tác nhân trở nên tốt hơn. Không có embedding. Không có kho vector. Chỉ là một tệp mà mô hình đọc ở đầu mỗi phiên.

Mô hình này liên tục xuất hiện dưới những cái tên khác nhau: kho Obsidian đầy ghi chú liên kết, DESIGN.md, MEMORY.md, kho "metadata as code". Mỗi cái đều là cùng một bản năng: viết kiến thức dưới dạng văn bản thuần túy, liên kết các phần lại với nhau, và để mô hình đọc trực tiếp. Hóa ra định dạng mà LLM thực sự, đáng tin cậy giỏi là định dạng chúng ta đã coi là quá thô sơ để bận tâm chuẩn hóa. Markdown có cấu trúc mà không cần nghi thức—tiêu đề, danh sách, liên kết, một chút frontmatter. Nó vừa đủ giàn giáo để mô hình điều hướng và vừa đủ ít để con người có thể đọc cùng một tệp và hiểu ngay lập tức.

Mô hình LLM Wiki của Karpathy

Andrej Karpathy đã đặt tên cho điều này với mô hình LLM Wiki của ông. Ý tưởng là một thiết lập ba lớp, tất cả trong các tệp thuần túy. Một thư mục sources/ chứa tài liệu thô mà mô hình coi là bất biến. Một wiki/ gồm các trang markdown mà mô hình tạo ra và sở hữu—tóm tắt, trang khái niệm, trang thực thể. Và một tệp lược đồ (CLAUDE.md hoặc AGENTS.md) hướng dẫn tác nhân cách duy trì toàn bộ hệ thống.

Nhận thức: LLM không cảm thấy chán, không quên cập nhật tham chiếu chéo, và có thể chạm vào 15 tệp trong một lần. Công việc sổ sách khiến con người từ bỏ wiki cá nhân chính xác là thứ LLM giỏi. Vì vậy, sự đánh đổi đảo ngược. RAG khám phá lại kiến thức của bạn từ đầu trong mỗi truy vấn. Một wiki biên dịch kiến thức một lần và giữ nó luôn cập nhật. Các tham chiếu chéo đã có sẵn. Các mâu thuẫn đã được gắn cờ. Sự tổng hợp đã phản ánh mọi thứ bạn đã cung cấp. Và tất cả chỉ là các tệp—mở chúng, chỉnh sửa chúng, đưa chúng vào git. Kiến thức không bị giam giữ sau bất cứ thứ gì.

Định dạng Kiến thức Mở của Google

Vào tháng Sáu, Google Cloud đã giới thiệu Định dạng Kiến thức Mở (OKF), hiện tại ở phiên bản 0.1. Nó biến bản năng markdown-wiki mà mọi người đã hành động thành một tiêu chuẩn trung lập với nhà cung cấp. Một gói OKF là một thư mục các tệp markdown, mỗi tệp đại diện cho một khái niệm: một tập dữ liệu, một bảng, một chỉ số, một runbook, một API. Chúng nằm trong một hệ thống phân cấp hợp lý với YAML frontmatter cho các trường có cấu trúc như type, title, description, resource, tags, và timestamp.

Các khái niệm liên kết với nhau bằng các liên kết markdown thông thường—một khóa ngoại trong bảng đơn hàng của bạn chỉ trỏ đến [customers](/tables/customers.md). Những liên kết đó biến thư mục thành một đồ thị các mối quan hệ, phong phú hơn hệ thống phân cấp cha-con mà các thư mục ngụ ý. Bạn nhận được lợi ích của graph RAG mà không cần dựng cơ sở dữ liệu đồ thị. Các liên kết là đồ thị.

Đặc tả yêu cầu chính xác một trường: type. Mọi thứ khác là một quy ước bạn có thể tuân theo hoặc bỏ qua. Đó là toàn bộ mô hình. Không có embedding. Không có kho vector. Không có pipeline. Chỉ là các tệp.