गूगल ओपन नॉलेज फॉर्मेट और एजेंटिक सर्च ऑप्टिमाइजेशन का भविष्य

डिजिटल जगत में एक खामोश लेकिन क्रांतिकारी बदलाव हो रहा है। दो दशकों से अधिक समय तक, सर्च इंजन ऑप्टिमाइजेशन (एसईओ) एक सरल और सरल सिद्धांत पर आधारित था: वेब पेजों को मानव दृष्टि के अनुकूल बनाना, वेब क्रॉलर के माध्यम से उन्हें इंडेक्स करना और जटिल स्कीमा मार्कअप का उपयोग करके डेटा को इस तरह संरचित करना ताकि मशीनें बुनियादी तत्वों को समझ सकें। लेकिन जैसे-जैसे हम सर्च इंजन के युग से स्वायत्त एआई एजेंटों के युग की ओर बढ़ रहे हैं, यह सिद्धांत तेजी से टूट रहा है।

आज, व्यवसायों को एक गंभीर "संदर्भ की कमी" का सामना करना पड़ रहा है। बड़े भाषा मॉडल (एलएलएम) भले ही उत्कृष्ट कोड लिख सकते हैं, दस्तावेज़ तैयार कर सकते हैं या विशाल डेटासेट का विश्लेषण कर सकते हैं, लेकिन वे संरचित, अद्यतन और मालिकाना व्यावसायिक संदर्भ की कमी से मौलिक रूप से बाधित रहते हैं। यह ज्ञान—डेटाबेस स्कीमा और कस्टम व्यावसायिक मेट्रिक्स से लेकर आंतरिक कार्ययोजना और वरिष्ठ इंजीनियरों की अलिखित अंतर्दृष्टि तक—विभिन्न विकी, साझा ड्राइव, स्लाइड डेक और चैट लॉग में बिखरा हुआ है।

इस अंतर को पाटने के लिए, Google Cloud ने हाल ही में ओपन नॉलेज फॉर्मेट (OKF) v0.1 पेश किया है, जो एक खुला, विक्रेता-तटस्थ विनिर्देश है जिसे संगठनात्मक ज्ञान को एक अंतरसंचालनीय "डिजिटल मस्तिष्क" के रूप में प्रस्तुत करने के लिए डिज़ाइन किया गया है। "LLM-Wiki" पैटर्न के रूप में जानी जाने वाली प्रणाली को औपचारिक रूप देकर, OKF पारंपरिक, स्टेटलेस रिट्रीवल-ऑगमेंटेड जेनरेशन (RAG) का अंत करता है और एक संवर्धित, सक्रिय भविष्य की शुरुआत करता है।

स्विटास जैसी दूरदर्शी संस्थाओं और परामर्श क्षेत्र के अग्रणी संस्थानों के लिए, ओकेएफ केवल एक तकनीकी अद्यतन नहीं है। यह एक बिल्कुल नए व्यावसायिक अनुशासन की नींव है: एजेंटिक सर्च ऑप्टिमाइजेशन (एएसओ)।

1. राज्यविहीन आरएजी का अंत और संवर्धित ज्ञान का उदय

यह समझने के लिए कि Google का OKF एक अभूतपूर्व उपलब्धि क्यों है, हमें पहले यह जांच करनी होगी कि हमारी वर्तमान एआई एकीकरण विधियां क्यों एक बाधा का सामना कर रही हैं।

अधिकांश आधुनिक एंटरप्राइज एआई समाधान रिट्रीवल-ऑगमेंटेड जेनरेशन (आरएजी) पर निर्भर करते हैं। जब कोई उपयोगकर्ता प्रश्न पूछता है, तो आरएजी सिस्टम वेक्टराइज्ड डॉक्यूमेंट चंक्स में समानता खोज करता है, सबसे प्रासंगिक अंशों को पुनर्प्राप्त करता है, और उत्तर उत्पन्न करने के लिए उन्हें एलएलएम संदर्भ विंडो में फीड करता है।

हालांकि स्थिर प्रश्नोत्तर सत्र के लिए RAG अत्यधिक प्रभावी है, लेकिन इसमें कई प्रणालीगत सीमाएँ हैं:

स्टेटलेसनेस: प्रत्येक क्वेरी को एक पृथक घटना के रूप में माना जाता है। सिस्टम पिछली अंतःक्रियाओं से "सीखता" नहीं है और न ही नए संबंध बनाता है।
पुनर्प्राप्ति शोर और खंड-सीमा त्रुटियाँ: 50 पृष्ठों वाली पीडीएफ को 500 टोकन के खंडों में विभाजित करने से अक्सर महत्वपूर्ण संदर्भ आधा कट जाता है, जिससे अपूर्ण या भ्रामक उत्तर प्राप्त होते हैं।
संश्लेषण का अभाव: पारंपरिक आरएजी कच्ची जानकारी प्राप्त करने में तो उत्कृष्ट है, लेकिन एक विकसित, एकल "सत्य के स्रोत" को बनाए रखने में संघर्ष करता है।
अप्रैल 2026 में, एआई के अग्रणी आंद्रेज कार्पेथी (ओपनएआई के सह-संस्थापक और टेस्ला में एआई के पूर्व निदेशक) ने एक क्रांतिकारी विकल्प प्रस्तावित किया: एलएलएम विकी पैटर्न।

कार्पेथी का तर्क था कि हर बार कच्चे, असंरचित दस्तावेज़ों को शुरू से खोजने के बजाय, एलएलएम का उपयोग संकलक के रूप में करना सही तरीका है। इस पद्धति में, जब कोई नया दस्तावेज़, डेटासेट या क्लाइंट ब्रीफ आता है, तो एलएलएम उसे एक बार पढ़ता है, मुख्य अवधारणाओं को निकालता है, और धीरे-धीरे उन्हें एक संरचित, स्थायी और अत्यधिक परस्पर जुड़े मार्कडाउन-आधारित विकी में "संकलित" करता है।

यदि कोई नई जानकारी आती है जो किसी पुरानी प्रविष्टि के विपरीत है, तो एलएलएम केवल दोनों को संग्रहित नहीं करता; यह सक्रिय रूप से विरोधाभास को हल करता है, एंटिटी पेजों को अपडेट करता है, विषय सारांशों को संशोधित करता है, और विकसित हो रहे संश्लेषण को मजबूत या चुनौती देता है। ज्ञान समय के साथ बढ़ता जाता है, ठीक उसी तरह जैसे मानव मस्तिष्क विकसित होता है।

गूगल क्लाउड का ओकेएफ, एलएलएम-विकि पैटर्न को एक खुले उद्योग मानक के रूप में औपचारिक रूप देने का ही एक रूप है।

2. ओपन नॉलेज फॉर्मेट (ओकेएफ) को सरल भाषा में समझना

मूल रूप से, OKF को बेहद सरल बनाने के लिए डिज़ाइन किया गया है। Google ने एक दृढ़ दार्शनिक दृष्टिकोण अपनाया है: ज्ञान को प्रदर्शित करने के लिए हमें जटिल डेटाबेस, मालिकाना SDK या भारी रनटाइम की आवश्यकता नहीं है। इसके बजाय, ज्ञान को ऐसे प्रारूप में संग्रहित किया जाना चाहिए जो सार्वभौमिक रूप से सुलभ हो, मनुष्यों के लिए पढ़ने में आसान हो और LLM द्वारा सहज रूप से समझा जा सके।

वह फॉर्मेट मार्कडाउन है जिसमें YAML फ्रंटमैटर का उपयोग किया गया है।

यदि आप किसी रिपॉजिटरी को गिट क्लोन कर सकते हैं, तो आप एक ओकेएफ बंडल डिप्लॉय कर सकते हैं। यदि आप किसी टेक्स्ट फ़ाइल को कैट कर सकते हैं, तो आप उसे पढ़ सकते हैं। इसके लिए किसी डेटाबेस, केंद्रीय प्राधिकरण या प्लेटफ़ॉर्म लॉक-इन की आवश्यकता नहीं होती है। यह गिटहब पर खूबसूरती से प्रदर्शित होता है, ऑब्सीडियन या नोटियन जैसे टूल में व्यवस्थित किया जा सकता है, और किसी भी आधुनिक एआई एजेंट द्वारा तुरंत इंडेक्स किया जा सकता है।

OKF नॉलेज बंडल की संरचना
एक OKF बंडल को संरचनात्मक रूप से निर्देशिकाओं के भीतर एक नेस्टेड निर्देशिका के रूप में दर्शाया जाता है, जो मानव निर्मित विकी के समान होता है। इसमें तीन प्राथमिक घटक होते हैं:

प्रवेश बिंदु (index.md): प्रत्येक OKF बंडल के लिए एक प्रवेश बिंदु फ़ाइल आवश्यक होती है। यह इंडेक्स फ़ाइल नॉलेज बेस की संरचना को रेखांकित करती है, और आने वाले एजेंटों को उपलब्ध मुख्य अवधारणाओं, डेटासेट और प्लेबुक की ओर निर्देशित करती है।
कॉन्सेप्ट डायरेक्टरी: OKF फ़ाइलों को उनके मूल दस्तावेज़ों के आधार पर व्यवस्थित करने के बजाय (जैसे, q4_marketing_report.pdf), जानकारी को कॉन्सेप्ट के आधार पर पुनर्व्यवस्थित करता है (जैसे, /metrics/customer_acquisition_cost.md)। प्रत्येक कॉन्सेप्ट को एक एकल, एटॉमिक मार्कडाउन दस्तावेज़ के रूप में दर्शाया जाता है।
लॉग फ़ाइल (log.md): एक जीवंत बहीखाता जहाँ स्वायत्त एजेंट अपनी गतिविधियों को रिकॉर्ड करते हैं। जब कोई एजेंट किसी अवधारणा को अपडेट करता है, डेटा विरोधाभास को हल करता है, या किसी नए स्रोत को ग्रहण करता है, तो वह लॉग फ़ाइल में परिवर्तन को दर्ज करता है, जिससे ऑडिट योग्य दस्तावेज़ तैयार होता है।
अवधारणा पृष्ठ संरचना
OKF बंडल में किसी अवधारणा का प्रतिनिधित्व करने वाली प्रत्येक व्यक्तिगत मार्कडाउन फ़ाइल में दो भागों से युक्त एक सख्त संरचना होती है: YAML फ्रंटमैटर और मार्कडाउन बॉडी।

---
type: concept
title: Customer Acquisition Cost (CAC)
description: The primary financial metric used to evaluate marketing efficiency at Switas.
resource: bigquery://switas-analytics/finance/cac_summary
tags:
 - finance
 - marketing-efficiency
 - saas-metrics
timestamp: 2026-06-18T14:30:00Z
---
After this structured frontmatter, the document opens into a free-form Markdown Body. This is where the magic happens. The body can contain natural language definitions, raw data tables, calculation formulas, playbooks, and—crucially—interlinks using standard markdown bracket notation (e.g., [[LTV_Calculation]]).

ये अंतर्संबंध एजेंटों को निर्देशिका को संरचनात्मक रूप से नेविगेट करने की अनुमति देते हैं, जिससे टेक्स्ट फ़ाइलों के एक सपाट फ़ोल्डर को एक अत्यधिक कनेक्टेड, नेविगेबल सिमेंटिक नॉलेज ग्राफ़ में परिवर्तित किया जा सकता है।

3. "अर्थ संबंधी विश्लेषण": प्राकृतिक ज्ञान का दर्शन

OKF के प्रकाशन के बाद उभरने वाले सबसे महत्वपूर्ण शब्दों में से एक है "सिमेंटिक अनबेकिंग"।

कई वर्षों तक, प्रौद्योगिकी उद्योग ने मानव ज्ञान को अत्यधिक कठोर, मशीन-पठनीय योजनाओं (जैसे JSON-LD या माइक्रोडाटा) में ढालने का प्रयास किया। यह प्रक्रिया कमजोर, अप्राकृतिक और मौलिक रूप से इस बात से अलग थी कि मनुष्य विचारों को कैसे व्यक्त करते हैं। यह मानव के तरल विचारों को कठोर मशीनी संरचनाओं में ढालने का एक प्रयास था।

OKF इस दृष्टिकोण को पूरी तरह उलट देता है। आधुनिक LLM (लर्निंग लर्निंग इंजीनियर) प्राकृतिक भाषा को समझने में बेहद कुशल होते हैं, इसलिए OKF एक प्रकार के "अर्थ संबंधी स्पष्टीकरण" के रूप में कार्य करता है। यह संगठनों को अपने व्यावसायिक नियमों, प्रक्रियाओं और मापदंडों को प्राकृतिक, अभिव्यंजक भाषा में दस्तावेज़ित करने की अनुमति देता है।

अब आपको किसी एआई एजेंट को व्यावसायिक गणना समझाने के लिए जटिल एपीआई लिखने की आवश्यकता नहीं है। आप बस एक प्लेबुक लिख सकते हैं:

# Playbook: Diagnosing Mid-Funnel Conversion Drops
When an analyst agent detects a drop in mid-funnel conversion rate greater than 5% week-over-week, follow these steps:
1. Query the `conversions_db` table to isolate the traffic source.
2. Cross-reference results with our [[Marketing_Campaign_Log]].
3. If the drop is isolated to paid search, trigger the [[Google_Ads_Audit_Playbook]].
This represents a more natural way to structure knowledge. You tell the agent: "Here is where you go in my organization's brain to get this information, and here is how we want you to reason about it."

4. स्विटास का अवसर: विशेषज्ञता का मुद्रीकरण और एएसओ क्रांति का नेतृत्व करना

जैसे-जैसे एंटरप्राइज़ एआई परिपक्व होता जाएगा, संरचित ज्ञान की मांग में ज़बरदस्त वृद्धि होगी। व्यवसाय अब केवल वेब ट्रैफ़िक के आधार पर प्रतिस्पर्धा नहीं करेंगे; वे एजेंटिक एक्सेसिबिलिटी के आधार पर प्रतिस्पर्धा करेंगे।

इससे स्विटास के लिए दो प्रमुख क्षेत्रों में एक विशाल व्यावसायिक परिदृश्य खुल जाता है:

I. एजेंटिक सर्च ऑप्टिमाइजेशन (एएसओ) कंसल्टिंग

हम एक ऐसी दुनिया में प्रवेश कर रहे हैं जहाँ उपभोक्ता सीधे वेब पर खोज नहीं करते; उनके एआई एजेंट उनके लिए यह काम करते हैं। जब कोई उपयोगकर्ता अपने व्यक्तिगत एजेंट से पूछता है, "ओकेएफ दिशानिर्देशों के तहत हमारे डेटा स्टैक को पुनर्गठित करने के लिए मुझे सर्वश्रेष्ठ परामर्श फर्म खोजें," तो वह एजेंट वेब पर खोजबीन करके मशीन द्वारा सुलभ जानकारी की तलाश करेगा।

यदि आपके व्यवसाय की विशेषज्ञता प्रतिबंधित पीडीएफ फाइलों या अव्यवस्थित, जावास्क्रिप्ट-प्रधान वेबसाइटों के पीछे छिपी हुई है, तो एजेंट आपको पूरी तरह से दरकिनार कर देगा।

स्विटास पारंपरिक एसईओ से एएसओ (एजेंटिक सर्च ऑप्टिमाइजेशन) में परिवर्तन का नेतृत्व कर सकता है। हमारे सलाहकार उद्यमों की मदद कर सकते हैं:

• उनके मौजूदा असंरचित ज्ञान भंडारों का ऑडिट करें।
• स्वामित्वपूर्ण व्यावसायिक तर्क, प्लेबुक और डेटा स्कीमा निकालें।
• इन संसाधनों को संकलित और संरचित करके पूरी तरह से अनुपालन योग्य, आसानी से क्रॉल किए जा सकने वाले OKF नॉलेज बंडल बनाएं।
• बाहरी एजेंटों को यह संकेत देने के लिए कि एक सत्यापित OKF बंडल उपयोग के लिए तैयार है, दिशा पथों को उनकी llms.txt फ़ाइलों में एकीकृत करें।

II. नॉलेज बंडल मार्केटप्लेस

वर्तमान में, जब किसी व्यवसाय को विशेष विशेषज्ञता की आवश्यकता होती है - चाहे वह कानूनी अनुपालन हो, कर संरचना हो, या उन्नत एसईओ ऑडिटिंग हो - तो वे मैन्युअल ऑडिट करने के लिए महंगे सलाहकारों को नियुक्त करते हैं।

निकट भविष्य में, हम एक वैश्विक ज्ञान बाज़ार का उदय देखेंगे, जहाँ संगठन सत्यापित, एजेंट-संचालित OKF बंडलों को खरीद और बेचेंगे।

कल्पना कीजिए कि स्विटास अपने स्वामित्व वाले ग्रोथ हैकिंग फ्रेमवर्क, डिजिटल ट्रांसफॉर्मेशन प्लेबुक या डेटा ऑडिट पद्धतियों को मॉड्यूलर ओकेएफ बंडलों में संकलित करता है। किसी क्लाइंट का एआई एजेंट स्विटास ग्रोथ प्लेबुक ओकेएफ खरीद सकता है, इसे सीधे अपने सिस्टम फाइल सिस्टम में इंस्टॉल कर सकता है और स्विटास के विशेष तर्क का उपयोग करके तुरंत ऑडिट शुरू कर सकता है।

इसके अलावा, ये बंडल स्थिर नहीं होते। बाज़ार की स्थितियों, खोज एल्गोरिदम या परामर्श संबंधी सर्वोत्तम प्रथाओं में बदलाव के साथ, प्रकाशक मास्टर OKF बंडल को अपडेट करता है। ये अपडेट पूरे नेटवर्क में फैल जाते हैं, जिससे यह सुनिश्चित होता है कि क्लाइंट की स्थानीयकृत AI इंटेलिजेंस लगातार ताज़ा होती रहे।

5. व्यापक सामान्य प्रश्नोत्तर: OKF की तकनीकी और रणनीतिक बारीकियों को समझना

जैसे-जैसे OKF का प्रचलन बढ़ेगा, एंटरप्राइज़ टीमें, डेवलपर और मार्केटिंग लीडर्स महत्वपूर्ण सवाल ज़रूर पूछेंगे। यहाँ आपको जानने योग्य बातें दी गई हैं:

प्रश्न 1: बाहरी एआई एजेंट वास्तव में हमारे ओकेएफ बंडलों को कैसे खोजते और उन तक पहुँच प्राप्त करते हैं?
खोज प्रक्रिया मुख्य रूप से उभरते हुए मानक llms.txt के माध्यम से की जाएगी। वेबसाइट के रूट में स्थित (robots.txt के समान), llms.txt फ़ाइल भाषा मॉडल के लिए एक निर्देशिका के रूप में कार्य करती है।

अपनी llms.txt फ़ाइल में अपने सार्वजनिक OKF बंडल की ओर इंगित करने वाला एक सीधा URI पथ जोड़कर, आप क्रॉलर एजेंटों (जैसे GPT-Bot, Claude-Bot, या Google-Extended) को संकेत देते हैं कि आपके व्यावसायिक ज्ञान का एक संरचित, मशीन-अनुकूलित विकी सीधे उपयोग के लिए उपलब्ध है।

प्रश्न 2: क्या OKF वेक्टर डेटाबेस (Vector DBs) और ग्राफ डेटाबेस का विकल्प है?
नहीं। OKF एक डेटाबेस नहीं है; यह एक विनिमय और भंडारण विनिर्देश है।

व्यक्तिगत या छोटे व्यवसाय के स्तर पर (100 से कम दस्तावेज़ या लगभग 80,000 टोकन), एक एलएलएम बिना किसी डेटाबेस मध्यस्थ के सीधे फाइल सिस्टम से एक ओकेएफ निर्देशिका को पढ़ सकता है।

हालांकि, बड़े उद्यमों में, OKF बंडल एक स्वच्छ, मानव-संरक्षित "सत्य का स्रोत" के रूप में कार्य करते हैं जो आपके व्यापक पुनर्प्राप्ति प्रणालियों को जानकारी प्रदान करते हैं। एक उद्यम आमतौर पर अपने OKF बंडलों को ग्रहण करता है, उन्हें अर्थपूर्ण खोज के लिए वेक्टर डेटाबेस में परिवर्तित करता है, और उनका उपयोग करके एक उद्यम-व्यापी ग्राफ डेटाबेस का निर्माण करता है। OKF स्वच्छ, संरचित अर्थपूर्ण इनपुट प्रदान करता है जो डेटाबेस प्रदूषण को रोकता है।

प्रश्न 3: ओकेएफ एआई मतिभ्रम को कैसे रोकता है?
परंपरागत आरएजी अक्सर भ्रम की स्थिति पैदा कर देता है क्योंकि यह एलएलएम को खंडित, कभी-कभी विरोधाभासी दस्तावेज़ अंशों से उत्तर उत्पन्न करने के लिए मजबूर करता है।

OKF स्पष्ट संबंध मैपिंग, प्लेबुक और सटीक संदर्भों को लागू करके इसे रोकता है। चूंकि OKF अवधारणाओं को मनुष्यों द्वारा सावधानीपूर्वक तैयार और संरचित किया जाता है (या सख्त मानवीय निगरानी में संकलित किया जाता है), इसलिए एजेंट तात्कालिक रूप से संबंध स्थापित करने के बजाय पूर्व-संश्लेषित, सत्यापित तर्क पर निर्भर करता है। इसके अलावा, OKF का उद्धरणों के लिए अंतर्निहित समर्थन यह सुनिश्चित करता है कि एजेंट द्वारा किए गए प्रत्येक तथ्यात्मक दावे को एक विशिष्ट, सत्यापित मार्कडाउन फ़ाइल या डेटा संसाधन से जोड़ा जा सके।

प्रश्न 4: क्या हमें इन OKF बंडलों को मैन्युअल रूप से लिखना और बनाए रखना होगा?
बिलकुल नहीं। सैकड़ों मार्कडाउन फाइलें लिखना और जटिल YAML स्कीमाओं को मैन्युअल रूप से ट्रैक करना एक बाधा बन जाएगा।

इसके विपरीत, यह प्रक्रिया सहयोगात्मक है: मनुष्य सीखते हैं और निर्देश देते हैं; एआई एजेंट संकलन और रखरखाव करते हैं।

एडवांस्ड एजेंट सेटअप (जैसे क्लाउड कोड, कर्सर या कस्टम पायथन पाइपलाइन) का उपयोग करके, आप सिस्टम में रॉ डेटा स्रोत—जैसे ट्रांसक्रिप्ट, व्हाइटपेपर और डेटाबेस स्कीमा—भेजते हैं। एजेंट स्वचालित रूप से अवधारणाओं को निकालता है, YAML फ्रंटमैटर लिखता है, क्रॉस-लिंक बनाता है और log.md में परिवर्तनों को लॉग करता है।

मनुष्य की भूमिका संपादक की हो जाती है: संकलित विकी की समीक्षा करना, रणनीतिक मार्गदर्शन जोड़ना और टूटे हुए लिंक, अनाथ पृष्ठों या तार्किक विरोधाभासों की जांच करने के लिए स्वचालित "लिंटर" स्क्रिप्ट चलाना।

स्विटास के साथ एजेंटिक बदलाव की तैयारी करना

ओपन नॉलेज फॉर्मेट का शुभारंभ डिजिटल अर्थव्यवस्था की दिशा का स्पष्ट संकेत है। हम मानव द्वारा स्क्रॉल किए जाने वाले बिखरे हुए पृष्ठों के इंटरनेट से दूर हटकर, परस्पर जुड़े डिजिटल मस्तिष्कों के इंटरनेट की ओर बढ़ रहे हैं, जो सक्रिय निष्पादन के लिए डिज़ाइन किए गए हैं।

उद्यमों के लिए विकल्प स्पष्ट है: या तो आज ही अपने कॉर्पोरेट ज्ञान को व्यवस्थित करना शुरू करें, या उन एआई एजेंटों के लिए अदृश्य होने का जोखिम उठाएं जो कल के वाणिज्य को संचालित करेंगे।

स्विटास में, हम आपकी संस्था को इस परिवर्तन से निपटने में मदद करने के लिए विशिष्ट रूप से सक्षम हैं। डिजिटल रणनीति, डेटा इंजीनियरिंग और उभरते एआई मानकों में अपनी गहन विशेषज्ञता को मिलाकर, हम आपके बिखरे हुए व्यावसायिक संसाधनों को एक शक्तिशाली, व्यापक ओकेएफ ज्ञान इंजन में परिवर्तित करने में आपकी सहायता कर सकते हैं।

भविष्य विकेंद्रीकृत, संरचित और सक्रिय भागीदारी पर आधारित है। आइए इसे मिलकर बनाएं।