Google 开放知识格式升级 v0.2：五大信任信号助力 AI 内容验证

引言

近日，谷歌（Google）宣布对其开放知识格式（Open Knowledge Format，简称 OKF）进行重大更新，推出版本 0.2。此次更新引入了五项与信任相关的信号，旨在帮助 OKF 的“消费者”（如 AI 智能体、大型语言模型或应用程序）更精准地验证数据包的真实性、可靠性和时效性。这一举措不仅提升了数据交换的透明度，也为搜索引擎优化（SEO）和生成式引擎优化（GEO）领域带来了新的思考——如何确保 AI 生成的内容可被信任？

五大信任信号详解

谷歌将这五项信任信号定位为回答关于 OKF 数据包的五个核心问题，从而建立信任机制。这五个问题分别是： 1. 来源（Provenance）：这个数据是从哪里创建的？

2. 信任（Trust）：我应该在多大程度上信任它？
3. 新鲜度（Freshness）：它是否仍然真实有效？
4. 生命周期（Lifecycle）：这是当前版本吗？
5. 证明（Attestation）：这个数字是否按照我们规定的方式产生的？ 以下是对每个信号的详细解读。

1. 来源（Provenance）：追踪数据源头

谷歌引入了新的“sources”字段，用于记录概念中信息的来源。这使消费者能够识别出创建该概念所用的原始资料。通过提供来源信息，消费者可以评估概念的可靠性，从而回答“这个数据是从哪里创建的？”这一问题。 以下是谷歌给出的 sources 字段示例： ```yaml sources: - id: warehouse-schema resource: https://wiki.acme.internal/data/warehouse/schemas/sales title: Acme Retail warehouse schema — sales dataset author: team:data-platform usage_count: 1240 last_modified: 2026-06-15 - id: revenue-policy resource: policies/revenue-recognition.md title: Revenue Recognition Policy (FY2026) author: human:jsmith@acme last_modified: 2026-06-15

### 2. 信任（Trust）：生成与验证字段

信任信号的第二部分是“generated”和“verified”字段。“generated”字段记录了谁创建了某个概念，而“verified”字段则记录了谁独立确认了它。消费者（如 AI 智能体、LLM 或应用程序）可以利用验证信息来过滤概念，判断其是否未经验证、由机器确认或经过人工审核。 以下是示例： ```yaml
type: Metric
title: Revenue
generated: { by: reference_agent/gemini-2.5-pro, at: 2026-06-30T14:00:00Z }
verified: - { by: human:jsmith@acme, at: 2026-07-01T09:00:00Z }

3. 新鲜度与生命周期：status

和 stale_after 字段 “status”字段用于传达概念所处的生命周期阶段，使消费者能够识别其是草稿、当前版本还是已过期（废弃）。它指示概念是 draft、stable 还是 deprecated。 “stale_after”字段则指定了日期，在此日期之后，概念需要重新验证才能使用。消费者可以利用这些字段来识别需要重新验证的概念，或者将过时的概念排除在新工作之外，同时保留它们以供历史参考。 示例： ```yaml type: Metric title: Gross Margin (legacy, pre-FY2026) status: deprecated

### 4. 证明（Attestation）：验证计算过程

“Attested Computation”并非字段，而是一种新的概念类型。它定义了计算值的批准方式，并提供了一种验证计算是否按预期执行的方法。 官方描述解释道：“来源回答了一个声明来自何处。证明回答了一个更难的问题，当智能体报告一个美元数字时，这个问题就变得重要：这个数字是按照我们规定的方式产生的吗？还是智能体自行编写了 SQL？OKF v0.2 引入了一种新的概念类型——Attested Computation。它不仅承载了值的含义，还包含了经过认可的计算方式，以及检查认可方式是否实际运行的手段。” 以下是 Attested Computation 的完整示例： ```yaml
---
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
generated: { by: reference_agent/gemini-2.5-pro, at: 2026-06-30T14:00:00Z }
verified: - { by: human:jsmith@acme, 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 (FY2026) author: human:jsmith@acme last_modified: 2026-06-15
---
# Computation
SELECT SUM( CASE WHEN o.currency = 'USD' THEN o.net_amount ELSE o.net_amount * fx.rate_to_usd END ) AS revenue_usd
FROM `acme.sales.orders` AS o
LEFT JOIN `acme.finance.fx_daily_rates` AS fx ON fx.currency = o.currency AND fx.rate_date = DATE(o.order_ts)
WHERE o.order_status = 'delivered' AND DATE_DIFF(CURRENT_DATE(), DATE(o.order_ts), DAY) >= 30 AND EXTRACT(YEAR FROM o.order_ts) = @year

对 SEO

和 GEO 的影响 此次更新对于 SEO 和 GEO 从业者而言意义重大。随着 AI 生成内容的普及，搜索引擎和用户越来越重视内容的可信度。OKF 的信任信号提供了一种标准化的方式来声明内容的来源、验证状态、新鲜度和计算过程。对于 SEO 专业人士来说，这意味着：

• 提升内容可信度：通过明确标注来源和验证信息，内容更容易获得搜索引擎和 AI 系统的信任，从而可能获得更好的排名。

• 增强可验证性：AI 智能体可以更轻松地验证所引用数据的准确性，减少“幻觉”现象。

• 优化结构化数据：OKF 可以与现有的结构化数据（如 Schema.org）结合使用，进一步丰富内容的语义信息。

总结

谷歌开放知识格式 v0.2 的发布，标志着数据信任机制迈出了重要一步。通过引入来源、信任、新鲜度、生命周期和证明这五大信号，OKF 为 AI 时代的可信内容交换奠定了坚实基础。对于关注 Search Engine Journal 的读者来说，理解并应用这些信号，将有助于在日益复杂的搜索生态中保持竞争力。

图片来源

Featured Image by Shutterstock/Cranium_Soul

关于作者

Roger Montti 是 Martinibuster.com 的所有者，拥有超过 20 年的 SEO 经验，专注于搜索算法、SEO 新闻和生成式 AI 领域。

---

相关阅读

• 重复内容对SEO与AI搜索可见性的影响及解决方案

• 谷歌搜索控制台开放社交数据、AI标记页面排名较低等SEO动态 | Search Engine Journal

• 89% 的 AI 搜索需求尚无明确归属：窗口关闭前，请抓住机会

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。 编辑团队：内容策划 · 技术编辑 · AI 研究组 网站：bingdada.com © 2026 Bingdada. 保留所有权利。