AI 帮你给知识立证据：oh-my-knowledge 评测观测一条线

用 AI 干活越久，越会遇到一个尴尬：某个提示词、某个技能、某套工作流「感觉好用」，但说不清好在哪里、改了一版到底变好还是变坏。lizhiyao 的 oh-my-knowledge（OMK）就是冲着这个问题来的——一款面向智能体用户与 AI 应用开发者的知识建设工具，核心主张是「有证据的知识」：沉淀知识时保留真实协作来源，复用时有据可查，改动时有评测兜底。

观测、沉淀、评测三段线

OMK 的工作面围绕三个动词展开。**Observe（观测）**保存真实工作过程与来源，为知识建设留下原材料——领域洞察、取舍权衡、工作方法、协作经验，这些散落在对话里的资产第一次有了归档位。**Know（沉淀）**从带证据的素材里提取、维护、复用知识：不是把聊天记录堆进文件夹，而是让每条知识都能回答「从哪来、为什么成立」。**Measure（评测）**在你需要验证一次改动时上手：固定修复对象与测试用例、控制并记录执行条件，对比提示词、RAG、技能、智能体或工作流的不同版本——如果你手上已经有两个版本的产物，可以直接从评测开始，日志不是前置条件。

四种打开方式

工具形态给得很全：CLI 在终端、编码智能体或 CI 里跑检查、评测、观测与改进流程；Studio 是本地工作台，浏览任务轨迹、审阅知识条目、查看报告与来源证据；eval-runtime 是给 Node.js 服务用的嵌入层，把执行、评分与版本对比嵌进自己的平台；DSH 插件则让你在 DeepSeek Harness 里用 /omk eval 与 /omk observe 直接调起，复用当前配置的模型、凭据、工具与沙箱。npm 包持续发版，项目以 MIT 协议开源。

一句提醒

项目自述 v1 仍在 Beta 迭代，API 与存储契约可能变化，老版本升级前先读迁移指南——把它当「正在长成的工具」用，别当稳定基建押注。

对带着团队用 AI 干活的人来说，OMK 补的是「经验不流失、改动可验证」这一环。贵州诚鑫致达科技在整理 AI 工作方法时，最怕的就是「老师傅的调法只存在他脑子里」——有证据的知识库，正是这类资产的企业级归宿。你的提示词库里，有几条能说清出处与验证记录？

企业存储选型参考｜贵州诚鑫致达

做备份容灾一体机方案，群晖机型参考：DP7400 · DP520 · DP320。需要选型建议或上门评估，搜「诚鑫致达」即可找到我们。