AI-kontext i Markdown

• en jämförelse mellan ICM, OKF och CLAUDE.md/SKILL.md

I takt med att stora språkmodeller (LLM:er) används för allt fler arbetsuppgifter har behovet av att strukturera kontext blivit allt viktigare. Flera initiativ har därför utvecklats för att göra kunskap mer begriplig, återanvändbar och effektiv för AI.

Tre av de mest uppmärksammade angreppssätten är:

• Interpretable Context Methodology (ICM) av Jake Van Clief
• Open Knowledge Format (OKF) från Google Cloud
• CLAUDE.md och SKILL.md från Anthropic

Även om de har olika syften bygger samtliga på samma grundidé: att använda Markdown som ett mänskligt läsbart och AI-vänligt format för att beskriva kunskap och instruktioner.

Samtliga metoder utgår från att:

• vanlig text är enklare att granska än binära format
• människor och AI bör kunna läsa samma dokument
• Git och versionshantering är naturliga verktyg
• kontext ska vara transparent
• leverantörsinlåsning bör undvikas

Istället för komplexa databaser eller proprietära format används vanliga textfiler som kan redigeras i valfri editor.

ICM är främst en metodik för hur kontext ska organiseras inför användning av stora språkmodeller.

Fokus ligger på:

• tydliga Markdown-dokument
• logisk informationsarkitektur
• medvetet vald kontext
• hög läsbarhet
• enkel granskning

ICM beskriver framför allt hur kunskap bör organiseras för att ge AI så bra förutsättningar som möjligt.

Open Knowledge Format är istället en öppen specifikation för hur organisatorisk kunskap kan beskrivas.

Varje kunskapsobjekt lagras som en egen Markdown-fil med ett YAML-huvud som innehåller metadata.

Exempel på objekt:

• databastabeller
• API:er
• KPI:er
• processer
• affärsbegrepp
• dokumentation

OKF beskriver framför allt hur kunskap ska representeras så att olika AI-system kan dela samma informationsmodell.

Anthropic introducerade CLAUDE.md som ett sätt att ge Claude bestående projektinstruktioner. Filen fungerar ungefär som en projektmanual där utvecklare kan beskriva:

• kodstandard
• arkitektur
• arbetssätt
• regler
• projektinformation

Senare introducerades även SKILL.md, som används för att definiera återanvändbara färdigheter (”Skills”) som Claude kan aktivera vid behov.

En Skill innehåller vanligtvis:

• syfte
• instruktioner
• arbetsflöden
• exempel
• rekommenderade verktyg

Dessa dokument fungerar som modulära byggstenar för AI-agenters beteende snarare än som rena kunskapsdokument.

De tre angreppssätten konkurrerar egentligen inte med varandra utan kan användas tillsammans.

Ett exempel:

• OKF beskriver organisationens kunskap.
• ICM beskriver hur relevant kunskap väljs ut och organiseras som kontext.
• CLAUDE.md definierar hur AI-assistenten ska arbeta i projektet.
• SKILL.md innehåller återanvändbara arbetsflöden och specialistkompetenser.

Resultatet blir en AI-lösning där:

• kunskapen är strukturerad
• kontexten är begriplig
• agentens beteende är väldefinierat

Traditionellt har AI-kontext ofta byggts med hjälp av:

• vektordatabaser
• embeddings
• automatisk chunkning
• semantisk sökning

ICM, OKF och SKILL.md representerar istället ett mer dokumentcentrerat synsätt där:

• människor kan läsa samma information som AI
• dokument har tydlig struktur
• relationer uttrycks explicit
• kvalitet prioriteras framför mängden data

Detta gör systemen enklare att underhålla och förbättrar möjligheten att förstå varför AI fattar vissa beslut.

Dessa metoder passar särskilt bra för:

• AI-agenter
• företagsinterna kunskapsbaser
• teknisk dokumentation
• utvecklingsprojekt
• data governance
• Retrieval-Augmented Generation (RAG)
• Model Context Protocol (MCP)
• AI-assistenter

Interpretable Context Methodology (ICM), Open Knowledge Format (OKF) och Anthropics CLAUDE.md/SKILL.md representerar tre kompletterande sätt att förbättra hur AI-system arbetar med kunskap och instruktioner. ICM fokuserar på hur kontext bör organiseras, OKF definierar ett standardiserat format för kunskap och CLAUDE.md/SKILL.md beskriver hur AI-agenter ska bete sig och vilka färdigheter de har. Tillsammans visar de en tydlig utveckling mot öppna, Markdown-baserade och människoläsbara lösningar för framtidens AI-system.

• Google Cloud – Open Knowledge Format
• Open Knowledge Format (GitHub)
• Anthropic Claude Code
• Anthropic Engineering
• Interpretable Context Methodology (GitHub)
• Model Context Protocol (MCP)
• Interpretable Context Methodology (ICM)
• Open Knowledge Format (OKF)

Sök efter detta ämne på ...