Что это
publishing engine для Open Knowledge Format: превращает структурированные knowledge bundles в статические сайты для людей и AI agents.
Бизнес-проблема
знания часто есть, но они не упакованы для LLM: нет явной структуры, metadata, llms.txt, agent-readable markdown и стабильного publishing pipeline.
Практическая польза
очень близко к AI-Ready wiki-first подходу: можно изучить как формат для публичной wiki, client knowledge packs, static context для Ask LLM, agent-readable docs.
Почему интересно сейчас
свежий Show HN сигнал; repo маленький, но живой: 4 stars, 0 forks, 104 commits, 9 issues, 0 PR, 2 releases, свежий v0.1.2 от 26 июня 2026, лицензия Apache-2.0.
Показатели активности относятся к исходному обзору от 2026-06-28. Перед выбором технологии их нужно проверять заново; сами по себе они не доказывают качество или готовность.
Технические особенности
Java 85.7%, CLI; build генерирует HTML, Markdown, llms.txt, sitemap.xml; есть GitHub Action для публикации.
Значение для AI-Ready
inspiration / possible component / Save for lab. Риски: очень ранний проект, мало adoption, OKF ещё не стандарт рынка; нельзя строить на нём клиентский product без своего fallback. Вердикт: Save for later / Study.
Риски
- Open Knowledge Format пока не является устойчивым рыночным стандартом.
- Привязка клиентских пакетов к раннему формату создаст лишнюю миграцию при его изменении.
Граница вывода
Сравнить на копии одного Knowledge Pack; не заменять текущий Markdown и не менять production-публикацию.
Ключевые риски
- Open Knowledge Format пока не является устойчивым рыночным стандартом.
- Привязка клиентских пакетов к раннему формату создаст лишнюю миграцию при его изменении.
Разберите эту страницу со своей LLM
Скопируйте контекст страницы в ChatGPT, Claude, Gemini или другую LLM и попросите применить эту схему к вашему бизнесу.
Можно спросить:
- Какую задачу AI-Ready разумно проверить с помощью Kiso?
- Какие риски и ограничения нужно закрыть перед пилотом Kiso?