AKB - Infraestrutura de conhecimento de equipe para pessoas e IA lerem e escreverem juntas, com controle de permissões incluído

Olá. Na Dnotitia, empresa da qual faço parte, estamos criando o AKB (Agent Knowledge Base), uma base de conhecimento de equipe que agentes de IA podem ler e escrever diretamente durante o trabalho.

Por que criamos isso?

Já existem muitas wikis usadas por pessoas, como Confluence e Notion. Do lado dos agentes, também há ferramentas parecidas. O mem0 acumula como memória pessoal o conteúdo extraído de conversas, e o LLM Wiki cria uma base de conhecimento pessoal que agentes podem ler e escrever. No entanto, em geral elas ficam no nível individual, então é difícil dizer que foram projetadas como uma base comum para várias pessoas lerem e escreverem juntas.

A Open Knowledge Format (OKF), do Google, também aponta uma percepção semelhante do problema. Como o conhecimento fica espalhado por wikis, catálogos e código, os agentes precisam reunir o contexto novamente a cada vez; por isso, o que se precisa não é mais um serviço fechado, mas um formato comum que várias ferramentas possam ler e escrever juntas. O formato proposto pela OKF é simples: reunir arquivos Markdown em uma pasta e adicionar algumas linhas de YAML no topo de cada arquivo. E ela deixa em aberto para cada implementação quem cria esse formato e como ele será lido e expandido.

O que o AKB faz?

O AKB é uma infraestrutura que implementa esse formato como uma base comum de conhecimento da equipe. O vault é um conjunto de arquivos Markdown compatível com a OKF, mas não é apenas um índice para pesquisar e ler: é um repositório compartilhado em que pessoas e agentes leem e escrevem juntos na mesma fonte original. Pessoas acessam pela interface web, e agentes, via MCP. Mesmo assim, a origem modificada é uma só. Quando agentes começam a escrever, também passa a importar "o que mudou e como mudou". Como o vault é um repositório Git, todas as mudanças ficam registradas em commits e diffs.

E ele não armazena apenas documentos. Se a OKF é um formato para registrar conhecimento em Markdown, o AKB adiciona ao mesmo vault tabelas consultáveis e armazenamento de arquivos, além de conectar os documentos entre si como um grafo de conhecimento. Os documentos ficam como conhecimento que pessoas leem e agentes consultam, enquanto dados estruturados, como listas, estados e estatísticas, podem ser armazenados e consultados em tabelas separadas. Por isso, também é possível fazer coisas que seriam difíceis apenas com uma wiki para pessoas ou com busca, como usar o AKB como camada de dados e histórico de mudanças e, sobre ela, desenvolver e operar aplicativos de trabalho.

Mas, para se tornar uma base comum de conhecimento da equipe, dados e histórico não bastam. Um formato como a OKF não define quem pode ver o quê. A parte em que mais investimos no AKB são justamente as permissões. Os agentes são autenticados como a pessoa que emitiu seu token e herdam exatamente as permissões dessa pessoa no vault. Os mesmos limites de acesso aplicados às pessoas também se aplicam aos agentes. Esses limites são impostos em duas camadas. Para acessos gerais, como documentos, arquivos e busca, as permissões são verificadas na camada da aplicação. Já no caminho que executa SQL de agregação e análise sobre tabelas, há uma segunda barreira na camada de banco de dados. Como a consulta é executada com o papel PostgreSQL daquele usuário, no modelo de ACL do PG, se ela referenciar um vault fora da permissão, quem rejeita diretamente é o PostgreSQL, não a aplicação.

Nossa equipe usa o AKB em conjunto com o rastreador de issues reef, construído sobre a infraestrutura do AKB. Cada issue é, ao mesmo tempo, um documento Markdown dentro do vault e uma linha consultável em tabela. Desenvolvedores trabalham olhando para o mesmo documento dentro do vault com agentes de programação como Claude Code e Codex, enquanto PMs usam o agente dedicado do reef. Mesmo sem conhecer a sintaxe de especificação usada por desenvolvedores, o PM pode criar issues com base no contexto acumulado no AKB, e os desenvolvedores conseguem buscar esse contexto via MCP para desenvolver sem precisar garimpar novamente explicações dispersas. Estamos sentindo diretamente na equipe que a barreira técnica e de linguagem entre desenvolvedores e PMs diminui ao passar pelos agentes.

Veja agora mesmo

Se quiser conhecer sem instalar nada, basta acessar a demo pública (akb-demo.agent.seahorse.dnotitia.ai). (É preciso se cadastrar, mas como é uma demo, todos os dados são reinicializados semanalmente.)

Se quiser rodar por conta própria, basta subir com Docker Compose como abaixo e acessar localhost:3000. Mesmo sem chave de embeddings, a busca por palavras-chave (BM25) funciona.

git clone https://github.com/dnotitia/akb && cd akb  
cp config/app.yaml.example   config/app.yaml  
cp config/secret.yaml.example config/secret.yaml  
docker compose up -d  

Ainda há muitos pontos a melhorar. Se puder testar, ficarei muito grato se deixar nos comentários qualquer bug, comportamento estranho ou impressão que tiver.