OKF Agent Memory bietet eine domänenneutrale, Git-native persistente Speicherschicht für KI-Coding-Agents basierend auf Google OKF v0.2. Es speichert Wissen direkt in Repositories als einfache Markdown-Dateien mit YAML-Frontmatter und überbrückt Ad-hoc-Markdown-Dateien und Black-Box-Vektordatenbanken.

Das System implementiert fünf Schichten: OKF v0.2-Spezifikation, Agent-Memory-Konvention, Agent-Skills, Go-basierte Tooling und das Projekt-Wissenskorpus. Zu den Highlights gehören In-Memory-BM25-Suche unter 300µs, Graphenvalidierung in ~4ms, null Vendor-Lock-in und null API-Kosten für den Abruf.

Leistungsbenchmarks zeigen signifikante Vorteile gegenüber Python/Vektor-DB-Laufzeiten: Die Suchlatenz von 150ms-800ms sinkt auf unter 300µs, der Cold-Start-Overhead fällt unter 4ms, und der Speicherbedarf bleibt unter 15MB. Die Abrufkosten sind null im Vergleich zu 0,10-0,50 $ pro 1.000 Abfragen.

Das Tool ist in reinem Go mit null externen Abhängigkeiten gebaut und bietet einen Model Context Protocol-Server, progressive Offenlegung zur Reduzierung der Kontextaufblähung und Search-before-Write-Prinzipien. Es unterstützt die Bereiche Softwareentwicklung, Coaching, wissenschaftliche Forschung und Operations. Benutzer können Benchmarks lokal mit LM Studio oder Ollama reproduzieren.

Schlüsseleinheiten: Unternehmen: GitHub, Google, Hacker News