OKF Agent Memory proporciona una capa de memoria persistente Git-native y neutral de dominio para agentes de codificación IA basada en Google OKF v0.2. Almacena conocimiento directamente en repositorios como archivos Markdown planos con frontmatter YAML, conectando archivos Markdown ad-hoc y bases de datos vectoriales de caja negra.

El sistema implementa cinco capas: especificación OKF v0.2, convención de memoria del agente, habilidades del agente, herramientas basadas en Go, y el corpus de conocimiento del proyecto. Los aspectos destacados incluyen búsqueda BM25 en memoria sub-300µs, validación de grafos de ~4ms, cero vendor lock-in, y cero costos de API para recuperación.

Los benchmarks de rendimiento muestran ventajas significativas sobre los runtimes de Python/base de datos vectorial: la latencia de búsqueda de 150ms-800ms baja a menos de 300µs, la sobrecarga de arranque en frío cae por debajo de 4ms, y la huella de memoria se mantiene por debajo de 15MB. Los costos de recuperación son cero en comparación con $0.10-$0.50 por cada 1,000 consultas.

Construido en Go puro con cero dependencias externas, la herramienta ofrece un servidor Model Context Protocol, divulgación progresiva para reducir la inflación de contexto, y principios de búsqueda antes de escribir. Soporta dominios de ingeniería de software, coaching, investigación científica y operaciones. Los usuarios pueden reproducir benchmarks localmente con LM Studio u Ollama.

Entidades clave: Empresas: GitHub, Google, Hacker News