OKF Agent Memory, Google OKF v0.2 पर आधारित, AI कोडिंग एजेंट्स के लिए एक डोमेन-तटस्थ, Git-नेटिव स्थायी मेमोरी लेयर प्रदान करता है। यह ज्ञान को सीधे रिपॉजिटरी में YAML frontmatter के साथ सादे Markdown फ़ाइलों के रूप में संग्रहीत करता है, और एड-हॉक Markdown फ़ाइलों तथा ब्लैक-बॉक्स वेक्टर डेटाबेस के बीच सेतु का काम करता है।

यह सिस्टम पाँच परतें लागू करता है: OKF v0.2 स्पेसिफिकेशन, एजेंट मेमोरी कन्वेंशन, एजेंट स्किल्स, Go-आधारित टूलिंग, और प्रोजेक्ट नॉलेज कॉर्पस। प्रमुख विशेषताओं में शामिल हैं: 300µs से कम इन-मेमोरी BM25 खोज, लगभग 4ms ग्राफ़ वैलिडेशन, शून्य वेंडर लॉक-इन, और रिट्रीवल के लिए शून्य API लागत।

प्रदर्शन बेंचमार्क Python/वेक्टर DB रनटाइम की तुलना में महत्वपूर्ण लाभ दिखाते हैं: 150ms-800ms खोज विलंबता घटकर 300µs से कम हो जाती है, कोल्ड-स्टार्ट ओवरहेड 4ms से नीचे आ जाता है, और मेमोरी फ़ुटप्रिंट 15MB से कम रहता है। रिट्रीवल लागत शून्य है, जबकि अन्यथा प्रति 1,000 क्वेरी $0.10-$0.50 लगते हैं।

यह टूल शुद्ध Go में बना है, जिसमें शून्य बाहरी निर्भरताएँ हैं। यह Model Context Protocol सर्वर, कॉन्टेक्स्ट ब्लोट को कम करने के लिए प्रोग्रेसिव डिस्क्लोज़र, और सर्च-बिफ़ोर-राइट सिद्धांत प्रदान करता है। यह सॉफ़्टवेयर इंजीनियरिंग, कोचिंग, वैज्ञानिक अनुसंधान और ऑपरेशंस डोमेन का समर्थन करता है। उपयोगकर्ता LM Studio या Ollama के साथ स्थानीय रूप से बेंचमार्क पुनः प्रस्तुत कर सकते हैं।

प्रमुख संस्थाएँ: कंपनियाँ: GitHub, Google, Hacker News