OKF Agent Memory fornece uma camada de memória persistente Git-native e neutra de domínio para agentes de codificação IA baseada no Google OKF v0.2. Ela armazena conhecimento diretamente em repositórios como arquivos Markdown simples com frontmatter YAML, fazendo a ponte entre arquivos Markdown ad-hoc e bancos de dados vetoriais de caixa-preta.

O sistema implementa cinco camadas: especificação OKF v0.2, convenção de memória do agente, habilidades do agente, ferramentas baseadas em Go, e o corpus de conhecimento do projeto. Os destaques incluem busca BM25 em memória sub-300µs, validação de grafo de ~4ms, zero vendor lock-in, e zero custos de API para recuperação.

Os benchmarks de desempenho mostram vantagens significativas sobre os runtimes de Python/banco de dados vetorial: a latência de busca de 150ms-800ms cai para menos de 300µs, a sobrecarga de cold-start fica abaixo de 4ms, e a pegada de memória permanece abaixo de 15MB. Os custos de recuperação são zero em comparação com $0.10-$0.50 por 1.000 consultas.

Construída em Go puro com zero dependências externas, a ferramenta oferece um servidor Model Context Protocol, divulgação progressiva para reduzir o inchaço de contexto, e princípios de search-before-write. Suporta domínios de engenharia de software, coaching, pesquisa científica e operações. Os usuários podem reproduzir benchmarks localmente com LM Studio ou Ollama.

Entidades-chave: Empresas: GitHub, Google, Hacker News