OKF Agent Memory предоставляет доменно-нейтральный, Git-нативный постоянный слой памяти для AI-агентов кодинга на основе Google OKF v0.2. Он хранит знания напрямую в репозиториях в виде обычных Markdown-файлов с YAML frontmatter, соединяя специальные Markdown-файлы и черные векторные базы данных.

Система реализует пять слоев: спецификация OKF v0.2, соглашение о памяти агента, навыки агента, инструменты на базе Go, и корпус знаний проекта. Ключевые особенности включают BM25-поиск в памяти менее 300µs, валидацию графа ~4ms, нулевую привязку к поставщику и нулевые затраты на API для извлечения.

Бенчмарки производительности показывают значительные преимущества по сравнению с рантаймами Python/векторных БД: латентность поиска 150ms-800ms падает ниже 300µs, накладные расходы холодного старта опускаются ниже 4ms, а объем памяти остается ниже 15MB. Затраты на извлечение равны нулю по сравнению с $0.10-$0.50 за 1 000 запросов.

Инструмент написан на чистом Go без внешних зависимостей, предлагает сервер Model Context Protocol, прогрессивное раскрытие для уменьшения раздувания контекста, и принципы поиска перед записью. Поддерживает области разработки ПО, коучинга, научных исследований и операций. Пользователи могут воспроизводить бенчмарки локально с LM Studio или Ollama.

Ключевые сущности: Компании: GitHub, Google, Hacker News