OKF Agent Memory 提供一个领域中立的、Git 原生的持久化记忆层，基于 Google OKF v0.2，面向 AI 编码代理。它将知识以纯 Markdown 文件加 YAML frontmatter 的形式直接存储在代码仓库中，在临时性的 Markdown 文件与黑盒向量数据库之间架起桥梁。

该系统实现了五个层次：OKF v0.2 规范、代理记忆约定、代理技能、基于 Go 的工具链，以及项目知识语料库。核心亮点包括亚 300µs 的内存 BM25 搜索、约 4ms 的图谱验证、零供应商锁定以及检索零 API 成本。

性能基准测试显示，其相对 Python/向量数据库运行时具有显著优势：150ms-800ms 的搜索延迟降至 300µs 以下，冷启动开销低于 4ms，内存占用保持在 15MB 以内。检索成本为零，相比之下每 1,000 次查询需 0.10-0.50 美元。

该工具使用纯 Go 构建，零外部依赖，提供 Model Context Protocol 服务器、通过渐进式披露减少上下文膨胀，并遵循"写入前先搜索"原则。它支持软件工程、教练辅导、科学研究和运营等领域。用户可使用 LM Studio 或 Ollama 在本地复现基准测试。

关键实体：公司：GitHub、Google、Hacker News

FAQ：什么是 OKF Agent Memory，它如何解决 AI 代理的上下文限制问题？

OKF Agent Memory 是一个基于 Google Open Knowledge Format v0.2 的 Git 原生持久化记忆层，面向 AI 编码代理。它通过将架构决策、领域发现和运营事实以纯 Markdown 文件加 YAML frontmatter 的形式直接存储在你代码仓库的 knowledge/ 目录中来解决上下文限制问题。这可以防止 AI 代理对话结束时的上下文重置，通过渐进式披露消除上下文膨胀，并将 token 使用量减少 80%——所有这一切都无需外部数据库或 API 成本。

FAQ 问题：什么是 OKF Agent Memory，它如何解决 AI 代理的上下文限制问题？

FAQ 回答：OKF Agent Memory 是一个基于 Google Open Knowledge Format v0.2 的 Git 原生持久化记忆层，面向 AI 编码代理。它通过将架构决策、领域发现和运营事实以纯 Markdown 文件加 YAML frontmatter 的形式直接存储在你代码仓库的 knowledge/ 目录中来解决上下文限制问题。这可以防止 AI 代理对话结束时的上下文重置，通过渐进式披露消除上下文膨胀，并将 token 使用量减少 80%——所有这一切都无需外部数据库或 API 成本。