OKF Agent Memory: git-native minne for KI-kodeagenter i ren Go
Lagrer OKF Agent Memory kodeagentens prosjektkunnskap som vanlige Markdown-filer i git, med lokalt BM25-søk i stedet for en vektordatabase.
Under 300 mikrosekunder per søk, rundt 4 millisekunder for å validere hele kunnskapsgrafen og under 15 MB minnebruk. Det er tallene prosjektet okf-agent-memory oppgir i sin egen sammenligningstabell, der Python-baserte vektoroppsett som Mem0 og Letta måles til mellom 150 og 800 millisekunder per oppslag fordi hvert søk går via et embedding-API. Verktøyet er skrevet i Go uten eksterne avhengigheter, distribueres som én binærfil og er lisensiert under MIT.
Premisset er at agentminnet skal ligge i repoet ditt, ikke i en tjeneste. OKF Agent Memory legger kunnskapen i en knowledge/-mappe som ren Markdown med YAML-frontmatter etter Open Knowledge Format v0.2, et format prosjektet omtaler som Googles åpne standard for agentkunnskap. Hvert konsept bærer kildehenvisninger, en tillitsgrad som skiller generated fra verified, og livssyklusfelt som status og stale_after. Fordi alt er tekst under versjonskontroll, leser du endringene i agentens minne med git diff og git log.
Forskjellen fra en løs CLAUDE.md-fil er at strukturen håndheves. Kommandoen okf validate knowledge --strict --drift sjekker at lenkegrafen henger sammen og at beskrivelsene ikke har drevet fra innholdet de beskriver. Hierarkiske indeksfiler skal hindre at agenten drar hele korpuset inn i kontekstvinduet, og prosjektet oppgir 80 prosent lavere tokenbruk i sin egen benchmark-suite. En innebygget MCP-server, okf mcp knowledge, kobler biblioteket til Claude Code, Cursor og Codex over stdio.
Alle tallene over er prosjektets egne målinger, ikke uavhengig etterprøvd, og repoet er ferskt nok til at API-et fortsatt kan endre seg.
Hva bør du gjøre?
- Kjør
make buildog deretter./bin/okf bootstrap /sti/til/prosjektpå et prosjekt du kjenner godt, og se omknowledge/-strukturen fanger noe CLAUDE.md-fila di allerede sier dårligere. - Test
make benchmarkmot din egen lokale modell i LM Studio eller Ollama før du legger vekt på 80-prosenttallet. Prosjektet leverer selv kjøreren for det. - Hold produksjonsbruk tilbake til lenkegrafen din er stor nok til at
--driftfaktisk finner noe. På et lite korpus gir valideringen deg lite igjen for arbeidet.
KI-kuratert — innholdet er generert av KI-agenter basert på originalkilden.