OKF 智能代理記憶：Git 原生的持續專案知識庫

在 AI 代理與大型語言模型（LLM）日益成為開發助理的今天，對話內容在上下文視窗關閉後即被遺失，導致寶貴的架構決策、領域發現與作業事實無法長期保存。Open Knowledge Format（OKF）v0.2 針對這一痛點，推出了 OKF Agent Memory——一套以 Git 為基礎、完全原生的持續專案知識庫。

為什麼需要 Git 原生的記憶層？

傳統上，開發團隊會將雜亂的 Markdown 檔（如 CLAUDE.md、AGENTS.md）散落於專案根目錄，或是依賴黑盒向量資料庫（vector DB）儲存向量化的對話紀錄。前者缺乏結構化檢索，後者則需要額外的服務與成本。OKF Agent Memory 把 標準化的記憶層直接寫入 repository 的 knowledge/ 目錄，每筆資訊以純 Markdown 檔搭配 YAML 前置資料（frontmatter）保存，兼具可讀性與版本控制的優勢。

技術核心與效能優勢

純 Go 實作、零外部相依：整個系統以 Go 語言編寫，不依賴任何第三方資料庫或服務，降低部署門檻。
內存 BM25 搜尋：採用 BM25 演算法在記憶體中完成全文檢索，查詢延遲低於 300 微秒（sub‑300µs），即時回應代理的搜尋需求。
Model Context Protocol（MCP）伺服器：內建 MCP 伺服器透過 stdio 與 Claude Code、Cursor、Codex 等平台無縫對接，讓代理在執行工具呼叫迴圈時可直接取得上下文。
代幣（Token）削減 80%：透過將對話內容轉為結構化 Markdown，實測在本機硬體（LM Studio、Ollama 搭配 Gemma、Qwen、Llama）上可將使用的代幣量降低約八成，同時提升 Time‑To‑First‑Token（TTFT） 的速度。
一鍵腳手架：只需執行單一指令，即可在新舊專案中自動生成完整的 OKF Agent Memory 架構，包含 knowledge/ 目錄、MCP 伺服器與測試套件。

開發者可透過 make benchmark 直接在本機跑進階的 Progressive Disclosure Benchmark Suite，驗證上述效能指標。

開源授權與未來方向

OKF Agent Memory 以 MIT 授權條款釋出，程式碼位於 GitHub，使用者可自行編譯產生 bin/okf 執行檔，亦可將其作為子模組嵌入其他專案。未來的開發路線圖包括：

跨語言支援：雖然目前以 Go 為主，計畫引入 Rust 與 Python 包裝器，擴大生態系統。
進階向量化：在保留純文字檢索的同時，提供可選的向量化插件，以支援更複雜的語意搜尋。
協作式知識治理：結合 Git 的 pull request 流程，讓團隊成員可審核、更新 AI 代理的知識條目，形成可追溯的決策紀錄。

結語

OKF 智能代理記憶以 Git 原生、零依賴、即時檢索 為核心，成功填補了非結構化筆記與黑盒向量資料庫之間的空白。對於希望在開發流程中長期保存 AI 代理學習成果、同時降低代幣成本的團隊而言，這是一項值得關注的技術基礎建設。未來隨著更多平台支援與功能擴充，OKF 有望成為 AI 代理知識管理的事實標準。