为编码智能体提供 Git 原生的持久化记忆
基于开放知识格式（OKF）v0.2 构建的领域无关、Git 原生的 AI 智能体持久化项目记忆系统。任务：建议落地方案：为编码智能体部署双记忆架构（DMAA）以防止上下文丢失。第 1 层将紧凑的 400-token 行为法典（智能体动作语法 AAG）加载到系统提示中，以强制执行不变量。第 2 层将领域知识存储在 Git 原生的 OKF v0.2 包中，通过本地 BM25 搜索按需查询。工作流强制执行“写入前搜索”以防止重复。人员角色：原始来源未说明人员如何参与，但通过 git diff 审查知识包更新是隐含的治理步骤。；工具：custom-built or unnamed agent。人工角色：原始帖子没有说明人如何参与。；局限：前提条件包括编译独立的 Go 二进制文件并初始化 OKF v0.2 知识包。系统依赖本地 BM25 索引，因此与向量数据库相比，缺乏对复杂查询的语义理解。集成不确定性在于 400-token 法典能否在不截断的情况下覆盖所有必要的项目不变量。来源可靠性为次要（项目 README）；使用前请验证安全指南以防止秘密泄露。维护信任层级需要对知识包的任何更改进行人工批准。。
工具
custom-built or unnamed agent
Agent Work Atlas 发布日期:
概述
基于开放知识格式（OKF）v0.2 构建的领域无关、Git 原生的 AI 智能体持久化项目记忆系统。
工作流程
建议落地方案：为编码智能体部署双记忆架构（DMAA）以防止上下文丢失。第 1 层将紧凑的 400-token 行为法典（智能体动作语法 AAG）加载到系统提示中，以强制执行不变量。第 2 层将领域知识存储在 Git 原生的 OKF v0.2 包中，通过本地 BM25 搜索按需查询。工作流强制执行“写入前搜索”以防止重复。人员角色：原始来源未说明人员如何参与，但通过 git diff 审查知识包更新是隐含的治理步骤。
原文报告的结果
来源声称该架构消除了提示膨胀，并将 token 使用量减少了约 78–85%。它断言搜索延迟低于 300µs，且由于本地词汇索引，内存检索的 API 成本为零。然而，文本中未提供独立的执行日志或经过验证的业务成果。建议的验收检查：运行提供的 Go 基准测试套件，以在您的特定硬件上验证首字时间（TTFT）加速和 token 减少。
人工角色
原始帖子没有说明人如何参与。
局限
前提条件包括编译独立的 Go 二进制文件并初始化 OKF v0.2 知识包。系统依赖本地 BM25 索引，因此与向量数据库相比，缺乏对复杂查询的语义理解。集成不确定性在于 400-token 法典能否在不截断的情况下覆盖所有必要的项目不变量。来源可靠性为次要（项目 README）；使用前请验证安全指南以防止秘密泄露。维护信任层级需要对知识包的任何更改进行人工批准。
试一试
我需要为我的编码智能体设置一个基于 OKF v0.2 的 Git 原生持久化记忆系统。 1. **设置**：克隆 `okf-agent-memory` 仓库并运行 `make build` 以生成 `bin/okf` 可执行文件。 2. **初始化**：运行 `./bin/okf bootstrap [可替换项目路径] --name "[可替换项目名称]"` 以搭建 `knowledge/` 目录和 `AGENTS.md`。 3. **配置法典**：编辑生成的 `AGENTS.md`，使用智能体动作语法（AAG）包含一个紧凑的 400-token 行为法典。确保它定义了项目不变量和语气。 4. **填充记忆**：使用 `./bin/okf create decisions/[概念ID] knowledge --type Decision --title "[标题]" --desc "[描述]"` 添加关键架构决策。 5. **验证搜索**：运行 `./bin/okf search "[查询词]" knowledge` 以确认 BM25 索引正常工作。 6. **人工检查**：在最终确定之前，我将手动审查 `knowledge/` 文件夹和 `AGENTS.md` 文件的 `git diff`，以确保没有暴露秘密且法典准确。 7. **试运行**：执行一个示例任务，智能体必须在编写代码前检索决策。向我展示搜索查询和检索到的上下文。 如果搜索没有返回结果或法典超过 400 个 token，请停止并询问应优先处理哪些不变量。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。