Доменно-нейтральная, нативная Git-нативная постоянная проектная память для AI-агентов на основе Open Knowledge Format (OKF) v0.2.

---

🌟 Обзор

Общение с агентами ИИ сбрасывается при закрывании контекстных окна. Ценные архитектурные решения, открытия доменов и операционные факты теряются, если не хранятся постоянно.

Традиционные методы страдают от двух смертельных сбоев:

1. Монолит подсказки: Вставление всех знаний и правил домена в AGENTS.md или CLAUDE.md создаёт огромный раздувание контекста и вызывает дрейф внимания (агенты игнорируют критические инструкции).
2. Слепое пятно RAG: Загрузка поведенческих правил в векторные базы данных не работает, потому что агенты никогда семантически не ищут операционные ограничения (например, форматирование или правила безопасности) во время общих задач.

OKF Agent Memory решает эту дилемму с помощью Архитектуры агентов с двойной памятью (DMAA):

Универсальная модель композиции

В DMAA каждая конфигурация агента структурирована по универсальной композиции:

$$\text{АГЕНТЫ.

OKF Agent Memory

A Domain-Neutral, Git-Native Persistent Project Memory for AI Agents based on the Open Knowledge Format (OKF) v0.2.

---

🌟 Overview

Conversations with AI agents reset when context windows close. Valuable architectural decisions, domain discoveries, and operational facts are lost unless stored persistently.

Traditional approaches suffer from two fatal failure modes:

1. The Prompt Monolith: Stuffing all domain knowledge and rules into AGENTS.md or CLAUDE.md creates massive context bloat and causes attention drift (agents ignore critical instructions).
2. The RAG Blindspot: Dumping behavioral rules into vector databases fails because agents never semantically search for operational constraints (e.g. formatting or security rules) during general tasks.

OKF Agent Memory resolves this dilemma with the Dual-Memory Agent Architecture (DMAA):

flowchart TD
    subgraph PUSH["1. Normative Working Memory (Push Layer)"]
        direction TB
        C1["Canonical AGENTS.md (capped at 400 tokens)"]
        C2["Domain Codex (Invariants, Ethics, Tone)"]
        C3["OKF Memory Bridge (Deterministic Triggers)"]
        C4["Agent Action Grammar (AAG) Micro-Syntax"]
    end

    subgraph PULL["2. Semantic Domain Memory (Pull Layer)"]
        direction TB
        O1["OKF v0.2 Knowledge Bundle (knowledge/)"]
        O2["0 Tokens baseline in system prompt"]
        O3["Selective Retrieval via okf_search / okf_show"]
        O4["Persistent Graph of Decisions, Facts & Runbooks"]
    end

    INPUT["User Request"] --> PUSH
    PUSH -->|Enforces Domain Codex & Triggers| AGENT["AI Agent (LLM)"]
    AGENT -->|Selective Retrieval| PULL
    PULL -->|Context & Facts| AGENT
    AGENT --> OUTPUT["Deterministic Response"]

The Universal Composition Model

In DMAA, every agent configuration is structured by a universal composition: