OKF Agent Memory: "Ký ức" bền vững cho AI coding agents, hoạt động ngay trong Git repository

OKF Agent Memory là dự án mã nguồn mở mới cung cấp một lớp bộ nhớ dài hạn, không phụ thuộc nhà cung cấp cho các tác nhân AI, đặt trực tiếp trong kho mã nguồn dưới dạng tệp Markdown chuẩn hóa. Giải pháp này hứa hẹn giải quyết bài toán "mất trí nhớ" của AI mỗi khi cửa sổ ngữ cảnh đóng lại, thay thế các phương pháp lưu trữ phi cấu trúc như CLAUDE.md hay các hệ thống vector database phức tạp, chi phí cao.

Bài viết này sẽ phân tích kiến trúc, hiệu năng ấn tượng và cách triển khai của dự án OKF Agent Memory, một công cụ hướng tới cộng đồng developer Việt Nam đang ngày càng quan tâm đến việc tối ưu hóa quy trình làm việc với AI.

Vấn đề "mất trí nhớ" của AI và giải pháp Git-native

Mọi cuộc trò chuyện với AI coding agent đều bị giới hạn bởi context window. Khi phiên làm việc kết thúc, các quyết định kiến trúc quan trọng, khám phá domain hay các sự kiện vận hành sẽ bị mất đi trừ khi được lưu trữ một cách bền vững và có hệ thống.

Giấy phép MIT

OKF Agent Memory giải quyết vấn đề này bằng cách tạo ra một tầng bộ nhớ chuẩn hóa, trung lập với nhà cung cấp, sống ngay trong repository của bạn tại thư mục knowledge/ dưới dạng các tệp Markdown thuần túy có frontmatter YAML. Dự án không chỉ là một bộ quy ước mà bao gồm 5 tầng kiến trúc:

• Tầng 1: Đặc tả chuẩn OKF v0.2 (định dạng Markdown & YAML chuẩn mực)
• Tầng 2: Quy ước bộ nhớ Agent (các luật hành vi: tìm kiếm, xem xét, tin cậy)
• Tầng 3: Kỹ năng Agent (prompt LLM và quy trình vận hành)
• Tầng 4: Lớp công cụ bằng Go: thư viện & CLI (phân tích cú pháp, xác thực, tìm kiếm, MCP)
• Tầng 5: Kho tri thức dự án (bộ OKF trong thư mục knowledge/)

Hiệu năng vượt trội so với vector database

Điểm nhấn đáng chú ý nhất của OKF Agent Memory là hiệu năng được tối ưu cực kỳ cao. Dự án cung cấp bảng so sánh benchmark cho thấy sự khác biệt rõ rệt so với các giải pháp Python/Node.js truyền thống:

Tiêu chí	Python / Vector DB (Mem0, Letta)	Deno / Node.js	OKF (Go)
Độ trễ tìm kiếm khái niệm	150ms – 800ms	40ms – 120ms	< 300 µs
Phân tích & xác thực toàn bộ kho	200ms – 1.5s	80ms – 250ms	~4.0 ms
Chi phí khởi động tiến trình	250ms – 600ms	80ms – 180ms	< 4 ms
Chi phí cho 1.000 lượt truy vấn	~$0.10 – $0.50	$0.00	$0.00
Bộ nhớ sử dụng (RSS)	~120 MB – 350 MB	~60 MB – 140 MB	< 15 MB

Đặc tả OKF v0.2

Sự khác biệt đến từ việc sử dụng thuật toán BM25 chạy ngay trong bộ nhớ (in-memory) thay vì gọi API embedding hay thiết lập kết nối mạng. Toàn bộ chuỗi công cụ được viết bằng Go với zero external dependencies, tạo ra một binary duy nhất có khả năng khởi động trong vòng chưa đầy 5 milliseconds.

Toàn bộ lợi ích đều dựa trên Git

Một trong những triết lý thiết kế cốt lõi của OKF là 100% Git-native và zero vendor lock-in. Toàn bộ bộ nhớ của agent là văn bản thuần túy được quản lý phiên bản. Điều này mang lại khả năng:

• Sử dụng git diff và git log để kiểm tra, đánh giá và xem xét mọi thay đổi trong bộ nhớ
• Kiểm toán đầy đủ mọi quyết định và thông tin mà agent đã lưu trữ
• Không cần cơ sở dữ liệu ngoài nào khác
• Loại bỏ chi phí API định kỳ cho việc truy xuất bộ nhớ

Dự án còn áp dụng nguyên tắc Search-Before-Write: bắt buộc agent phải tìm kiếm bộ nhớ hiện có trước khi tạo mới, ngăn chặn sự trùng lặp khái niệm và các nhánh thông tin sai lệch. Kỹ thuật Progressive Disclosure với các tệp index.md phân cấp giúp agent chỉ tải những khái niệm thực sự cần thiết, giải quyết tình trạng quá tải ngữ cảnh.

Trải nghiệm nhanh với CLI và MCP Server

Để bắt đầu, bạn có thể clone repository và biên dịch binary:

# Biên dịch binary
make build

Các lệnh CLI cơ bản bao gồm:

# Xác thực cấu trúc bundle
./bin/okf validate knowledge --strict --drift

# Tìm kiếm khái niệm bằng BM25
./bin/okf search "architecture layers" knowledge

# Xem chi tiết khái niệm và quan hệ
./bin/okf show architecture/layers knowledge --json

# Tạo khái niệm mới
./bin/okf create decisions/auth-flow knowledge \
  --type Decision \
  --title "OAuth2 Authorization Flow" \
  --desc "Standardized on PKCE for client authentication."

Đáng chú ý, lệnh bootstrap cho phép khởi tạo toàn bộ kiến trúc bộ nhớ agent (gồm thư mục knowledge/, tệp AGENTS.md, kỹ năng agent và Makefile) vào bất kỳ dự án mới hoặc hiện có nào chỉ với một lệnh duy nhất.

OKF Agent Memory cũng tích hợp sẵn MCP (Model Context Protocol) server qua stdio, cho phép kết nối liền mạch với các nền tảng agent phổ biến như Claude Code, Cursor, hay Codex:

{
  "mcpServers": {
    "okf-memory": {
      "command": "/path/to/okf-agent-memory/bin/okf",
      "args": ["mcp", "/path/to/project/knowledge"]
    }
  }
}

Tích hợp MCP sẵn sàng

Tính năng và khả năng mở rộng

Dự án được thiết kế để trung lập với mọi lĩnh vực, phù hợp không chỉ cho kỹ thuật phần mềm mà còn cho coaching, nghiên cứu khoa học, review văn học và vận hành hệ thống. Bộ công cụ Go (pkg/okf) tích hợp sẵn trình phân tích cú pháp, bộ xác thực, lập chỉ mục BM25 và cả chức năng bootstrap.

Các tệp tri thức tuân theo chuẩn OKF v0.2 của Google, hỗ trợ đầy đủ:

• Provenance (nguồn gốc): ghi lại nguồn thông tin
• Trust tiers: phân biệt dữ liệu sinh tự động (generated) và dữ liệu đã xác minh (verified)
• Lifecycle metadata: theo dõi trạng thái và thời hạn hết hiệu lực (stale_after)

Danh sách các tài liệu hướng dẫn trong dự án cũng rất đầy đủ, từ hướng dẫn bắt đầu, tài liệu tham chiếu CLI/MCP, cho đến các bài đánh giá, so sánh với Mem0, Letta hay roadmap phát triển.

Tác động đối với cộng đồng developer

OKF Agent Memory đại diện cho một hướng tiếp cận mới mẻ trong việc giải quyết vấn đề bộ nhớ bền vững cho AI agents. Với việc giảm thiểu chi phí vận hành về 0 và loại bỏ hoàn toàn sự phụ thuộc vào hạ tầng vector database nặng nề, dự án mở ra cơ hội để ngay cả các cá nhân hay nhóm nhỏ cũng có thể xây dựng các quy trình làm việc AI hiệu quả ngay trên kho mã hiện tại của họ. Dự án được phát hành dưới giấy phép MIT và khuyến khích sự đóng góp từ cộng đồng.

Nếu bạn đang phát triển các ứng dụng AI tại Việt Nam và mong muốn một giải pháp bộ nhớ minh bạch, kiểm soát được và không tốn kém, việc theo dõi và thử nghiệm OKF Agent Memory chắc chắn là một bước đi đáng giá.