OpenViking – 字節開源的 AI Agent 上下文數據庫

OpenViking是什麼

OpenViking是字節火山引擎開源的AI Agent上下文數據庫。OpenViking將Agent的記憶、知識RAG和技能統一組織在自定義的viking虛擬文件系統中，Agent可以像操作文件一樣用ls/tree/find/grep瀏覽、檢索上下文。採用L0摘要、L1概覽、L2詳情三層漸進加載，支持目錄級語義檢索，顯著降低token消耗。

OpenViking的主要功能

• 統一上下文文件系統：用自定義 viking:// 協議將記憶、知識資源、技能統一組織爲虛擬文件，Agent 可用 ls/tree/read/grep 等命令直接瀏覽和編輯。
• 三層漸進加載：每個目錄自動生成 L0 摘要、L1 概覽、L2 完整內容，Agent 先看摘要判斷相關性，按需加載，大幅減少 token 消耗。
• 目錄級語義檢索：支持 find和 search，可將檢索範圍限定在項目或記憶子樹內，而非全庫掃描。
• 會話沉澱爲文件：提交會話後自動歸檔對話並提取記憶爲可檢查、可編輯的 Markdown，VikingBot 還能將素材編譯成 wiki、知識圖譜或報告。
• 多 Agent 接入：原生集成 Claude Code、Codex、Cursor、OpenClaw等主流 Agent，同時提供 MCP、Agent Plugin 1.0 標準插件及 Python/Go/TS SDK。
• Studio 可視化：提供瀏覽器端 OpenViking Studio 和自託管 Web 版，可視化瀏覽上下文、在線試玩語義搜索。
• 多用戶與權限隔離：服務端支持多賬號、用戶級隔離和可選的資源 ACL 訪問控制，適合團隊部署。

微信關注回覆“開源”，加入AI開源項目交流羣

如何使用OpenViking

• 安裝：執行 pip install openviking --upgrade 安裝主包。
• 初始化：運行 openviking-server init 配置模型供應商。
• 檢查環境：運行 openviking-server doctor 驗證配置與模型連通性。
• 啓動服務：運行 openviking-server 啓動本地服務端。
• 導入資源：用 ov add-resource <url或路徑> 導入 GitHub 倉庫或文檔，並通過 ov task status 等待索引完成。
• 瀏覽檢索：用 ov ls、ov tree 瀏覽目錄結構，用 ov find "問題" 做語義檢索，用 ov grep 做文本匹配。
• 體驗對話：如需內置 Agent，執行 pip install "openviking[bot]" 後運行 openviking-server --with-bot，再用 ov chat 對話。

OpenViking的核心優勢

• 上下文白盒化：記憶、知識、技能統一在 viking:// 文件系統中，可隨時打開目錄查看和編輯 Agent”知道”了什麼，告別”text in, embeddings out”的黑盒。
• 目錄級精準檢索：支持把語義搜索限定在項目或記憶子樹內，避免全庫掃描帶來的噪聲。
• 極致 token 效率：L0/L1/L2 三層漸進加載讓 Agent 先看摘要再讀全文，LoCoMo 評測中輸入 token 下降 34%~91%，延遲降低 58%~66%。
• 效果提升顯著：接入後 Claude Code、Hermes、OpenClaw 三個基座的長期記憶準確率全部從 24~57% 拉昇至 80%+。
• 記憶可沉澱複用：會話可提交歸檔爲 Markdown 並自動提取記憶，ov compile 還能把素材整理成 wiki、知識圖譜或報告。
• 生態接入廣泛：原生覆蓋 Claude Code、Codex、Cursor、OpenClaw、Hermes 等十餘款主流 Agent，提供 MCP 和 Agent Plugin 1.0 通用標準。

OpenViking的項目地址

• 項目官網：https://openviking.ai/
• GitHub倉庫：https://github.com/volcengine/OpenViking

OpenViking的同類競品對比

OpenViking的應用場景

• 智能編程助手：將代碼倉庫、文檔導入 viking://resources/，Agent 按目錄檢索並記住開發者編碼習慣，跨會話持續跟進項目。
• 多 Agent 協作：通過 peers 目錄隔離不同交互對象的上下文、共享 resources 沉澱團隊知識，多個 Agent 在同一份文件系統上協同工作。
• 銷售與客戶服務：在 user 記憶目錄中沉澱客戶偏好和歷史溝通記錄，銷售 Agent 跨會話 recall 客戶信息，提升多輪業務任務成功率。
• 視頻與內容創作：將分鏡腳本、素材庫、品牌規範組織爲上下文資源，Agent 按項目檢索素材並記住創作者風格，支撐長期連貫創作。
• 推薦系統診斷：導入策略文檔、badcase 記錄和實驗日誌，診斷 Agent 按目錄範圍檢索證據鏈，用更少 token 定位問題並生成分析報告。