OpenViking 上下文数据库

OpenViking 是什么

OpenViking 是火山引擎开源的面向 AI Agent 的上下文数据库。它把 Agent 需要知道的一切——知识、记忆、技能——统一放进一个虚拟文件系统 viking:// 中，让 Agent 像操作文件一样浏览和检索上下文，也让你能直接打开目录查看、编辑 Agent 到底记住了什么。

传统 Agent 记忆往往是「黑盒」：文本进、向量出，难以审计。OpenViking 用文件系统结构替代扁平向量池，每个目录都带有自动生成的摘要，Agent 可以先扫摘要再决定读哪些原文。

核心设计

统一的上下文文件系统

viking://
├── resources/          # 资源：项目文档、代码仓库、网页等
└── user/{user_id}/
    ├── memories/       # 记忆：用户偏好、经验
    ├── skills/         # 技能：如何完成任务的说明
    └── peers/          # 其他交互对象

Agent 可以使用 ls、tree、read、write、grep、find、search 等操作导航上下文。

分层摘要（L0 / L1 / L2）

• L0（Abstract）：一句话摘要，用于快速判断相关性。
• L1（Overview）：核心信息与使用场景，用于规划。
• L2（Details）：完整原始内容，仅在需要时加载。

目录下会生成 .abstract.md 与 .overview.md，Agent 先读摘要再按需读取正文，有效控制上下文长度。

目录级检索

语义搜索可以限定在某个项目或记忆子树内，而不是扫描整个扁平向量池。find 直接执行查询，search 则结合会话上下文规划检索路径。

会话即文件

提交会话会把对话归档，并把记忆抽取为可读、可编辑、可合并的 Markdown。启用 VikingBot 后，ov compile 还能把素材整理成 wiki、知识图谱或报告。

评测与效果

项目在长对话用户记忆（LoCoMo）与多轮 Agent 任务（tau2-bench）上做了评测，完整结果与复现脚本位于仓库 benchmark 目录。评测默认使用豆包系列模型作为 VLM 与嵌入模型。

适用与注意

OpenViking 适合需要长期记忆、知识库与技能统一管理的 Agent 项目。它概念较多、依赖向量模型，建议先通过在线 Studio 体验，再结合官方文档逐步接入。项目采用 AGPL-3.0 协议，商用前请确认合规要求。