OpenViking：面向 AI Agent 的自进化上下文数据库（统一记忆、知识 RAG 与 Skills）

OpenViking 将自己定义为“AI Agent 的上下文数据库”——用一套文件系统承载 Agent 所知的一切：知识、记忆和技能。它指出多数 Agent 记忆是黑盒：文本进、向量出，没人能看清到底存了什么。OpenViking 改为把上下文组织成 viking:// 下的虚拟文件系统，Agent 像操作文件一样使用 ls、tree、read、write、grep 导航，用户也可以打开任意目录查看并编辑 Agent 掌握的内容；每个目录都带自动生成的摘要，Agent 可以先扫摘要再决定读什么。

核心特性：

1. 知识/记忆/技能同一文件系统。resources 存文档与代码，memories 保留用户偏好与经验，skills 定义如何执行任务；每项都有 viking:// URI 可供浏览和检索。
2. 按目录检索而非全量索引。语义检索可限定在某个项目或记忆子树，而不是扫描扁平的向量池；find 直接执行查询，search 从会话上下文规划检索。
3. 先读摘要再读原文。生成的目录摘要（L0）与概览（L1）让 Agent 在打开全文（L2）之前先判断相关性。
4. 会话变成可读文件。提交会话会把对话归档并抽取为可检查、编辑、合并的 Markdown 记忆；启用 VikingBot 后，ov compile 可将源材料组织成 wiki、知识图谱或报告。

目录结构（viking://）：resources/ 下按项目组织 docs、src；user/{user_id}/ 下包含 memories/preferences（writing_style、coding_habits）、resources/private_project、skills（search_code、analyze_data）、peers（如 web-visitor-alice）。

三层加载：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）完整原始数据，仅在需要时读取。被语义化处理的目录会带 .abstract.md 与 .overview.md，api/ 下的 auth.md、endpoints.md 属于按需加载的 L2。

效果评测：OpenViking 0.3.22 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在 ./benchmark。记忆评测使用 Doubao 2.0 Pro 作为 VLM、Doubao-embedding-vision-251215 作为 embedding 模型。用户记忆方面，三种 Agent 集成在接入 OpenViking 后准确率均落在 80–83%，相比其原生记忆的 24–57% 明显提升，同时输入 token 下降 34.3–91.

0%、查询延迟下降 58.45–66.10%；Agent 经验方面，经验记忆让 tau2-bench 任务成功率相对同款无记忆 LLM 在零售场景提升 +6.87pp、航空场景提升 +11.87pp。配图 8 的基准图给出：LoCoMo 准确率 OpenClaw 24.20% native vs 82.08% with OpenViking，Hermes 33.38% vs 82.86%，Claude Code 57.21% vs 80.32%；tau2-bench 任务成功率 Retail 70.

94%（图注在来源中被截断，此处按可见内容记录）。

Studio 与桌面端：可在浏览器中试用 OpenViking Studio（无需安装），也可自托管 Web Studio，用于浏览上下文并尝试语义检索（见配图 7）。桌面应用为 macOS 与 Windows x64 的 beta 控制台，可配置受支持的本地 Agent 集成、查看会话中的召回与捕获事件，并把本地记忆与技能同步到 OpenViking；下载提供 macOS Apple Silicon（arm64）、macOS Intel（x64）、Windows（x64）三个包。

VikingBot 与生产部署：VikingBot 是构建在 OpenViking 之上的 AI Agent 框架，可用 pip install "openviking[bot]" 安装、openviking-server --with-bot 启动。官方 Docker 镜像默认同时启动 VikingBot、服务端与控制台 UI。生产环境可自托管开源服务端（AGPLv3，无需激活密钥），服务端支持账号与用户隔离，以及可选的资源 ACL；在暴露到 localhost 之外前应先配置认证。

商业版本包括由火山引擎托管的 Managed SaaS（个人版与企业版，提供开源部署的迁移工具，BytePlus 计划在中国以外地区提供托管），以及 BYOC/离线环境的 Self-Managed 版本（增加分布式部署与官方支持，通过许可证密钥激活）。

集成生态：Claude（Hooks + MCP）、Codex（Hooks + MCP）、Cursor（Hooks + MCP）、TRAE（Hooks + MCP）、OpenClaw（Context engine）、Hermes（内置）、OpenCode（Plugin + MCP）、pi（原生扩展）、DeerFlow（Plugin + MCP）、DSH（Plugin + MCP）、Doubao Work（Connector）、LangChain（Tools + store），以及通用集成 Agent Plugins 1.

0 与 MCP 客户端。也可用 Python、Go、TypeScript SDK 或 HTTP API 自建集成。

研究与伙伴：VikingMem 采用事件驱动方式抽取、更新、合并长期记忆（论文 arXiv:2605.29640，VLDB 2026）；目录感知检索的论文为 arXiv:2606.16903（ICDE 接收），定义目录范围查询与维护操作并引入 TrieHI，OpenViking 集成 TrieHI 以先解析目录范围再做向量排序；VikingRAG（arXiv:2609.11390）把语义检索与文档结构结合，按需暴露相关目录片段作为证据缺口。伙伴项目包括 deer-flow、NoKV、loopx、Hermes Agent。

— 本文由 AI 根据公开来源辅助整理，命令、版本与许可证请在使用前到原始页面复核。