OpenViking 是由火山引擎开源的 AI Agent 上下文数据库，采用创新的「文件系统范式」统一管理 Agent 所需的记忆、资源和技能，让 AI Agent 具备层级化的上下文交付和自我进化能力。
主要功能
- 文件系统管理范式：将 memory、resources、skills 统一映射为虚拟文件系统目录，解决上下文碎片化问题
- 分层上下文加载：L0/L1/L2 三层结构，按需加载，大幅降低 Token 消耗
- 目录递归检索：支持原生 glob/grep 和混合向量检索，结合目录定位与语义搜索，实现递归精准上下文获取
- 可视化检索轨迹：支持目录检索轨迹可视化，让用户清晰观察问题根源
- 自动会话管理：自动压缩对话内容，提取长期记忆，让 Agent 越用越聪明
核心特点与优势
| 特点 | 说明 |
|---|---|
| 文件系统范式 | 告别传统 RAG 的扁平存储，采用层级化目录结构管理上下文 |
| 分层加载 | L0 抽象层 <100 tokens，L1 概述层 <2k tokens，L2 详细内容按需获取 |
| 递归检索 | Query → Intent → Hierarchical Retriever → Directory Position + Local Search + Rerank |
| 可观测性 | 每一次检索路径都可追踪，让 Agent 的上下文推理变得透明可调 |
| 自我进化 | 从执行和对话中提炼经验，不断优化记忆，越用越聪明 |
技术栈
- Python：82.6%，核心开发语言
- C++：8.6%，核心扩展构建
- Rust：3.4%，CLI 工具开发
- JavaScript：2.1%，前端界面
支持的模型
- 火山引擎：豆包模型
- OpenAI：GPT 系列
- LiteLLM：统一接入 Anthropic、DeepSeek、Gemini、Qwen、vLLM、Ollama 等
框架集成
OpenViking 无缝集成主流 Agent 框架：
- LangChain：一行代码切换上下文后端，带来结构化、可进化的上下文管理
- DeerFlow：原生支持长文档，会话级上下文管理和持久的长期记忆
快速开始
pip install openviking提供简洁的 API：client.add_resource()、client.search()、client.read()、client.ls()、client.overview()
适用场景
- 需要长期记忆的 AI Agent
- 复杂上下文管理的多轮对话系统
- 需要可观测调试的 RAG 应用
- 构建可自我进化的智能助手
总结
OpenViking 为 AI Agent 提供了一套完整的上下文管理解决方案。其创新的「文件系统范式」重新定义了 Agent 的上下文交互方式，让开发者能够像管理本地文件一样构建 Agent 的大脑。目前已在 GitHub 获得 11,123 Stars，是 AI Agent 上下文管理领域的热门项目。
数据统计
相关导航
没有相关内容!
暂无评论...
