OpenViking

OpenViking 是面向 AI Agent 的上下文数据库。它针对“记忆在向量库、资料在文档、技能在代码模块里各自分散”的问题，把上下文统一组织为 Agent 可浏览的目录，并把资源、用户记忆和技能视作可复用资产。

它管理的不是一堆普通文件

• Resources：项目文档、代码库、网页与知识规则，可放在 viking://resources/ 等目录下。
• Memory：用户偏好、习惯、长期记忆与会话沉淀。
• Skills：Agent 的指令、工具知识和任务经验，例如 viking://agent/skills。

L0、L1、L2 如何节省上下文

官网示例把目录内容分成 L0 摘要、L1 概览和 L2 原始/详细文件。Agent 可先看短摘要判断相关性，再逐层深入，而不是把完整仓库或文档一次塞进提示词。这种渐进式读取有助于控制 token，也让检索路径更容易解释。

适合怎样的 Agent 架构

长期运行的研究助手、代码 Agent、个人知识助手和多会话客服，都需要跨任务找回资料并沉淀经验。OpenViking 官网列出与 Claude Code、Codex、OpenCode、Hermes，以及 Python、LangChain、LangGraph、MCP 等生态的连接方向；具体成熟度应按对应集成文档验证。

落地顺序

1. 先选一个边界清晰的资料域，定义哪些是共享资源、个人记忆和可执行技能。
2. 建立目录、访问权限和更新责任人，再导入网页、GitHub 仓库或内部文档。
3. 用真实问题测试召回路径：是否先命中正确目录、是否需要下钻、是否引用过期资料。
4. 对自动写入的记忆设置审查、过期与删除机制，避免错误长期固化。

与向量库的区别和风险

它强调文件系统式导航和上下文分层，而不只是相似度检索。目录设计不佳、摘要过期或权限继承错误，同样会让 Agent 取回错误信息；基准数据和官网展示不能替代你在自有语料上的召回、延迟与权限测试。

官网：https://www.openviking.ai