OpenViking চালু আছে

OpenViking হলো ByteDance Volcano Engine-এর ওপেন-সোর্স করা AI Agent কনটেক্সট ডেটাবেস। OpenViking Agent-এর স্মৃতি, জ্ঞান RAG এবং দক্ষতাগুলোকে একটি কাস্টম viking ভার্চুয়াল ফাইল সিস্টেমে একীভূতভাবে সংগঠিত করে। Agent ফাইল ব্যবহারের মতো করে ls/tree/find/grep দিয়ে কনটেক্সট ব্রাউজ ও অনুসন্ধান করতে পারে। L0 সারাংশ, L1 ওভারভিউ এবং L2 বিস্তারিত, এই তিন স্তরের ক্রমবর্ধমান লোডিং ব্যবহার করে এটি ডিরেক্টরি-স্তরের সেমান্টিক অনুসন্ধান সমর্থন করে এবং token খরচ উল্লেখযোগ্যভাবে কমায়।

WeChat-এ ফলো করে “开源” লিখে রিপ্লাই দিন, AI ওপেন-সোর্স প্রজেক্টের গ্রুপে যোগ দিন
একীভূত কনটেক্সট ফাইল সিস্টেম: কাস্টম viking:// প্রোটোকলের মাধ্যমে স্মৃতি, জ্ঞানসম্পদ ও দক্ষতাগুলোকে ভার্চুয়াল ফাইল হিসেবে একীভূতভাবে সংগঠিত করে। Agent ls/tree/read/grep-এর মতো কমান্ড দিয়ে সরাসরি ব্রাউজ ও সম্পাদনা করতে পারে।
তিন স্তরের ক্রমবর্ধমান লোডিং: প্রতিটি ডিরেক্টরির জন্য স্বয়ংক্রিয়ভাবে L0 সারাংশ, L1 ওভারভিউ এবং L2 সম্পূর্ণ কনটেন্ট তৈরি হয়। Agent প্রথমে সারাংশ দেখে প্রাসঙ্গিকতা নির্ধারণ করে, প্রয়োজন অনুযায়ী লোড করে এবং token খরচ ব্যাপকভাবে কমায়।
ডিরেক্টরি-স্তরের সেমান্টিক অনুসন্ধান: find এবং search সমর্থন করে। অনুসন্ধানের পরিসর পুরো ডেটাবেস স্ক্যান না করে কোনো প্রজেক্ট বা মেমরি সাবট্রির মধ্যে সীমাবদ্ধ করা যায়।
সেশনকে ফাইলে সংরক্ষণ: সেশন জমা দেওয়ার পর কথোপকথন স্বয়ংক্রিয়ভাবে আর্কাইভ করে এবং স্মৃতিকে পরীক্ষা ও সম্পাদনাযোগ্য Markdown-এ রূপান্তর করে। VikingBot উপকরণগুলোকে wiki, জ্ঞান গ্রাফ বা প্রতিবেদনে কম্পাইলও করতে পারে।
একাধিক Agent সংযুক্তি: Claude Code, Codex, Cursor, OpenClaw-এর মতো প্রধান Agent-গুলোর সঙ্গে নেটিভ ইন্টিগ্রেশন রয়েছে। পাশাপাশি MCP, Agent Plugin 1.0 স্ট্যান্ডার্ড প্লাগইন এবং Python/Go/TS SDK দেওয়া হয়।
Studio ভিজ্যুয়ালাইজেশন: ব্রাউজারভিত্তিক OpenViking Studio এবং স্ব-হোস্টেড Web সংস্করণ রয়েছে, যেখানে কনটেক্সট ভিজ্যুয়ালি ব্রাউজ করা ও সেমান্টিক অনুসন্ধান সরাসরি পরীক্ষা করা যায়।
একাধিক ব্যবহারকারী ও অনুমতি বিচ্ছিন্নতা: সার্ভার একাধিক অ্যাকাউন্ট, ব্যবহারকারী-স্তরের বিচ্ছিন্নতা এবং ঐচ্ছিক রিসোর্স ACL অ্যাক্সেস কন্ট্রোল সমর্থন করে, তাই টিম ডিপ্লয়মেন্টের জন্য উপযোগী।

ইনস্টলেশন: pip install openviking --upgrade চালিয়ে মূল প্যাকেজ ইনস্টল করুন।
初始化: openviking-server init চালিয়ে মডেল সরবরাহকারী কনফিগার করুন।
পরিবেশ পরীক্ষা: কনফিগারেশন ও মডেলের সংযোগ যাচাই করতে openviking-server doctor চালান।
সার্ভার চালু: স্থানীয় সার্ভার চালু করতে openviking-server চালান।
রিসোর্স আমদানি: GitHub রিপোজিটরি বা ডকুমেন্ট আমদানি করতে ov add-resource ব্যবহার করুন এবং ইনডেক্স সম্পন্ন হওয়া পর্যন্ত ov task status দিয়ে অপেক্ষা করুন।
ব্রাউজ ও অনুসন্ধান: ডিরেক্টরি কাঠামো দেখতে ov ls এবং ov tree ব্যবহার করুন, সেমান্টিক অনুসন্ধানের জন্য ov find "প্রশ্ন" এবং টেক্সট ম্যাচিংয়ের জন্য ov grep ব্যবহার করুন।
কথোপকথন ব্যবহার: বিল্ট-ইন Agent প্রয়োজন হলে pip install "openviking[bot]" চালানোর পর openviking-server --with-bot চালান, তারপর ov chat দিয়ে কথোপকথন করুন।

কনটেক্সটের স্বচ্ছতা: স্মৃতি, জ্ঞান ও দক্ষতা viking:// ফাইল সিস্টেমে একীভূত থাকে। যেকোনো সময় ডিরেক্টরি খুলে Agent কী “জানে” তা দেখা ও সম্পাদনা করা যায়, ফলে ”text in, embeddings out” ধরনের ব্ল্যাক বক্সের প্রয়োজন থাকে না।
ডিরেক্টরি-স্তরের নির্ভুল অনুসন্ধান: সেমান্টিক অনুসন্ধান কোনো প্রজেক্ট বা মেমরি সাবট্রির মধ্যে সীমাবদ্ধ করা যায়, ফলে পুরো ডেটাবেস স্ক্যানের শব্দ কমে।
সর্বোচ্চ token দক্ষতা: L0/L1/L2 তিন স্তরের ক্রমবর্ধমান লোডিং Agent-কে প্রথমে সারাংশ এবং পরে সম্পূর্ণ লেখা পড়তে দেয়। LoCoMo মূল্যায়নে ইনপুট token 34%~91% কমেছে এবং latency 58%~66% কমেছে।
ফলাফলে উল্লেখযোগ্য উন্নতি: সংযুক্ত করার পর Claude Code, Hermes এবং OpenClaw, এই তিনটি বেসের দীর্ঘমেয়াদি স্মৃতি নির্ভুলতা 24~57% থেকে 80%+ হয়েছে।
স্মৃতি সংরক্ষণ ও পুনর্ব্যবহার: সেশন জমা দিয়ে Markdown হিসেবে আর্কাইভ করা এবং স্বয়ংক্রিয়ভাবে স্মৃতি বের করা যায়। ov compile উপকরণগুলোকে wiki, জ্ঞান গ্রাফ বা প্রতিবেদনে সাজাতে পারে।
ব্যাপক ইকোসিস্টেম সংযোগ: Claude Code, Codex, Cursor, OpenClaw, Hermes-সহ দশটিরও বেশি প্রধান Agent নেটিভভাবে সমর্থিত। MCP এবং Agent Plugin 1.0-এর সাধারণ স্ট্যান্ডার্ডও দেওয়া হয়।

প্রজেক্টের অফিসিয়াল ওয়েবসাইট: https://openviking.ai/
GitHub রিপোজিটরি: https://github.com/volcengine/OpenViking

বুদ্ধিমান প্রোগ্রামিং সহকারী: কোড রিপোজিটরি ও ডকুমেন্ট viking://resources/-এ আমদানি করুন। Agent ডিরেক্টরি অনুযায়ী অনুসন্ধান করে এবং ডেভেলপারের কোডিং অভ্যাস মনে রাখে, ফলে বিভিন্ন সেশনে প্রজেক্টের ধারাবাহিক অনুসরণ সম্ভব হয়।
একাধিক Agent-এর সহযোগিতা: peers ডিরেক্টরির মাধ্যমে বিভিন্ন ইন্টারঅ্যাকশন অবজেক্টের কনটেক্সট আলাদা করুন, shared resources-এ টিমের জ্ঞান সংরক্ষণ করুন এবং একই ফাইল সিস্টেমে একাধিক Agent-কে সহযোগিতামূলকভাবে কাজ করান।
বিক্রয় ও গ্রাহকসেবা: user মেমরি ডিরেক্টরিতে গ্রাহকের পছন্দ ও আগের যোগাযোগের রেকর্ড সংরক্ষণ করুন। বিক্রয় Agent বিভিন্ন সেশনে গ্রাহকের তথ্য recall করে বহু-ধাপের ব্যবসায়িক কাজের সাফল্যের হার বাড়াতে পারে।
ভিডিও ও কনটেন্ট তৈরি: স্টোরিবোর্ড স্ক্রিপ্ট, উপকরণ সংগ্রহ এবং ব্র্যান্ড নির্দেশিকাকে কনটেক্সট রিসোর্স হিসেবে সংগঠিত করুন। Agent প্রজেক্ট অনুযায়ী উপকরণ খুঁজে স্রষ্টার ধরন মনে রাখে এবং দীর্ঘমেয়াদি ধারাবাহিক সৃষ্টিকে সমর্থন করে।
রেকমেন্ডেশন সিস্টেম নির্ণয়: কৌশলগত ডকুমেন্ট, badcase রেকর্ড এবং পরীক্ষার লগ আমদানি করুন। ডায়াগনস্টিক Agent ডিরেক্টরি-সীমার মধ্যে প্রমাণের শৃঙ্খল অনুসন্ধান করে, কম token ব্যবহার করে সমস্যা শনাক্ত ও বিশ্লেষণ প্রতিবেদন তৈরি করতে পারে।