OpenViking 运营中

OpenViking是字节火山引擎开源的AI Agent上下文数据库。OpenViking将Agent的记忆、知识RAG和技能统一组织在自定义的viking虚拟文件系统中，Agent可以像操作文件一样用ls/tree/find/grep浏览、检索上下文。采用L0摘要、L1概览、L2详情三层渐进加载，支持目录级语义检索，显著降低token消耗。

微信关注回复“开源”，加入AI开源项目交流群
统一上下文文件系统：用自定义 viking:// 协议将记忆、知识资源、技能统一组织为虚拟文件，Agent 可用 ls/tree/read/grep 等命令直接浏览和编辑。
三层渐进加载：每个目录自动生成 L0 摘要、L1 概览、L2 完整内容，Agent 先看摘要判断相关性，按需加载，大幅减少 token 消耗。
目录级语义检索：支持 find和 search，可将检索范围限定在项目或记忆子树内，而非全库扫描。
会话沉淀为文件：提交会话后自动归档对话并提取记忆为可检查、可编辑的 Markdown，VikingBot 还能将素材编译成 wiki、知识图谱或报告。
多 Agent 接入：原生集成 Claude Code、Codex、Cursor、OpenClaw等主流 Agent，同时提供 MCP、Agent Plugin 1.0 标准插件及 Python/Go/TS SDK。
Studio 可视化：提供浏览器端 OpenViking Studio 和自托管 Web 版，可视化浏览上下文、在线试玩语义搜索。
多用户与权限隔离：服务端支持多账号、用户级隔离和可选的资源 ACL 访问控制，适合团队部署。

安装：执行 pip install openviking --upgrade 安装主包。
初始化：运行 openviking-server init 配置模型供应商。
检查环境：运行 openviking-server doctor 验证配置与模型连通性。
启动服务：运行 openviking-server 启动本地服务端。
导入资源：用 ov add-resource 导入 GitHub 仓库或文档，并通过 ov task status 等待索引完成。
浏览检索：用 ov ls、ov tree 浏览目录结构，用 ov find "问题" 做语义检索，用 ov grep 做文本匹配。
体验对话：如需内置 Agent，执行 pip install "openviking[bot]" 后运行 openviking-server --with-bot，再用 ov chat 对话。

上下文白盒化：记忆、知识、技能统一在 viking:// 文件系统中，可随时打开目录查看和编辑 Agent”知道”了什么，告别”text in, embeddings out”的黑盒。
目录级精准检索：支持把语义搜索限定在项目或记忆子树内，避免全库扫描带来的噪声。
极致 token 效率：L0/L1/L2 三层渐进加载让 Agent 先看摘要再读全文，LoCoMo 评测中输入 token 下降 34%~91%，延迟降低 58%~66%。
效果提升显著：接入后 Claude Code、Hermes、OpenClaw 三个基座的长期记忆准确率全部从 24~57% 拉升至 80%+。
记忆可沉淀复用：会话可提交归档为 Markdown 并自动提取记忆，ov compile 还能把素材整理成 wiki、知识图谱或报告。
生态接入广泛：原生覆盖 Claude Code、Codex、Cursor、OpenClaw、Hermes 等十余款主流 Agent，提供 MCP 和 Agent Plugin 1.0 通用标准。

项目官网：https://openviking.ai/
GitHub仓库：https://github.com/volcengine/OpenViking

智能编程助手：将代码仓库、文档导入 viking://resources/，Agent 按目录检索并记住开发者编码习惯，跨会话持续跟进项目。
多 Agent 协作：通过 peers 目录隔离不同交互对象的上下文、共享 resources 沉淀团队知识，多个 Agent 在同一份文件系统上协同工作。
销售与客户服务：在 user 记忆目录中沉淀客户偏好和历史沟通记录，销售 Agent 跨会话 recall 客户信息，提升多轮业务任务成功率。
视频与内容创作：将分镜脚本、素材库、品牌规范组织为上下文资源，Agent 按项目检索素材并记住创作者风格，支撑长期连贯创作。
推荐系统诊断：导入策略文档、badcase 记录和实验日志，诊断 Agent 按目录范围检索证据链，用更少 token 定位问题并生成分析报告。