OpenViking آپریشن میں

OpenViking بائٹ ڈانس کے Volcano Engine کی جانب سے اوپن سورس کیا گیا AI Agent کانٹیکسٹ ڈیٹابیس ہے۔ OpenViking، Agent کی یادداشت، نالج RAG اور مہارتوں کو اپنی مرضی کے viking ورچوئل فائل سسٹم میں متحد انداز میں منظم کرتا ہے۔ Agent فائلوں کی طرح ls/tree/find/grep استعمال کرکے کانٹیکسٹ کو براؤز اور تلاش کر سکتا ہے۔ یہ L0 خلاصہ، L1 جائزہ اور L2 تفصیلات پر مشتمل تین سطحی بتدریج لوڈنگ استعمال کرتا ہے، ڈائریکٹری کی سطح پر معنوی تلاش کو سپورٹ کرتا ہے اور token کے استعمال کو نمایاں طور پر کم کرتا ہے۔

WeChat پر فالو کرکے “اوپن سورس” کا جواب دیں اور AI اوپن سورس پراجیکٹس کے گروپ میں شامل ہوں
متحدہ کانٹیکسٹ فائل سسٹم: اپنی مرضی کے viking:// پروٹوکول کے ذریعے یادداشت، نالج وسائل اور مہارتوں کو ورچوئل فائلوں کے طور پر منظم کریں۔ Agent، ls/tree/read/grep جیسے کمانڈز سے براہِ راست براؤز اور ترمیم کر سکتا ہے۔
تین سطحی بتدریج لوڈنگ: ہر ڈائریکٹری کے لیے خودکار طور پر L0 خلاصہ، L1 جائزہ اور L2 مکمل مواد تیار کیا جاتا ہے۔ Agent پہلے خلاصہ دیکھ کر مطابقت کا فیصلہ کرتا ہے، پھر ضرورت کے مطابق مواد لوڈ کرتا ہے، جس سے token کا استعمال نمایاں طور پر کم ہو جاتا ہے۔
ڈائریکٹری کی سطح پر معنوی تلاش: find اور search کو سپورٹ کرتا ہے، جس سے تلاش کو پورے ڈیٹابیس کو اسکین کرنے کے بجائے کسی پراجیکٹ یا یادداشت کی ذیلی درخت تک محدود کیا جا سکتا ہے۔
سیشن کو فائل میں محفوظ کرنا: سیشن جمع کرانے کے بعد گفتگو خودکار طور پر محفوظ کی جاتی ہے اور یادداشت کو قابلِ معائنہ، قابلِ ترمیم Markdown میں نکالا جاتا ہے۔ VikingBot مواد کو wiki، نالج گراف یا رپورٹ میں بھی مرتب کر سکتا ہے۔
متعدد Agent کا انضمام: Claude Code، Codex، Cursor، OpenClaw جیسے معروف Agent کے ساتھ مقامی انضمام فراہم کرتا ہے، جبکہ MCP، Agent Plugin 1.0 معیاری پلگ اِن اور Python/Go/TS SDK بھی دستیاب ہیں۔
Studio ویژولائزیشن: براؤزر پر OpenViking Studio اور خود میزبانی کے قابل Web ورژن فراہم کرتا ہے، جہاں کانٹیکسٹ کو بصری انداز میں براؤز اور معنوی تلاش کو آن لائن آزمایا جا سکتا ہے۔
متعدد صارفین اور اجازتوں کی علیحدگی: سرور متعدد اکاؤنٹس، صارف کی سطح پر علیحدگی اور اختیاری وسائل ACL رسائی کنٹرول کو سپورٹ کرتا ہے، جو ٹیم کی تعیناتی کے لیے موزوں ہے۔

انسٹالیشن: مرکزی پیکیج انسٹال کرنے کے لیے pip install openviking --upgrade چلائیں۔
ابتدائی سیٹ اپ: ماڈل فراہم کنندہ تشکیل دینے کے لیے openviking-server init چلائیں۔
ماحول کی جانچ: کنفیگریشن اور ماڈل کے کنکشن کی تصدیق کے لیے openviking-server doctor چلائیں۔
سروس شروع کریں: مقامی سرور شروع کرنے کے لیے openviking-server چلائیں۔
وسائل درآمد کریں: GitHub ریپوزٹری یا دستاویزات درآمد کرنے کے لیے ov add-resource استعمال کریں، اور انڈیکس مکمل ہونے تک ov task status وغیرہ کے ذریعے انتظار کریں۔
براؤز اور تلاش: ڈائریکٹری کے ڈھانچے کو براؤز کرنے کے لیے ov ls اور ov tree، معنوی تلاش کے لیے ov find "سوال"، اور متنی مماثلت کے لیے ov grep استعمال کریں۔
گفتگو آزمائیں: بلٹ اِن Agent درکار ہو تو pip install "openviking[bot]" چلانے کے بعد openviking-server --with-bot چلائیں، پھر ov chat سے گفتگو کریں۔

کانٹیکسٹ کی شفافیت: یادداشت، نالج اور مہارتیں viking:// فائل سسٹم میں متحد ہوتی ہیں۔ ڈائریکٹری کھول کر کسی بھی وقت دیکھا اور ترمیم کیا جا سکتا ہے کہ Agent نے کیا “سیکھا” ہے، یوں “text in, embeddings out” والے بلیک باکس سے نجات ملتی ہے۔
ڈائریکٹری کی سطح پر درست تلاش: معنوی تلاش کو کسی پراجیکٹ یا یادداشت کی ذیلی درخت تک محدود کیا جا سکتا ہے، جس سے پورے ڈیٹابیس کی اسکیننگ سے پیدا ہونے والے غیر متعلقہ نتائج سے بچا جاتا ہے۔
انتہائی مؤثر token استعمال: L0/L1/L2 کی تین سطحی بتدریج لوڈنگ Agent کو پہلے خلاصہ اور پھر مکمل متن پڑھنے دیتی ہے۔ LoCoMo جائزے میں input token میں 34%~91% کمی اور تاخیر میں 58%~66% کمی دیکھی گئی۔
کارکردگی میں نمایاں بہتری: انضمام کے بعد Claude Code، Hermes اور OpenClaw تینوں بنیادی ماڈلز کی طویل مدتی یادداشت کی درستگی 24~57% سے بڑھ کر 80%+ ہو گئی۔
یادداشت کو محفوظ کرکے دوبارہ استعمال کرنا: سیشن کو Markdown میں محفوظ کرکے یادداشت خودکار طور پر نکالی جا سکتی ہے۔ ov compile مواد کو wiki، نالج گراف یا رپورٹ میں بھی مرتب کر سکتا ہے۔
وسیع ماحولیاتی انضمام: Claude Code، Codex، Cursor، OpenClaw، Hermes سمیت دس سے زیادہ معروف Agent کو مقامی طور پر سپورٹ کرتا ہے، اور MCP و Agent Plugin 1.0 کے عمومی معیارات فراہم کرتا ہے۔

پراجیکٹ کی ویب سائٹ: https://openviking.ai/
GitHub ریپوزٹری: https://github.com/volcengine/OpenViking

ذہین پروگرامنگ اسسٹنٹ: کوڈ ریپوزٹری اور دستاویزات viking://resources/ میں درآمد کریں۔ Agent ڈائریکٹری کے مطابق تلاش کرتا ہے، ڈویلپر کی کوڈنگ عادات یاد رکھتا ہے اور سیشنز کے درمیان پراجیکٹ کی مسلسل پیروی کرتا ہے۔
متعدد Agent کا تعاون: peers ڈائریکٹری کے ذریعے مختلف تعاملی اشیا کے کانٹیکسٹ کو الگ کریں، shared resources میں ٹیم کا علم محفوظ کریں، اور متعدد Agent کو ایک ہی فائل سسٹم پر باہمی تعاون سے کام کرنے دیں۔
فروخت اور صارف سروس: user کی یادداشت والی ڈائریکٹری میں صارف کی ترجیحات اور سابقہ رابطوں کا ریکارڈ محفوظ کریں۔ سیلز Agent سیشنز کے درمیان صارف کی معلومات recall کرتا ہے، جس سے متعدد مراحل والے کاروباری کاموں کی کامیابی کی شرح بہتر ہوتی ہے۔
ویڈیو اور مواد کی تخلیق: اسٹوری بورڈ اسکرپٹس، مواد کے ذخیرے اور برانڈ گائیڈ لائنز کو کانٹیکسٹ وسائل کے طور پر منظم کریں۔ Agent پراجیکٹ کے مطابق مواد تلاش کرتا ہے، تخلیق کار کا انداز یاد رکھتا ہے اور طویل مدتی مربوط تخلیق کو سپورٹ کرتا ہے۔
تجویزی نظام کی تشخیص: حکمتِ عملی کی دستاویزات، badcase ریکارڈز اور تجرباتی لاگز درآمد کریں۔ تشخیصی Agent ڈائریکٹری کی حد میں شواہد تلاش کرتا ہے، کم token میں مسئلے کی نشاندہی کرتا ہے اور تجزیاتی رپورٹ تیار کرتا ہے۔