OpenViking如何管理AI智能体上下文？2026年开源数据库解析

在人工智能时代，数据是海量的，但高质量的上下文却十分稀缺。开发者在构建自主 AI 智能体时面临严峻挑战：记忆分散在代码各处，资源被困在向量数据库中，而传统的 RAG（检索增强生成）就像一个“黑盒”，通过加载不必要的文本来消耗数百万的 Token。

In the era of artificial intelligence, data is abundant, but high-quality context is scarce. Developers face significant challenges when building autonomous AI agents: memories are scattered across code, resources are trapped in vector databases, and traditional RAG (Retrieval-Augmented Generation) acts like a "black box," burning through millions of tokens by loading unnecessary text.

OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。 是一个开源工具，它通过引入一种全新的方法来解决这个问题：一个用于管理 AI 智能体记忆、资源和技能的 “文件系统范式”。

OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。 is an open-source tool that addresses this problem by introducing a completely new approach: a "file system paradigm" for managing an AI agent's memory, resources, and skills.

🌟 核心理念：OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。 的思考方式

🌟 Core Concepts: How OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。 Thinks

系统不是将信息组织成扁平的向量列表，而是将其组织成一个清晰的层次结构，智能体可以像开发者在终端中一样“导航”这个结构。

Instead of organizing information into flat lists of vectors, the system structures it into a clear hierarchy that an agent can "navigate" just like a developer in a terminal.

1. 虚拟文件系统 (Viking URI)

1. Virtual File System (Viking URI)

所有智能体的记忆都被组织成一个目录树。智能体可以使用命令（如 ls 或 find）有意识地浏览文件夹：

All agent memory is organized as a directory tree. The agent can use commands (like ls or find) to consciously navigate through folders:

viking://
├── resources/              # 外部资源：文档、代码仓库、网页
│   └── my_project/
│       ├── docs/
│       └── src/
├── user/                   # 用户：习惯、偏好、沟通风格
│   └── memories/
└── agent/                  # 智能体：指令、逻辑、任务历史
    ├── skills/             # 可用工具（API、脚本）
    └── instructions/

2. 分层上下文加载一种上下文管理策略，在规划阶段使用轻量级上下文（L0/L1），在执行阶段才通过URI获取详细的L2上下文，以降低令牌成本和避免截断风险。 (节省 Token)

2. Tiered Context Loading (Token Savings)

试图一次性将整个项目加载到模型的提示中是昂贵且低效的。OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。 自动将任何上传的文档拆分为三个层级：

Attempting to load an entire project into a model's prompt at once is expensive and inefficient. OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。 automatically splits any uploaded document into three layers:

• L0 (摘要): 一个简短的标题（约 100 个 Token）。用于快速相关性检查。
• L1 (概览): 一个摘要（约 2000 个 Token）。允许智能体理解结构和本质以规划其行动。
• L2 (详情): 完整的文档文本。仅在绝对必要时加载。

• L0 (Abstract): A short title (~100 tokens). Used for quick relevance checks.
• L1 (Overview): A summary (~2k tokens). Allows the agent to understand the structure and essence to plan its actions.
• L2 (Details): The full document text. Loaded only when absolutely necessary.

3. 目录递归检索融合意图分析、向量检索和目录探索的检索策略，先锁定高分目录再精细探索内容

3. Directory Recursive Retrieval

传统的 RAG 只是寻找相似的词。OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。 首先找到最合适的“文件夹”（L0/L1），然后深入其中（L2）。这使得搜索更加精确，并允许 AI 看到文档的完整上下文。

Traditional RAG simply looks for similar words. OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。 first finds the most suitable "folder" (L0/L1) and then drills down into it (L2). This makes the search precise and allows the AI to see the full context of the document.

4. 自动记忆进化系统在对话结束后分析并提取有用经验，保存到长期记忆中，使智能体随着使用变得更智能

4. Automatic Memory Evolution

对话结束后，系统可以对其进行分析，提取有用的经验（例如，用户偏好的编码风格），并将其保存到长期记忆中。智能体每次使用都会变得更聪明。

After a conversation ends, the system can analyze it, extract useful experiences (e.g., the user's preferred coding style), and save them into long-term memory. The agent gets smarter with every use.

---

🚀 效能表现 (基准测试)

🚀 Effectiveness (Benchmarks)

在长上下文对话数据集（LoCoMo10）上的测试显示了令人印象深刻的结果：

Testing on a dataset of long-context dialogues (LoCoMo10) showed impressive results:

智能体配置	任务完成率	输入 Token 成本 (总计)
基础智能体 (OpenClaw一个开源的个人AI助手平台，支持跨平台部署和多种通讯渠道集成，能够执行自动化任务如邮件处理、日历管理等。)	35.65%	~24.6M
智能体 + LanceDB (向量数据库)	44.55%	~51.5M
智能体 + OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。	52.08%	~4.2M (减少 83-92%)

Agent Configuration	Task Completion Rate	Input Token Cost (Total)
Base Agent (OpenClaw一个开源的个人AI助手平台，支持跨平台部署和多种通讯渠道集成，能够执行自动化任务如邮件处理、日历管理等。)	35.65%	~24.6M
Agent + LanceDB (Vector DB)	44.55%	~51.5M
Agent + OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。	52.08%	~4.2M (83-92% Reduction)

---

🛠️ 快速开始

🛠️ Quick Start

1. 安装

1. Installation

从 Releases 部分下载适用于您操作系统的最新安装程序。

Download the latest installer for your operating system from the Releases section.

🍎 macOS (DMG)

1. 下载 OpenViking_macOS.dmg 文件。
2. 打开它并将 OpenClaw一个开源的个人AI助手平台，支持跨平台部署和多种通讯渠道集成，能够执行自动化任务如邮件处理、日历管理等。 图标拖到您的应用程序文件夹中。
3. 从您的应用程序文件夹运行 OpenClaw一个开源的个人AI助手平台，支持跨平台部署和多种通讯渠道集成，能够执行自动化任务如邮件处理、日历管理等。 进行初始化。(注意：如果看到安全警告，请右键单击应用程序并选择“打开”)。
4. 现在您的终端中可以使用 deer-flow 命令了。

1. Download the OpenViking_macOS.dmg file.
2. Open it and drag the OpenClaw一个开源的个人AI助手平台，支持跨平台部署和多种通讯渠道集成，能够执行自动化任务如邮件处理、日历管理等。 icon to your Applications folder.
3. Run OpenClaw一个开源的个人AI助手平台，支持跨平台部署和多种通讯渠道集成，能够执行自动化任务如邮件处理、日历管理等。 from your Applications folder to initialize. (Note: If you see a security warning, right-click the app and select "Open").
4. The deer-flow command is now available in your terminal.

🪟 Windows (EXE)

1. 下载 OpenViking_x64.exe 文件。
2. 运行安装程序。
3. 打开 Deer-Flow 应用程序。

1. Download the OpenViking_x64.exe file.
2. Run the installer.
3. Open the Deer-Flow application.

2. 模型准备 (LLM)

2. Model Preparation (LLM)

需要两个模型：一个 VLM（用于文本理解）和一个 Embedding 模型（用于向量）。在 ~/.openviking/ov.conf 创建一个配置文件。您可以使用 OpenAI、Volcengine（豆包）或 LiteLLM（用于 Claude、Gemini、Ollama 等）。

Two models are required: a VLM (for text understanding) and an Embedding model (for vectors). Create a configuration file at ~/.openviking/ov.conf. You can use OpenAI, Volcengine (Doubao), or LiteLLM (for Claude, Gemini, Ollama, etc.).

配置示例 (OpenAI):

Configuration Example (OpenAI):

{
  "storage": {
    "workspace": "/path/to/your/workspace"
  },
  "embedding": {
    "dense": {
      "provider": "openai", 
      "model": "text-embedding-3-large",
      "api_key": "YOUR_API_KEY",
      "api_base": "https://api.openai.com/v1"
    }
  },
  "vlm": {
    "provider": "openai",
    "model": "gpt-4o",
    "api_key": "YOUR_API_KEY",
    "api_base": "https://api.openai.com/v1"
  }
}

别忘了设置指向配置的环境变量： export OPENVIKING_CONFIG_FILE=~/.openviking/ov.conf (适用于 Linux/macOS)。

Don't forget to set the environment variable pointing to the config: export OPENVIKING_CONFIG_FILE=~/.openviking/ov.conf (for Linux/macOS).

3. 运行您的第一个示例

3. Run Your First Example

在您的终端中启动服务器：

Start the server in your terminal:

openviking-server

(或在后台运行：nohup openviking-server > /data/log/openviking.log 2>&1 &)

(Or run in the background: nohup openviking-server > /data/log/openviking.log 2>&1 &)

现在使用 ov CLI 工具与数据库交互：

Now use the ov CLI utility to interact with the database:

# 检查状态
ov status

# 添加资源（自动创建 L0, L1, L2 层）
ov add-resource https://github.com/volcengine/OpenViking

# 查看虚拟文件夹结构
ov tree viking://resources/volcengine -L 2

# 搜索信息
ov find "what is openviking"

4. VikingBot (交互式 AI 智能体)

4. VikingBot (Interactive AI Agent)

VikingBot 是一个构建在 OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。 之上的 AI 智能体框架。以下是入门方法：

VikingBot is an AI agent framework built on top of OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。. Here's how to get started:

# 1. 安装 VikingBot 插件
pip install "openviking[bot]"

# 2. 启动启用了 Bot 的 OpenViking 服务器
openviking-server --with-bot

# 3. 在新的终端窗口中，启动交互式聊天
ov chat

---

关于

About

轻量级 OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。 是一个专为 AI 智能体（如 openclaw一个开源的个人AI助手平台，支持跨平台部署和多种通讯渠道集成，能够执行自动化任务如邮件处理、日历管理等。）设计的开源上下文数据库。OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。 通过文件系统范式，统一管理智能体所需的上下文（记忆、资源和技能），实现分层上下文交付和自我进化。

Lightweight OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。 is an open-source context database designed specifically for AI agents (such as openclaw一个开源的个人AI助手平台，支持跨平台部署和多种通讯渠道集成，能够执行自动化任务如邮件处理、日历管理等。). OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。 unifies the management of context (memory, resources, and skills) that agents need through a file system paradigm, enabling hierarchical context delivery and self-evolution.

常见问题（FAQ）

OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。如何帮助AI智能体节省Token成本？

OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。通过分层上下文加载一种上下文管理策略，在规划阶段使用轻量级上下文（L0/L1），在执行阶段才通过URI获取详细的L2上下文，以降低令牌成本和避免截断风险。（L0/L1/L2）和目录递归检索融合意图分析、向量检索和目录探索的检索策略，先锁定高分目录再精细探索内容，仅加载必要的文档层级，避免传统RAG加载冗余文本，实测可减少83-92%的Token消耗。

OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。的虚拟文件系统具体怎么工作？

它将智能体的记忆、资源和技能组织成目录树（如viking://resources/），使用类似ls/find的命令导航，实现结构化管理和精确检索。

OpenViking一个由字节跳动火山引擎团队推出的开源项目，专为 AI Agent 设计的上下文数据库（Context Database）。它采用文件系统范式来层级化管理 Agent 的上下文信息，包括记忆、技能和外部资源。能让AI智能体自我进化吗？

是的，系统具备自动记忆进化系统在对话结束后分析并提取有用经验，保存到长期记忆中，使智能体随着使用变得更智能功能，可分析对话历史，提取有用经验（如用户偏好）并保存到长期记忆，使智能体随着使用变得更智能。