【开源】OpenViking：专为AI Agent打造的新一代上下文数据库，让Agent拥有持久记忆-壹联网络

项目简介

OpenViking 是字节跳动开源的一款专为 AI Agent 设计的上下文数据库（Context Database），旨在解决 AI Agent 在长任务运行中面临的上下文管理难题。它采用了创新的”文件系统范式”来统一管理 Agent 所需的记忆、资源和技能，让开发者可以像管理本地文件一样构建 Agent 的大脑。目前在 GitHub 已获得超过 22,000 颗星，社区活跃，获得了广泛关注。

核心问题与解决方案

在构建 AI Agent 时，开发者通常面临以下痛点：

碎片化上下文：记忆存在代码中，资源在向量数据库里，技能分散在各处，难以统一管理。上下文需求激增：Agent 长任务运行时，每个执行步骤都会产生上下文，简单截断或压缩会导致信息丢失。检索效果差：传统 RAG 使用扁平化存储，缺乏全局视野，难以理解信息的完整上下文。上下文不可观测：传统 RAG 的隐式检索链就像一个黑箱，出错时难以调试。记忆迭代能力弱：现有记忆只是用户交互的记录，缺乏 Agent 相关任务的记忆能力。

OpenViking 通过以下创新方式解决这些问题：文件系统管理范式，通过目录结构统一管理记忆、资源和技能。分层上下文加载，L0/L1/L2 三层结构，按需加载，大幅节省 Token 消耗。目录递归检索，结合目录定位和语义搜索，实现递归精确的上下文获取。可视化检索轨迹，支持目录检索轨迹可视化，用户可清晰观察问题根因。自动会话管理，自动压缩对话中的内容、资源引用、工具调用等，提取长期记忆，让 Agent 越用越聪明。

安装方法

环境要求：Python 3.10+、Go 1.22+（用于构建 AGFS 组件）、C++ 编译器 GCC 9+ 或 Clang 11+（用于构建核心扩展）。

通过 pip 安装 Python 包：

pip install openviking --upgrade --force-reinstall

可选安装 Rust CLI：

从 GitHub releases 下载对应平台的二进制文件，或通过源码编译安装。安装完成后，可通过 openviking 命令行工具管理上下文数据库。

使用方法

初始化项目：在项目目录下初始化 OpenViking，它会自动创建必要的目录结构。添加记忆：通过 openviking add memory 命令向 Agent 添加记忆内容，这些内容会以文件形式存储在项目目录中。添加技能：使用 openviking add skill 添加技能文件，支持 Python、Shell 等多种格式。分层加载：OpenViking 会根据请求自动从 L0（基础层）、L1（中间层）、L2（高级层）加载对应的上下文，实现成本与效果的平衡。检索追踪：通过 openviking trace 命令查看检索轨迹，了解每个上下文的命中原因。

适用场景

长期记忆 Agent：为需要跨会话记忆的 AI Agent 提供持久化上下文存储。多 Agent 协作：在多 Agent 系统中统一管理各 Agent 的上下文，避免信息孤岛。复杂任务处理：需要大量中间状态和上下文的长程任务，如代码生成、文档分析等。研究与实验：用于 AI 研究中的上下文管理实验，追踪 Agent 决策过程。