OpenViking
给 AI Agent 用的上下文数据库
用文件系统管记忆、资源和技能，分层加载省 Token，目录递归检索更准，开源可自部署，也提供云服务。
核心功能
文件系统范式
所有上下文挂在 viking:// 下，用 ls、find、tree 等命令操作，像翻文件夹一样浏览 Agent 的记忆和知识。
L0/L1/L2 分层加载
每个节点自动生成摘要、概览和全文三层，按需逐层展开，不用把海量原文一次性塞进 prompt。
目录递归检索
先定位高分目录再逐层下钻，比扁平向量检索更能理解信息的完整语境，检索轨迹可追溯。
会话记忆自迭代
session.commit() 后自动提取用户偏好和任务经验，Agent 用得越久，积累的记忆越贴合需求。
Python SDK 与 CLI
pip install openviking 即可作为本地库使用，也支持 Docker 起独立服务和 HTTP API 接入。
多 Agent 共享记忆
多个 Agent 实例通过同一个 OpenViking 实例共享用户和环境知识，支持多租户安全隔离。
产品特色
- 01
把上下文从黑盒变成白盒
传统 RAG 的检索链路看不见，出了问题只能猜。OpenViking 的目录递归路径每一步都留痕，翻箱倒柜的过程全展示出来，调试和优化都方便不少。
- 02
Token 省下来是真金白银
三层摘要机制实测降低 80% 到 91% 的输入 Token 消耗。Agent 先扫 L0 摘要判断相关性，再看 L1 决定方向，最后才加载 L2 全文，没必要的开销都省掉了。
- 03
记忆准确率提升比较明显
LoCoMo 长对话评测里，OpenClaw 原生记忆准确率 24.2%，接入 OpenViking 后到了 82.08%。Hermes 从 33.38% 升到 82.86%，提升幅度不小。
- 04
上手门槛不高
Python 3.10 以上环境，pip 安装，几行代码就能初始化。已有 Claude Code、Cursor、Codex 等工具也有现成的接入插件，不用从头搭。
- 05
Apache 2.0 开源，可自部署
代码在 GitHub 上，协议宽松。不想自己运维的话，火山引擎也提供了基于同一内核的全托管云服务，两种方式都可以。
应用场景
✅ Agent 长期记忆
给对话类 Agent 挂上持久化记忆，记住用户偏好和历史操作，不用每次从头开始。
✅ 研发知识库
把多个代码仓库和文档库统一导入，让代码助手能理解项目全局结构，检索精度更高。
✅ 多 Agent 协作
多个 Agent 共享同一份上下文，分工干活但记忆和知识是通的，不用各自维护一套。
✅ 企业知识中枢
多租户隔离机制下构建安全可控的知识中心，团队内部的知识资产统一沉淀和管理。
常见问题
解答您关于"OpenViking"的常见疑问，让您更好地使用这款AI工具
-
它是字节跳动火山引擎 Viking 团队开源的一个上下文数据库，专门解决 AI Agent 的记忆碎片化和上下文管理问题。核心思路是用文件系统范式替代传统 RAG 的扁平向量存储，把记忆、资源和技能统一挂到 viking:// 协议下，Agent 能像翻文件夹一样定位信息。
-
传统 RAG 是平铺式向量存储，检索靠相似度匹配，缺乏全局视野。OpenViking 用目录树组织上下文，检索时先定位高分目录再逐层下钻，能保留信息的层级关系。另外它给每个节点生成三层摘要，传统 RAG 要么不加载要么直接上全文。
-
这是 OpenViking 的渐进式内容加载机制。L0 是约 100 token 的一句话摘要，用于快速判断相关性。L1 是约 2000 token 的概览，用于决策参考。L2 是完整原文，只在确有必要时加载。Agent 先扫 L0 再决定要不要看更多，Token 消耗能降下来。
-
Python 3.10 以上环境，pip install openviking 就能装。作为本地库用几行代码初始化，也可以 Docker 起独立服务通过 HTTP API 访问。Claude Code、Cursor、Codex 等工具都有现成的接入方式，文档里写了具体步骤。
-
需要一个 Embedding 模型做向量化，推荐火山引擎的 Doubao。可选配置 VLM 模型处理多模态内容，以及 Rerank 模型提升检索精度。本地部署的话，Qwen3-Embedding 和 Qwen3-32B 这类模型也能跑。
-
开源版本 Apache 2.0 协议，代码在 GitHub 上，自部署不花钱。火山引擎另外提供了基于同一内核的全托管云服务 OpenViking Context，那个是按量计费的。自己搭还是用云服务，看团队运维能力决定。
立即体验“OpenViking”
OpenViking 是字节跳动火山引擎 Viking 团队开源的一款面向 AI Agent 的上下文数据库它用文件系统范式管理 Agent 的记忆、资源和技能，通过 viking:// 协议统一组织，支持 L0/L1/L2 分层加载和目录递归检索。实测能大幅降低 Token 消耗，在 LoCoMo 长对话评测中把记忆准确率拉到 80% 以上，HotpotQA 多跳问答准确率 91%。Apache 2.0 协议，pip 装完就能用，也提供全托管的云服务版本。
