🗄️ OpenViking：23.9k Stars 的上下文数据库，用文件系统管理 AI Agent 的大脑

项目地址：volcengine/OpenViking | ⭐ 23,901 Stars | 🐍 Python | 🏢 Volcengine (ByteDance)

老实说，搞 AI Agent 最头疼的问题之一就是上下文管理。记忆散落在代码里，资源堆在向量数据库里，技能东一个西一个。传统 RAG 又是扁平存储，检索链跟黑盒一样，出错了都不知道从哪查起。

火山引擎开源的 OpenViking 就是来解决这个问题的——它不是又一个向量数据库，而是一个专为 AI Agent 设计的上下文数据库，用 文件系统范式 统一管理 Agent 需要的所有上下文：记忆、资源和技能。

📂 核心思路：文件系统范式

最骚的操作是，OpenViking 完全抛弃了传统 RAG 的碎片化向量存储模型。你管理 Agent 的大脑，跟在命令行里管文件没区别：

viking://
├── resources/       # 外部资源（文档、代码库）
├── memories/        # Agent 记忆（自动压缩提取）
└── skills/          # Agent 技能

L0/L1/L2 三层分级加载，按需取用，大幅降低 Token 开销。传统 RAG 的扁平向量存储被替换为目录定位 + 语义搜索的递归检索方式，而且可视化检索轨迹让你知道 Agent 为什么找到（或没找到）某个信息。

⚡ 一分钟上手

pip install openviking --upgrade --force-reinstall

# 交互式初始化
openviking-server init

# 验证配置
openviking-server doctor

# 启动服务
openviking-server

CLI 也支持 npm 直接安装：

npm i -g @openviking/cli

启动后直接操作：

# 查看状态
ov status

# 添加 GitHub 仓库作为资源
ov add-resource https://github.com/volcengine/OpenViking

# 用文件系统路径查看
ov ls viking://resources/
ov tree viking://resources/volcengine -L 2

# 语义搜索
ov find "什么是上下文数据库"

# grep 式精确检索
ov grep "context" --uri viking://resources/volcengine/OpenViking/docs

🧠 VikingBot：内置 Agent 框架

OpenViking 自带 VikingBot，一个基于上下文数据库构建的 AI Agent 框架：

pip install "openviking[bot]"

# 启动带 Bot 的服务
openviking-server --with-bot

# 开聊
ov chat

Docker 镜像已内置 VikingBot，默认一起启动。

🎯 支持的 VLM 和 Embedding Provider

OpenViking 的灵活性不错——VLM 支持 Volcengine、OpenAI、Codex（OAuth）、Kimi、GLM；Embedding 支持 Volcengine、OpenAI、Azure、Jina、Ollama、Gemini 等十余种。你可以用火山引擎的豆包模型当 VLM + Embedding 全栈，也可以用 Ollama 本地跑，丰俭由人。

配对示例（GitHub 官方推荐）——Volcengine 做 Embedding + Codex 做 VLM：

{
  "embedding": {
    "dense": {
      "provider": "volcengine",
      "model": "doubao-embedding-vision-251215",
      "api_key": "your-volcengine-api-key"
    }
  },
  "vlm": {
    "provider": "openai-codex",
    "model": "gpt-5.3-codex"
  }
}

总结

如果你的 Agent 项目开始觉得上下文管理是个瓶颈，OpenViking 值得一试。pip install openviking 一分钟就能体验。