智能体上下文数据库volcengine/OpenViking

OpenViking：面向 AI 智能体的上下文数据库

English /  / 日本語

网站 · 在线演示 · GitHub · 问题反馈 · 文档

[](https://github.com/volcengine/OpenViking/releases)
[](https://github.com/volcengine/OpenViking)
[](https://github.com/volcengine/OpenViking/issues)
[](https://github.com/volcengine/OpenViking/graphs/contributors)
[](https://github.com/volcengine/OpenViking/blob/main/LICENSE)
[](https://github.com/volcengine/OpenViking/commits/main)

👋 加入我们的社区

📱 飞书群 · 微信 · Discord · X

什么是 OpenViking

OpenViking 是一个面向 AI 智能体的开源上下文数据库。它为智能体提供了一个存储知识、记住用户以及跨会话复用经验的地方。

OpenViking 将上下文组织为 viking:// 下的虚拟文件系统。智能体可以像操作文件一样操作它：使用 ls、tree、read 和 write 来浏览目录、读取、创建和编辑内容，或在目录内搜索。目录摘要支持按需加载。

在浏览器中试用 OpenViking Studio，无需安装。自托管 Web Studio。

为什么选择 OpenViking

- 一个文件系统承载所有上下文。 资源保存文档和代码；记忆保留用户偏好和经验；技能定义如何执行任务。每个都有一个 viking:// URI，用于浏览和检索。→ Viking URI · 上下文类型
- 只加载你需要的上下文。 目录摘要（L0）和概览（L1）帮助智能体决定何时读取完整内容（L2）。→ 上下文分层
- 在目录结构内搜索。 向量搜索找到候选目录，然后探索其内容。find 直接运行查询；search 可以使用会话上下文来规划检索。→ 检索
- 将会话转化为记忆。 提交会话会归档对话并启动后台提取。记忆策略控制保留哪些内容；候选内容会与现有记忆进行比较，以决定创建、合并或跳过。启用 VikingBot 后，ov compile 使用技能将源材料整理成 wiki、知识图谱或报告。→ 会话 · 上下文编译

架构 · 设计理念

viking://
├── resources/              # 资源：项目文档、代码仓库、网页等
│   └── my_project/
│       ├── docs/
│       │   ├── api/
│       │   └── tutorials/
│       └── src/
└── user/
└── {user_id}/
├── memories/
│   └── preferences/
│       ├── writing_style
│       └── coding_habits
├── resources/
│   └── private_project/
├── skills/
│   ├── search_code
│   └── analyze_data
└── peers/
└── web-visitor-alice/

三个加载层级：

- L0（摘要）：一句话总结，用于快速检查相关性。
- L1（概览）：核心信息和使用场景，用于规划。
- L2（详情）：完整原始数据，仅在需要时读取。

经过语义处理的目录带有 L0/L1 摘要，因此智能体可以在读取完整文件之前判断相关性：

viking://resources/my_project/
├── .abstract.md           # L0：快速相关性检查
├── .overview.md           # L1：结构和要点
└── docs/
├── .abstract.md
├── .overview.md
└── api/
├── auth.md         # L2：完整内容，按需加载
└── endpoints.md

行之有效的证明
OpenViking 0.3.22 已在长对话用户记忆（LoCoMo）和多轮智能体任务（tau2-bench）上进行了评估。完整结果和设置细节（包括知识库问答）见基准测试报告；复现脚本位于 ./benchmark。

记忆评估使用 Doubao 2.0 Pro 作为 VLM，并使用 Doubao-embedding-vision-251215 作为嵌入模型。

- 用户记忆（LoCoMo）：使用 OpenViking 后，三个智能体集成均达到 80–83% 的准确率——相比其原生记忆的 24–57% 有所提升——同时输入 token 减少 34.3–91.0%，查询延迟降低 58.45–66.10%。
- 智能体体验（tau2-bench）：在相同 LLM 无记忆的基础上，体验记忆将任务成功率提升了 +6.87 个百分点（retail）和 +11.87 个百分点（airline）。

快速开始

需要 Python 3.10+，以及可访问的嵌入模型和 VLM（云端或本地）。

pip install openviking --upgrade
openviking-server init      # configure providers and models
openviking-server doctor    # check configuration and connectivity
openviking-server           # start the server

init 会写入 ~/.openviking/ov.conf。支持的选项包括 Volcengine、OpenAI、Codex OAuth、Kimi、GLM 和本地 Ollama。有关提供方设置，请参阅配置指南；有关平台说明，请参阅快速开始文档。

该软件包包含 ov CLI。在另一个终端中，导入一个仓库并搜索它：

ov status
ov add-resource https://github.com/volcengine/OpenViking
Replace TASK_ID with the returned task_id; repeat until status is completed
ov task status TASK_ID
ov ls viking://resources/
ov tree viking://resources/volcengine -L 2
ov find "what is openviking"
ov grep "openviking" --uri viking://resources/volcengine/OpenViking/docs/en

ov find 会返回匹配的上下文以及可供检查的 URI。有关客户端配置（ov config）、独立 CLI 安装和索引维护，请参阅 CLI 设置。

使用 Python、Go 或 TypeScript SDK，或 HTTP API 构建你自己的集成。

与你的智能体一起使用
将你的 agent 连接到 OpenViking，以实现跨会话记忆。选择原生集成以自动召回和捕获会话，或使用 MCP 为你的 agent 提供记忆和上下文工具。

Claude
Hooks + MCP

Codex
Hooks + MCP

Cursor
Hooks + MCP

TRAE
Hooks + MCP

OpenClaw
Context engine

Hermes
Built-in

OpenCode
Plugin + MCP

pi
Native extension

DeerFlow
Plugin + MCP

DSH
Plugin + MCP

Doubao Work
Connector

LangChain
Tools + store

通用集成

Agent Plugins 1.0

MCP clients

有关设置说明和集成详情，请参阅集成。

桌面应用（Beta）

桌面应用是适用于 macOS 和 Windows x64 的控制台（beta）。它可配置受支持的本地代理集成，检查会话中的召回和捕获事件，并将本地记忆和技能同步到 OpenViking。

下载：

- macOS Apple Silicon (arm64)
- macOS Intel (x64)
- Windows (x64)

VikingBot

VikingBot 是构建在 OpenViking 之上的 AI 代理框架：

pip install "openviking[bot]"
openviking-server --with-bot
ov chat   # in another terminal
官方 Docker 镜像捆绑了 VikingBot，并默认随服务器和控制台 UI 一起启动。详情：VikingBot 指南。

在生产环境部署

在您自己的环境中以 AGPLv3 许可运行开源服务器。它无需激活密钥。请从服务器设置或 Docker 与部署指南开始。

服务器支持账户与用户隔离以及可选的资源 ACL。在将其暴露到 localhost 之外前，请先配置身份验证。

商业版本

☁️ 托管 SaaS
火山引擎托管并运营 OpenViking。个人版和企业版计划覆盖个人与团队使用，并提供面向开源部署的迁移工具。有关计划与限制，请参阅服务文档。在中国境外的托管计划将在 BytePlus 上提供。

🏢 自管理
部署在您自己的云账户 / VPC（BYOC）或离线环境中。此版本增加了分布式部署和官方支持，需通过许可证密钥激活。联系团队。

研究

随您的智能体一同演进的记忆。 VikingMem 开发了一种事件驱动的方法来提取、更新和整合长期记忆，为有状态智能体提供了一种随着交互积累而保留有用经验的方式。OpenViking 开源了这些核心能力的一部分。

VikingMem：面向有状态 LLM 应用的记忆库管理系统
Jiajie Fu, Junwen Chen, Mengzhao Wang, Aoxiang He, Maojia Sheng, Xiangyu Ke, Yifan Zhu, and Yunjun Gao.
arXiv:2605.29640, 2026. 于 2026 年 9 月在 VLDB 2026 上展示。
📄 在 arXiv 上阅读论文 · 阅读 PDF
目录结构作为检索上下文。 本文提供了 OpenViking 目录感知检索背后的形式化基础、索引设计和实验证据。它定义了目录范围的查询和维护操作，并引入了 TrieHI，OpenViking 将其集成以在向量排序之前解析目录范围。这将文件系统范式与检索连接起来：智能体可以搜索项目或记忆子树，保留其周围的上下文，并随着知识的发展对其进行重组。

向量数据库中的目录感知查询与维护
Mengzhao Wang, Zheng Gong, Jingpei Hu, Jiajie Fu, Maojia Sheng, Junwen Chen, and Yifan Zhu.
arXiv:2606.16903, 2026. 已被 ICDE 接收。
📄 在 arXiv 上阅读论文 · 阅读 PDF

用更少的 token 检索你需要的证据。 VikingRAG 将语义搜索与文档结构相结合，在证据缺口出现时暴露相关的目录片段。其核心机制已集成到 OpenViking 中。本文进一步探索复用检索轨迹，并仅在需要时升级到多轮检索，从而减少重复探索，同时保持答案质量。

VikingRAG：面向结构化文档的准确且 token 高效的检索增强生成
Peiyuan Gao, Gaoyuan Zhang, Haojie Qin, Yahui Sun, Qianyi Zhang, Yunhao Zhang, Zeyu Wang, and Wei Lu.
arXiv:2609.11390, 2026. 已提交。
📄 在 arXiv 上阅读论文 · 阅读 PDF

合作伙伴项目

- deer-flow - 开源长时程 SuperAgent 框架
- NoKV - AI 原生分布式文件系统
- loopx - 轻量级循环工程状态内核
- Hermes Agent - 与你共同成长的智能体

如需提出合作，请提交 issue。

社区与贡献

- 文档：docs.openviking.ai · FAQ
- 博客：blog.openviking.ai
- 团队：关于我们
- 聊天：📱 飞书群 · 💬 微信 · 🎮 Discord · 🐦 X
- 贡献：欢迎 bug 修复和新功能——请参阅 CONTRIBUTING.md

安全与隐私
关于漏洞报告和支持版本，请参阅 SECURITY.md

许可证

OpenViking 项目对不同组件使用不同的许可证：

- 主项目：AGPLv3 - 详情请参阅 LICENSE 文件
- crates/ov\_cli：Apache 2.0 - 详情请参阅 LICENSE 文件
- examples：Apache 2.0 - 详情请参阅 LICENSE 文件。examples/hermes-plugin 中的 Hermes 插件保留其 MIT 许可证。
- third\_party：第三方项目各自的原始许可证