OpenViking – 字节火山引擎开源的 AI Agent 上下文数据库

OpenViking是一款由字节跳动火山引擎于2026年1月开源的AI Agent 上下文数据库，主要用于把智能体的记忆、知识资源与技能统一组织到虚拟文件系统并支持按目录检索，适用于智能编程助手、多 Agent 协作与长程任务记忆等方向。

OpenViking 的核心能力

长程任务里，智能体的记忆问题往往不是「记不住」，而是上下文被无差别地写进窗口：早期信息被反复重读，token 消耗随会话持续上涨，模型反而在被稀释的上下文里变钝。OpenViking 把这类内容当作数据库来管理，让检索先看摘要、再按需展开。理解这层定位，可以先了解 AI 智能体 的执行方式。

统一上下文文件系统

OpenViking 用自定义的 viking:// 协议把记忆、知识资源与技能统一组织成虚拟文件，智能体可以像操作本地文件一样浏览、检索与编辑这些内容。每类内容各占一个目录，边界清晰，打开目录就能看清智能体究竟掌握了哪些信息，不再是输入文本、输出向量的黑盒。

三层渐进加载

每个目录会自动生成摘要、概览与完整内容三层表示：智能体先读摘要判断相关性，确认需要后再向下加载详情，从而避免把整库内容一次性塞进上下文。官方在 LoCoMo 评测中给出的输入 token 降幅为 34％ 至 91％，延迟降低约 58％ 至 66％。

目录级语义检索

检索支持语义查找与文本匹配两种方式，可以把范围限定在某个项目或某段记忆子树内，而不是每次都对全库做扫描。范围收敛之后，返回内容与当前任务的贴合度更高，噪声减少，这也是 token 能显著下降的原因之一。

会话沉淀与记忆提取

提交会话后，OpenViking 会自动归档对话并把其中的记忆提取成可检查、可编辑的 Markdown 文件，而不是写进一个不可见的向量库。配套的 VikingBot 还能把素材编译成 wiki、知识图谱或报告。

多 Agent 接入

项目原生集成了 Claude Code、Codex、Cursor 与 OpenClaw 等多款编程智能体，同时提供 MCP、Agent Plugin 1.0 标准插件以及 Python、Go 与 TypeScript 三套 SDK。已经在使用某款智能体的团队，通常不需要更换工具就能接上这层记忆能力。

可视化与权限隔离

浏览器端的 OpenViking Studio 可以直观浏览上下文结构并在线试玩语义搜索；服务端支持多账号、用户级隔离与可选的资源访问控制，便于团队共享同一份上下文基础设施。

效果与生态位置

官方给出的对比数据显示，接入这层上下文后，Claude Code、Hermes 与 OpenClaw 三个底座在长期记忆任务上的准确率从 24％ 至 57％ 拉升至 80％ 以上。项目由火山引擎 Viking 团队发起，该团队此前长期维护 VikingDB 向量数据库与相关知识库产品。

OpenViking 与上下文方案的对比

下表从数据组织、加载方式与检索机制等维度，对比三款常被放在一起评估的上下文管理方案。

上表 OpenViking 一列取自字节火山引擎官方项目说明与仓库文档，MemOS 一列取自其官方介绍，Graphiti 一列取自其开源仓库说明。三者的差别在于对上下文的建模方式：OpenViking 用文件系统的目录结构组织记忆、知识与技能，MemOS 把记忆切成可隔离的空间，Graphiti 以时序知识图谱承载实体与关系的演化。需要把检索范围按目录精准收敛时，前者的边界最直观；需要追踪某个事实随时间的变化时，图谱式的组织方式更贴合。

如果更关心接入侧的智能体形态，可以参考 Hermes Agent（开源的智能体项目，OpenViking 原生集成的对象之一，两者分别处在「记忆层」与「执行层」的位置）。

Hermes Agent

Nous Research推出的开源自主AI智能体与长期记忆自动化平台

OpenViking 的应用场景与适用人群

把上下文当作可浏览、可编辑的文件系统之后，常见用途包括：

• 智能编程助手：把代码仓库与文档导入资源目录，智能体按目录检索并记住开发者的编码习惯，跨会话持续跟进项目。
• 多 Agent 协作：通过 peers 目录隔离不同交互对象的上下文，共享资源目录沉淀团队知识，多个智能体协同工作。
• 销售与客户服务：在用户记忆目录中沉淀客户偏好与历史沟通记录，销售智能体跨会话召回信息，提升多轮业务任务的成功率。
• 内容与视频创作：把分镜脚本、素材库与品牌规范组织为上下文资源，智能体按项目检索素材并记住创作者风格，支撑长期连贯创作。
• 推荐与诊断：导入策略文档、badcase 记录与实验日志，诊断智能体按目录范围检索证据链，用更少的 token 定位问题。

适用人群：需要为智能体搭建长期记忆与知识底座的技术团队，以及已经在使用 Claude Code、Codex 或 Cursor 等编程智能体、希望把上下文交给独立一层管理的开发者。由于主项目采用 AGPL-3.0 许可，计划内嵌到闭源商业产品时，应提前确认协议条款。

OpenViking 的使用方法

OpenViking 以开源项目形式发布，从获取代码到启动服务可按以下步骤操作：

1. 获取项目：访问 OpenViking 项目官网 了解整体设计，代码托管在 github.com/volcengine/OpenViking 仓库。
2. 安装主包：执行 pip install openviking --upgrade 安装主程序。
3. 初始化配置：运行 openviking-server init 配置模型供应商。
4. 检查环境：运行 openviking-server doctor 验证配置与模型连通性。
5. 启动服务：运行 openviking-server 启动本地服务端。
6. 导入资源：用 ov add-resource 导入代码仓库或文档，再用 ov task status 等待索引完成。
7. 浏览与检索：用 ov ls 与 ov tree 浏览目录结构，用 ov find 做语义检索，用 ov grep 做文本匹配。
8. 体验对话：执行 pip install openviking[bot] 后运行 openviking-server --with-bot，再用 ov chat 与内置智能体对话。

建议先在本地用一份规模较小的代码仓库验证索引与检索效果，确认召回质量与消耗符合预期后再接入生产项目；团队部署时还应提前规划账号隔离与访问控制。

OpenViking 的价格方案

OpenViking 以开源方式发布，主项目采用 AGPL-3.0 许可，不按调用量收费，支出主要来自自行部署所需的算力与运维；对已有 GPU 资源的团队，边际成本集中在电费与人力。

除自托管之外，官方也提供火山引擎上的托管服务与面向个人的试用版本。需要把上下文数据留在自有环境时，自托管是更可控的选择，具体服务范围与费用以官方页面为准。

OpenViking 的常见问题