https://github.com/volcengine/OpenViking
AI Agent 用久以后，真正麻烦的往往不是模型不够聪明，而是上下文越来越乱：用户偏好放在记忆文件里，项目资料塞进向量库，Skill 又散落在不同目录。模型每次干活，都要重新猜该去哪里找东西。
火山引擎开源的 OpenViking，想把这些东西收进同一个“上下文数据库”。它不只是给 Agent 加一段长期记忆，而是把记忆、资料和 Skill 都整理成一套虚拟文件系统。
把 Agent 的上下文当文件管理
OpenViking 使用 viking:// 协议组织内容。项目文档、代码仓库、用户偏好和技能都有明确路径，Agent 可以像操作文件一样使用 ls、tree、find 和 grep，不必只依赖一次看不见过程的向量搜索。
这套思路最吸引我的地方，是“找东西”终于能被看见。一次检索先定位相关目录，再逐层往下找，并保留完整轨迹。结果不对时，可以回头检查 Agent 走过哪些路径，而不是面对一句莫名其妙的回答干瞪眼。
先看摘要，需要时再读全文
资料写入后，OpenViking 会处理成三层：L0 是一句话摘要，L1 是大约两千 Token 的概览，L2 才是完整内容。Agent 可以先用摘要判断相关性，确定有用后再加载细节。
这比把几十份文档一股脑塞进提示词更像人类查资料。先翻目录和摘要，再打开真正需要的章节。好处不只是少花 Token，也能减少无关内容对判断的干扰。
会话结束后，系统还能从对话和任务结果中提取用户偏好、案例和执行经验，写回长期记忆。对经常跨会话工作的 Agent 来说，这比每次重新介绍自己、重复交代项目背景省事得多。
已经能接入常见 Agent
项目提供 Claude Code、Codex、OpenClaw、Cursor、OpenCode、MCP 和 LangChain 等接入方式。Hermes Agent 也有原生 OpenViking 记忆提供器，通过 HTTP 连接独立运行的 OpenViking 服务，不需要把两套 Python 依赖混装在一起。
OpenViking 既能用于本地单进程，也能作为 HTTP 服务供多个客户端调用。它采用 AGPLv3 许可证，Python 版本要求 3.10 以上；桌面辅助工具 OpenViking Helper 目前仍是 Beta。
它不是装完就自动变聪明
OpenViking 解决的是上下文怎么存、怎么找、怎么更新，不会替模型保证记忆一定正确。摘要生成、意图分析和重排还需要配置嵌入模型与视觉语言模型，使用云端模型时，相关内容也可能发送给对应服务商处理。敏感资料是否出本机，要看自己的模型和部署配置，不能只看到“本地运行”四个字。
从项目说明和代码结构看，OpenViking 更适合已经在长期使用 Agent，并且开始被记忆混乱、RAG 黑箱和上下文成本困扰的人。只是偶尔聊天，未必需要再维护一套服务；如果想让多个 Agent 共用一套可检查、可迁移的上下文，它提供了一条挺清楚的路。
