volcengine/OpenViking

OpenViking is an open-source context database designed specifically for AI Agents(such as openclaw). OpenViking unifies the management of context (memory, resources, and skills) that Agents need through a file system paradigm, enabling hierarchical context delivery and self-evolving.

agentagentic-ragai-agentsclawbotcontext-databasecontext-engineeringfilesystemllmmemoryopenclawopencoderagskill

GAI 中文摘要

OpenViking是一个专为AI智能体设计的开源上下文数据库，旨在通过文件系统范式统一管理智能体所需的记忆、资源和技能。它解决了传统检索增强生成（RAG）中数据碎片化、上下文容量有限及检索黑盒等问题，实现了上下文的分层交付与自我进化。

采用文件系统范式，将记忆、资源与技能进行结构化统一管理。

支持上下文的分层存储与高效检索，确保智能体在长任务执行中信息不丢失。

通过可视化操作提升上下文的可观测性，帮助开发者更便捷地进行调试与优化。

构建智能体任务记忆，支持系统性的知识沉淀，助力智能体的自我进化。

适用于需要构建复杂AI智能体应用的开发者和研发团队，特别是在处理大规模长周期任务、需要深度记忆管理以及追求高可控性智能交互的场景中。

⭐

19.7k

Stars

🔱

1.4k

Forks

👁

Watchers

📋

117

Issues

PythonApache-2.0创建于 2026/1/5更新于今天

在 GitHub 上查看访问主页

README

由 Gemini 翻译整理

OpenViking: 专为 AI Agent 设计的上下文数据库

English / 中文 / 日本語

网站 · GitHub · Issues · 文档

[![][release-shield]][release-link] [![][github-stars-shield]][github-stars-link] [![][github-issues-shield]][github-issues-shield-link] [![][github-contributors-shield]][github-contributors-link] [![][license-shield]][license-shield-link] [![][last-commit-shield]][last-commit-shield-link]

👋 加入我们的社区

📱 飞书群 · 微信 · Discord · X

概述

Agent 开发中的挑战

在 AI 时代，数据唾手可得，但高质量的上下文却难觅踪影。在构建 AI Agent 时，开发者常面临以下挑战：

上下文碎片化：记忆存于代码中，资源散落在向量数据库中，技能管理各异，难以统一管理。
上下文需求激增：Agent 的长时间运行任务会产生海量上下文。简单的截断或压缩会导致严重的信息丢失。
检索效果不佳：传统的 RAG 采用平铺式存储，缺乏全局视野，难以理解信息的完整上下文。
上下文不可观测：传统 RAG 的隐式检索链如同黑盒，一旦出现错误，难以调试。
记忆迭代受限：当前的记忆往往仅记录用户交互，缺乏与 Agent 任务相关的深度记忆。

OpenViking 解决方案

OpenViking 是一个专为 AI Agent 设计的开源 上下文数据库（Context Database）。

我们致力于定义一套极简的 Agent 上下文交互范式，让开发者彻底告别上下文管理的繁琐。OpenViking 摒弃了传统 RAG 的碎片化向量存储模型，创新性地采用 “文件系统范式”，将 Agent 所需的记忆、资源和技能进行统一的结构化管理。

使用 OpenViking，开发者可以像管理本地文件一样构建 Agent 的大脑：

文件系统管理范式 → 解决碎片化：基于文件系统范式，实现对记忆、资源和技能的统一上下文管理。
分层上下文加载 → 降低 Token 消耗：采用 L0/L1/L2 三层结构，按需加载，显著节省成本。
目录递归检索 → 提升检索效果：支持原生文件系统检索方式，结合目录定位与语义搜索，实现递归且精准的上下文获取。
可视化检索轨迹 → 可观测的上下文：支持可视化展示目录检索轨迹，让用户清晰观察问题根源，从而优化检索逻辑。
自动会话管理 → 上下文自我迭代：自动压缩对话中的内容、资源引用、工具调用等，提取长期记忆，让 Agent 越用越聪明。

快速开始

前置要求

在开始使用 OpenViking 之前，请确保您的环境满足以下要求：

Python 版本: 3.10 或更高
Go 版本: 1.22 或更高（构建 AGFS 组件所需）
C++ 编译器: GCC 9+ 或 Clang 11+（构建核心扩展所需）
操作系统: Linux, macOS, Windows
网络连接: 确保网络连接稳定（用于下载依赖和访问模型服务）

1. 安装

Python 包

pip install openviking --upgrade --force-reinstall

Rust CLI (可选)

curl -fsSL https://raw.githubusercontent.com/volcengine/OpenViking/main/crates/ov_cli/install.sh | bash

或者从源码构建：

cargo install --git https://github.com/volcengine/OpenViking ov_cli

2. 模型准备

OpenViking 需要以下模型能力：

VLM 模型：用于图像和内容理解
Embedding 模型：用于向量化和语义检索

支持的 VLM 提供商

OpenViking 支持三种 VLM 提供商：

提供商	描述	获取 API Key
`volcengine`	火山引擎豆包大模型	火山引擎控制台
`openai`	OpenAI 官方 API	OpenAI 平台
`litellm`	统一访问各类第三方模型 (Anthropic, DeepSeek, Gemini, vLLM, Ollama 等)	查看 LiteLLM 提供商说明

💡 提示:

litellm 支持统一访问各种模型。model 字段必须遵循 LiteLLM 格式规范。

系统会自动识别常见模型（例如 claude-*, deepseek-*, gemini-*, hosted_vllm/*, ollama/*）。