字节火山引擎正式开源 OpenViking，专为 AI Agent 设计的上下文数据库，旨在为 Agent 定义一套极简的上下文交互范式，让开发者彻底告别上下文管理的烦恼。

Agent 开发面临的挑战

在 AI 时代，数据易得，但高质量的上下文却难求。构建 AI Agent 时，开发者经常遇到这些挑战：

• 上下文碎片化：记忆在代码里，资源在向量库，技能散落各处，难以统一管理
• 所需上下文猛增：Agent 的长程任务在每次执行时都会产出上下文，简单的截断或压缩会导致信息损失
• 检索效果不佳：传统 RAG 是平铺式存储，缺乏全局视野，难以理解信息的完整语境
• 上下文不可观测：传统 RAG 隐式的检索链路如同黑箱，出错时难以调试
• 记忆迭代有限：目前记忆只是用户记忆的记录，缺乏 Agent 相关的任务记忆

OpenViking 解决方案

OpenViking 是一个开源的、专为 AI Agent 设计的上下文数据库，旨在为 Agent 定义一套极简的上下文交互范式，让开发者彻底告别上下文管理的烦恼。OpenViking 摒弃了传统 RAG 的碎片化向量存储模式，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组织。

通过 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 → 解决碎片化问题：基于文件系统范式，将记忆、资源、技能进行统一上下文管理
• 分层上下文按需加载 → 降低 Token 消耗：L0/L1/L2 三层结构，按需加载，大幅节省成本
• 目录递归检索 → 提升检索效果：支持原生文件系统检索方式，融合目录定位与语义搜索，实现递归式精准上下文获取
• 可视化检索轨迹 → 上下文可观测：支持可视化目录检索轨迹，让用户能够清晰观测问题根源并指导检索逻辑优化
• 会话自动管理 → 上下文自迭代：自动压缩对话中的内容、资源引用、工具调用等信息，提取长期记忆，让 Agent 越用越聪明

OpenViking 核心理念

OpenViking 的设计哲学围绕四大核心理念构建，旨在将复杂的上下文管理流程化繁为简，让开发者能将宝贵的精力聚焦于业务创新。

1. 文件系统管理范式

2. 分层上下文按需加载

3. 目录递归检索

4. 可观测与自迭代

开源地址：https://github.com/volcengine/OpenViking