给“龙虾”AI Agent装上记忆功能！字节开源了AI 上下文数据库：OpenViking
养虾人最近又多了一个新玩具——但光有爪子还不够，记忆得跟上啊。
OpenClaw们天天在“长记性”，上下文工程却成了新痛点：向量碎片到处飞、token烧钱如流水、检索回来一堆乱码、长期任务三天就忘光……
现在，一个开源项目直接把Agent的“大脑”升级成了可操作的文件系统？
刚刚，火山引擎Viking团队悄然放出：OpenViking
专为AI Agent打造的上下文数据库，用文件系统范式把记忆、资源、技能全部统一管理，检索可观察、加载按需来、上下文还能自我迭代。
这货刚开源不到一个月，GitHub已飙到8.3k星
当 AI 处理长期任务时，背景资料会越来越多。传统的做法是每次让 AI 干活，都让它把所有资料重新读一遍。这不仅容易丢失重点，而且会消耗大量的 Token（在 AI 世界里，消耗 Token 就是在烧钱）。别急，骂也是要付钱的。
OpenClaw Memory插件实测任务完成率暴涨43%~49%，输入token直接砍掉91%！
这要用上了，能省下多少token（钱）！特别适合现在养龙虾的各位。
“OpenViking”到底有多猛？
一句话自动安装，负责给Agent提供稳定、可治理的长期记忆与上下文供给。
有意思的是，OpenViking的核心卖点就是“把上下文从向量黑盒变成可操作的文件系统”。
传统RAG大家都知道：
切chunk→向量嵌入→语义召回→拼凑上下文，检索结果像散装零件，Agent拿到手还得自己拼。
传统 RAG 技术是个“黑盒”，它给你一个答案，但如果找错了，你根本不知道它是翻错了哪本书，很难纠错。
OpenViking直接反其道而行之
为了解决这些痛点，OpenViking 引入了一个非常聪明且接地气的概念：用大家最熟悉的“电脑文件夹”的方式，来管理 AI 的大脑。
它不再把 AI 的数据打碎揉在一起，而是把 AI 需要的 “记忆（聊天历史）”、“资源（参考文档）”和“技能（能用的工具）”，变成了类似我们电脑上的文件夹。
AI 可以在里面像浏览 C盘、D盘 一样，分门别类地存取信息，非常有条理。
所有记忆、资源、技能统一塞进虚拟文件系统，协议叫viking:// 目录结构清晰：resources/、user/、agent/、memories/、skills/ Agent像操作本地文件一样ls、find、grep、tree，想看啥直接定位
它还搞了三层上下文加载（L0/L1/L2）
L0：一句话抽象总结，轻量级常驻 L1：概览信息，按需加载 L2：完整细节，只有真正需要时才拉
这就好比 AI 找资料时，先只看“书名和目录”；如果觉得相关，再去加载“章节摘要”；最后确定有用，才去完整阅读“正文详情”。这种方式能大大减少 AI 读废话的概率，极大地降低了调用 AI 模型的成本。
这样一搞，token消耗直线下降，上下文也更结构化、可追溯。
整个检索轨迹还能可视化！调试的时候直接看路径图，哪一步召回烂了、哪层目录漏了，一目了然。
自动整理，越用越聪明（记忆自我进化）
当你和 AI 聊了很久，记录特别长时，OpenViking 会自动帮你做“记忆瘦身”。
它会自动压缩无关紧要的闲聊，提取出重要的“长期记忆”并归档保存。不需要你手动干预，AI 的脑子会自动保持清晰。
再说说背后团队
OpenViking由字节跳动火山引擎Viking团队发起和维护，这个团队专注非结构化数据+AI原生基础设施，之前在云原生数据湖、向量引擎等领域就有深厚积累。
这一次他们押注的方向很明确：让AI Agent真正能“长期在线、持续进化”。
上下文不再是临时的token填充，而是像操作系统文件系统一样，成为Agent的持久“根目录”。
我个人认为这个非常好，当初龙虾刚火的时候就在想怎么没有类似的东西来管理上下文。Agent太需要了！
项目地址：
https://github.com/volcengine/openviking
