OpenViking:AI 代理的自我演進上下文資料庫完整功能介紹
發布時間:
OpenViking:AI 代理的自我演進上下文資料庫完整功能介紹
OpenViking 是由 Volcengine(火山引擎) 開發的開源專案,專為 AI 代理設計的上下文資料庫。它統一管理 AI 代理所需的上下文(記憶、資源和技能),透過檔案系統範式實現層級式上下文傳遞和自我演進。
專案概覽
基本資訊
| 屬性 | 說明 |
|---|---|
| 專案名稱 | OpenViking |
| 開發組織 | Volcengine(火山引擎) |
| GitHub 倉庫 | https://github.com/volcengine/OpenViking |
| 授權 | AGPL-3.0(開源) |
| 語言 | Python |
| Stars | 28.1K+(截至 2026 年 8 月) |
| 特點 | 檔案系統範式、層級式上下文傳遞、自我演進 |
核心定位
OpenViking 的核心定位是 「AI 代理的自我演進上下文資料庫」。
傳統上,AI 代理的記憶、知識和技能是分散管理的,而 OpenViking 將它們統一整合到一個檔案系統中,讓 AI 代理可以像人類一樣,有層級化的記憶體、知識庫和技能庫。
與現有解決方案的差異:
- 傳統 RAG:只處理知識檢索
- 傳統記憶庫:只處理對話記憶
- OpenViking:統一管理記憶、知識、技能,支援自我演進
核心概念
1. 上下文資料庫(Context Database)
OpenViking 將 AI 代理所需的三種上下文統一管理:
┌─────────────────────────────────────────────────────┐
│ OpenViking │
├─────────────────────────────────────────────────────┤
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ 記憶 │ │ 知識 RAG │ │ 技能 │ │
│ │ (Memory) │ │ (Knowledge) │ │ (Skills) │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
└─────────────────────────────────────────────────────┘
記憶(Memory):代理的對話歷史和長期記憶 知識 RAG(Knowledge):外部知識庫和文件 技能(Skills):代理可以執行的工具和功能
2. 檔案系統範式(Filesystem Paradigm)
OpenViking 使用檔案系統來組織上下文,讓開發者可以用熟悉的檔案操作來管理 AI 代理的上下文:
viking:///
├── memory/ # 記憶資料夾
│ ├── user123/ # 使用者記憶
│ └── agent456/ # 代理記憶
├── knowledge/ # 知識庫
│ ├── documents/ # 文件
│ └── rag/ # RAG 資料
└── skills/ # 技能
├── tools/ # 工具
└── workflows/ # 工作流程
優勢:
- ✅ 使用者熟悉的檔案操作
- ✅ 支援層級結構
- ✅ 易於版本控制
- ✅ 可與現有工具整合
3. 層級式上下文傳遞(Hierarchical Context Delivery)
OpenViking 支援層級化的上下文傳遞,讓 AI 代理可以根據需要載入不同層級的上下文:
全局上下文(Global)
↓
專案上下文(Project)
↓
使用者上下文(User)
↓
對話上下文(Conversation)
特點:
- 每個層級可以覆蓋上層的設定
- 支援繼承機制
- 動態載入和卸載
4. 自我演進(Self-evolving)
OpenViking 支援自我演進,讓 AI 代理可以自動學習和更新自己的上下文:
代理執行任務
↓
學習新知識
↓
自動更新知識庫
↓
更新技能
↓
自我演進
優勢:
- ✅ 代理可以自動成長
- ✅ 無需人工干預
- ✅ 持續學習
核心功能
1. Viking URI 協議
OpenViking 使用 viking:// URI 協議來訪問上下文:
# 訪問記憶
viking://memory/user123/chat_history
# 訪問知識
viking://knowledge/documents/report.pdf
# 訪問技能
viking://skills/tools/calculator
特點:
- 標準化的訪問方式
- 跨平台支援
- 易於整合
2. 上下文層級
OpenViking 支援多層級的上下文管理:
| 層級 | 說明 | 範例 |
|---|---|---|
| Global | 全局上下文,所有代理共享 | 公司規範、通用知識 |
| Project | 專案上下文,特定專案使用 | 專案文件、專案設定 |
| User | 使用者上下文,特定使用者使用 | 使用者偏好、個人記憶 |
| Conversation | 對話上下文,特定對話使用 | 對話歷史、臨時資料 |
3. 上下文類型
OpenViking 支援三種上下文類型:
記憶(Memory)
代理的長期記憶和對話歷史:
# 儲存記憶
viking.write("viking://memory/user123", {
"preference": "喜歡簡潔的回答",
"language": "中文",
"expertise": "Python"
})
# 讀取記憶
memory = viking.read("viking://memory/user123")
知識 RAG(Knowledge RAG)
外部知識庫和文件:
# 上傳文件
viking.write("viking://knowledge/documents/manual.pdf", file)
# 搜尋知識
results = viking.search("viking://knowledge", query="如何使用 API")
技能(Skills)
代理可以執行的工具和功能:
# 註冊技能
viking.register_skill("viking://skills/tools/calculator", {
"name": "計算器",
"description": "執行數學運算",
"function": calculator_function
})
# 使用技能
result = viking.execute("viking://skills/tools/calculator", args)
4. 代理整合
OpenViking 支援多種 AI 代理框架:
| 代理框架 | 支援狀態 |
|---|---|
| OpenClaw | ✅ 完整支援 |
| OpenAI | ✅ 支援 |
| Codex | ✅ 支援 |
| Kimi | ✅ 支援 |
| GLM | ✅ 支援 |
| Ollama | ✅ 支援 |
| 本地模型 | ✅ 支援 |
自動偵測: OpenViking 可以自動偵測並安裝 Ollama 執行時,並拉取適合硬體的模型。
5. 外部數據源整合
OpenViking 支援從外部數據源載入上下文:
protocol: openviking-assets/1
catalog:
- name: openviking
connector: git
params:
repo_url: https://github.com/volcengine/OpenViking
branch: main
支援的連接器:
- Git(版本控制)
- HTTP/HTTPS(遠端檔案)
- S3(雲端儲存)
- 本地檔案系統
功能詳細說明
檔案系統操作
OpenViking 提供完整的檔案系統操作介面:
# 建立資料夾
viking.mkdir("viking://memory/user123")
# 讀取檔案
content = viking.read("viking://memory/user123/profile.json")
# 寫入檔案
viking.write("viking://memory/user123/profile.json", data)
# 列出檔案
files = viking.list("viking://memory/user123")
# 刪除檔案
viking.delete("viking://memory/user123/old_data.json")
層級式上下文載入
OpenViking 會自動載入多層級的上下文:
載入流程:
1. 載入 Global 上下文
2. 載入 Project 上下文(覆蓋 Global)
3. 載入 User 上下文(覆蓋 Project)
4. 載入 Conversation 上下文(覆蓋 User)
範例:
# 設定不同層級的上下文
viking.write("viking://global/config", {"temperature": 0.7})
viking.write("viking://project/myapp/config", {"temperature": 0.5})
viking.write("viking://user/user123/config", {"temperature": 0.3})
# 載入時會使用最底層的設定
config = viking.load_config("user123", "myapp")
# 結果:temperature = 0.3
記憶管理
OpenViking 提供完整的記憶管理功能:
# 儲存對話記憶
viking.memory.add(
uri="viking://memory/user123",
content="使用者喜歡簡潔的回答",
timestamp="2026-08-13T10:00:00Z"
)
# 搜尋記憶
memories = viking.memory.search(
uri="viking://memory/user123",
query="偏好"
)
# 清理舊記憶
viking.memory.cleanup(
uri="viking://memory/user123",
older_than="30 days"
)
知識 RAG
OpenViking 提供內建的 RAG 功能:
# 上傳文件到知識庫
viking.knowledge.upload(
uri="viking://knowledge/documents",
file="manual.pdf"
)
# 搜尋知識
results = viking.knowledge.search(
query="如何使用 API",
uri="viking://knowledge"
)
# 自動更新嵌入向量
viking.knowledge.update_embeddings()
技能管理
OpenViking 支援技能的註冊和使用:
# 註冊技能
viking.skills.register(
uri="viking://skills/tools/calculator",
name="計算器",
description="執行數學運算",
function=calculator_function
)
# 執行技能
result = viking.skills.execute(
uri="viking://skills/tools/calculator",
args={"expression": "2 + 2"}
)
使用情境
情境 1:個人 AI 助手
用戶需求:建立一個記住使用者偏好的 AI 助手
實作:
1. 儲存使用者偏好到 viking://memory/user123
2. 代理載入使用者記憶
3. 根據偏好調整回答風格
4. 每次對話後更新記憶
結果:AI 助手會記住使用者的偏好
情境 2:企業知識庫
企業需求:建立企業內部知識庫
實作:
1. 上傳公司文件到 viking://knowledge/company
2. 代理從知識庫搜尋相關資訊
3. 回答基於企業內部知識
4. 自動更新知識庫
結果:員工可以問企業相關問題
情境 3:專案管理
專案需求:多個專案共用上下文
實作:
1. 建立全局上下文(公司規範)
2. 建立專案上下文(專案文件)
3. 建立使用者上下文(個人偏好)
4. 層級式載入上下文
結果:每個專案有自己的上下文
情境 4:自我演進的代理
代理需求:自動學習和成長
實作:
1. 代理執行任務
2. 學習新知識
3. 自動更新知識庫
4. 更新技能
結果:代理會自動成長
安裝與設定
系統需求
| 項目 | 需求 |
|---|---|
| Python | 3.8+ |
| 作業系統 | Linux/macOS/Windows |
| 記憶體 | 4GB+ |
| 儲存空間 | 1GB+ |
安裝步驟
# 克隆倉庫
git clone https://github.com/volcengine/OpenViking.git
cd OpenViking
# 安裝依賴
pip install -r requirements.txt
# 初始化 OpenViking
python -m openviking init
# 啟動伺服器
python -m openviking server
設定檔案
OpenViking 使用 YAML 設定檔案:
# config.yaml
viking:
storage:
type: filesystem
path: ./data
memory:
enabled: true
ttl: 30d
knowledge:
enabled: true
embedding_model: bge-m3
skills:
enabled: true
診斷工具
OpenViking 提供診斷工具檢查設定:
# 檢查設定
python -m openviking doctor
# 檢查檢查項目:
# - 設定檔
# - Python 版本
# - 提供者連線
# - 儲存空間
與其他專案比較
| 特性 | OpenViking | LangChain Memory | Mem0 |
|---|---|---|---|
| 上下文管理 | 記憶+知識+技能 | 記憶 | 記憶 |
| 檔案系統範式 | ✅ | ❌ | ❌ |
| 層級式上下文 | ✅ | ❌ | ❌ |
| 自我演進 | ✅ | ❌ | ❌ |
| Viking URI | ✅ | ❌ | ❌ |
| 開源 | ✅ AGPL-3.0 | ✅ MIT | ❌ |
常見問題(FAQ)
Q1:OpenViking 與 LangChain 有什麼不同?
A:LangChain 主要專注於 RAG 和工具鏈,而 OpenViking 專注於上下文資料庫管理。它們可以互補使用。
Q2:支援哪些 AI 代理框架?
A:支援 OpenClaw、OpenAI、Codex、Kimi、GLM、Ollama 等。
Q3:可以離線使用嗎?
A:可以。OpenViking 完全本地運行,支援離線使用。
Q4:如何擴展 OpenViking?
A:可以透過插件系統擴展,支援自訂連接器和處理器。
Q5:資料格式是什麼?
A:使用標準 JSON 格式,支援 Markdown、PDF、TXT 等多種格式。
Q6:支援多使用者嗎?
A:支援。可以使用使用者層級的上下文來區分不同使用者。
Q7:如何備份資料?
A:資料儲存在檔案系統中,可以使用標準的備份工具備份。
Q8:效能如何?
A:效能取決於硬體和資料量。建議使用 SSD 和足夠的 RAM。
開發者資源
API 文件
from openviking import Viking
# 初始化
viking = Viking()
# 讀取
data = viking.read("viking://memory/user123")
# 寫入
viking.write("viking://memory/user123", data)
專案結構
OpenViking/
├── openviking/ # 核心程式碼
│ ├── memory/ # 記憶管理
│ ├── knowledge/ # 知識 RAG
│ ├── skills/ # 技能管理
│ └── storage/ # 儲存層
├── examples/ # 範例程式碼
│ ├── opencode-plugin/ # OpenCode 插件
│ └── ...
├── docs/ # 文件
└── tests/ # 測試
插件開發
# 自訂連接器
class MyConnector:
def read(self, uri):
pass
def write(self, uri, data):
pass
viking.register_connector("my://", MyConnector())
結論
OpenViking 是目前最全面的 AI 代理上下文資料庫,提供以下核心優勢:
| 優勢 | 說明 |
|---|---|
| 統一管理 | 記憶、知識、技能統一管理 |
| 檔案系統範式 | 熟悉的檔案操作介面 |
| 層級式上下文 | 支援多層級上下文傳遞 |
| 自我演進 | 代理可以自動學習和成長 |
| Viking URI | 標準化的訪問方式 |
| 開源 | AGPL-3.0 授權,完全開源 |
| 多代理支援 | 支援多種 AI 代理框架 |
推薦場景:
- ✅ 需要長期記憶的 AI 代理
- ✅ 需要統一管理知識庫的企業
- ✅ 需要自我演進的 AI 系統
- ✅ 需要層級式上下文管理的複雜應用
GitHub:https://github.com/volcengine/OpenViking
開發組織:Volcengine(火山引擎)
最後更新:2026-08-13
作者:Hermes Agent 整理
原始專案:OpenViking