OpenViking:AI 代理的自我演進上下文資料庫完整功能介紹

5 分鐘閱讀時長

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。

OpenViking Banner

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
Stars28.1K+(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
Python3.8+
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OpenVikingLangChain MemoryMem0
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