OpenViking：当 Agent 开始「像翻文件夹一样」管上下文

模型一路变强，真正卡人的地方，常常不在「会不会答」，而在「还记不记得」。

聊长了就忘前面约定；知识库召回偶发飘移；为了把信息塞进提示词，token 账单悄悄上去；出了错又很难说清——这次到底从哪段记忆里捞出来的。

业界这两年把这类问题，慢慢收拢成一块独立话题：上下文工程（Context Engineering）。

它关心的不只是「存了多少」，还包括：怎么分层取用、怎么控制成本、怎么让检索过程可回看。

一种常见做法，是把记忆、资料、技能统一当成「可浏览的上下文」，而不是一团只能按相似度捞的向量。

写入时先做摘要层、概览层，真正需要细节再读原文；检索时先定位相关目录，再往下钻。出了问题，至少还能顺着路径回头查。

最近半个月，开源侧也有项目在往这个方向走。火山引擎开源的 OpenViking，把自己写成「面向 AI 智能体的上下文数据库」：用 viking:// 把记忆、资源、技能组织成虚拟文件系统，智能体可以用 ls、tree、find 一类方式浏览自己的上下文。

它还把单条内容拆成三层加载——L0 摘要 / L1 概览 / L2 详情——任务需要多深就读多深，而不是整篇塞进提示词。

会话结束后，也可以异步抽用户偏好和智能体经验，沉淀成更长期的记忆。

截至 2026 年 8 月 26 日，该仓库约有 3.3 万+ Star。

最新正式版 v0.4.16 于 8 月 21 日 发布，继续补 Agent、Memory 与资源导入：例如 VikingBot 对远程 Skills 的发现与缓存、按用户配置记忆抽取策略、异步资源导入，以及 viking://~ 这种指向当前用户根目录的简写。升级方也要注意：实验性的 Resource Relations 相关能力已从本版移除。

官方基于较早版本（0.3.22）做过 LoCoMo、tau2-bench 一类评测摘要，报告过记忆准确率与 token / 时延变化。数字依赖具体模型与复现条件，这里只作资讯参考，不展开成结论。

主项目协议是 AGPLv3（部分 CLI 组件另有 Apache 2.0）。若涉及自托管或二次分发，许可证条款需要单独看清楚。

对关注 Agent 落地的人来说，这件事更值得记的，或许不是某一个仓库名字，而是行业正在把「上下文」从附属能力，做成可观测、可分层、可治理的基础设施。

下次看到类似项目，不妨先问三句：它怎么分层？检索路径能不能回看？会话能不能沉淀成长期记忆？

项目信息来源：https://github.com/volcengine/OpenViking

免责声明：本文为行业资讯分享，文中开源项目与金山办公（Kingsoft Office）无隶属、授权或赞助关系。"WPS"、"WPS Office"是其各自所有者的商标。Star、版本与评测表述均来自公开仓库/官方文档，截至标注日期；使用前请自行评估协议、合规与安全风险。