OpenViking这个管理大模型上下文的项目火了。 对上下文管理烦恼的，可以参考这个项目的一些思路。

纯野山参

OpenViking这个管理大模型上下文的项目火了。
对上下文管理烦恼的，可以参考这个项目的一些思路。
简单的说，他们采用的是用文件来管理上下文的思路，和manus的思路类似。

在构建智能体的时候，开发者常面临以下挑战：
支离破碎的上下文：记忆存在代码中，资源存储在向量数据库中，技能分散，难以统一管理。
上下文需求激增：智能体的长期任务在每次执行中都产生上下文。简单的截断或压缩会导致信息丢失。
检索效果差：传统RAG采用扁平存储，缺乏全局视图，难以完整理解信息的上下文。
不可观察上下文：传统RAG的隐式检索链如黑箱，导致错误发生时难以调试。
有限的内存迭代：当前内存仅是用户交互的记录，缺少与代理相关的任务内存。

penViking 是一个专为 AI 代理设计的开源上下文数据库。

我们旨在为代理定义一种极简的上下文交互范式，让开发者彻底告别上下文管理的麻烦。OpenViking 放弃了传统 RAG 的碎片向量存储模型，创新地采用了“文件系统范式”，以统一代理所需的记忆、资源和技能的结构化组织。

通过OpenViking，开发者可以像管理本地文件一样构建代理的大脑：

文件系统管理范式 →解决碎片化问题：基于文件系统范式，统一管理记忆、资源和技能的上下文。
分级上下文加载→减少token消耗：L0/L1/L2三层结构，按需加载，显著节省成本。
目录递归检索→提升检索效果：支持原生文件系统检索方法，结合目录定位与语义搜索，实现递归且精确的上下文获取。
可视化检索轨迹→可观察上下文：支持目录检索轨迹的可视化，使用户能够清晰观察问题根源并指导检索逻辑优化。
自动会话管理→上下文自我迭代：在对话中自动压缩内容、资源引用、工具调用等，提取长期记忆，使智能体在使用中更智能。

项目地址：github.com/volcengine/OpenViking