一龍馬/AI 情報站讀懂消息背後的脈絡
星期四
搜尋

README 描述它會把內容寫入時分成 L0 摘要、L1 概覽、L2 詳細內容三層,查詢時按需載入,並保存每次檢索路徑,方便追蹤為何取到某段資料

Python · ⭐ 30,105 · 🍴 2,332 · 🔥今日 +803

中文摘要

OpenViking 把 AI agent 的記憶、知識 RAG 與技能整理成一個「context database」,用 viking:// 虛擬檔案系統讓 agent 以 ls、tree、find 這類檔案操作方式瀏覽上下文,而不是只丟給黑盒向量庫。README 描述它會把內容寫入時分成 L0 摘要、L1 概覽、L2 詳細內容三層,查詢時按需載入,並保存每次檢索路徑,方便追蹤為何取到某段資料。專案宣稱 0.3.22 在 LoCoMo 與 tau2-bench 上有評測,LoCoMo 準確率達 80–83%,輸入 token 降低 34.3–91.0%,但這些數字來自專案 README 指向的自家 benchmark 報告。

一龍馬判讀

如果可重現,這類可觀測、分層載入的記憶系統能降低 agent 長任務的成本與除錯難度;採 AGPLv3 也代表商用整合需先評估授權義務。

原文節錄

volcengine/OpenViking

### OpenViking: The Context Database for AI Agents English / [中文](README_CN.md) / [日本語](README_JA.md) Website · Live Demo · GitHub · Issues · Docs [![](https://

取得部分原文 · 不代表內容已獨立查證

查看原文
完整收錄文字與來源

Self-evolving Context Database for AI Agents. Unify Agent Memory, Knowledge RAG and Skills.

收錄日期
2026-08-20
來源
github.com/trending
抓取時間
2026/08/20 05:50(台北)
來源資料
Python · ⭐ 30,105 · 🍴 2,332 · 🔥今日 +803