向量数据库VikingDB
向量数据库VikingDB
- 文档首页
向量数据库VikingDBOpenViking Service产品介绍
文档反馈
问问助手OpenViking Service 是一款面向 AI Agent 的上下文数据库，以“虚拟文件系统 + 分层上下文 + 目录递归检索 + 可观测与自迭代”为核心能力，通过将 Memory、Resource、Skill 统一抽象为文件的理念，解决 AI Agent 在执行长程任务时的复杂上下文管理难题，为开发者提供结构化、可追溯且低成本的上下文工程解决方案。
OpenViking Service 适用于需要长程记忆、复杂知识管理和多 Agent 协作的各类 AI 应用场景，核心价值在于提供结构化、可迭代的上下文管理能力。
- Agent 长期记忆升级：作为 Agent 产品的记忆插件，解决原生记忆模块在长程任务中的遗忘问题和高昂成本。
- 全局知识资产沉淀：例如，将企业内部分散的多个代码仓库统一导入 OpenViking Service，构建一个覆盖全局的、可语义检索的研发知识库，赋能代码助手或研发 Bot。
- 多 Agent 协作共享：通过共享同一个 OpenViking Service 实例作为记忆和知识中枢，让多个独立的 Agent 实例能够共享用户记忆和世界知识，实现高效协同。
- 多租户安全隔离：利用 OpenViking Service 的多租户和权限隔离能力，为团队或企业构建一个集中化、安全可控的知识与记忆中心。
文件系统管理范式
我们不再将上下文视为扁平的文本切片，而是将其统一抽象并组织于一个虚拟文件系统中。无论是记忆、资源还是能力，都会被映射到 viking:// 协议下的虚拟目录，拥有唯一的 URI。这种范式赋予了 Agent 前所未有的上下文操控能力，使其能像开发者一样，通过 list、find 等标准指令来精确、确定性地定位、浏览和操作信息，让上下文的管理从模糊的语义匹配演变为直观、可追溯的“文件操作”。
分层上下文按需加载
将海量上下文一次性塞入提示词，不仅成本高昂，更容易超出模型窗口并引入噪声。OpenViking Service 借鉴业界前沿实践，在上下文写入时便自动将其处理为三个层级：
- L0 (摘要)：一句话概括，用于快速判断。
- L1 (概述)：包含核心信息和使用场景，供 Agent 在规划阶段进行决策。
- L2 (详情)：完整的原始数据，供 Agent 在确有必要时深入读取。OpenViking Service 的设计使其能够灵活适配各类 AI Agent 的开发场景。无论是简单的问答机器人，还是复杂的自动化工作流，它都能作为坚实的上下文底座，提供稳定、高效的支撑。
目录递归检索
单一的向量检索难以应对复杂的查询意图。OpenViking Service 设计了一套创新的目录递归检索策略，它深度融合了多种检索方式的优点：首先，通过意图分析生成多个检索条件；然后，利用向量检索快速定位初始切片所在的高分目录；接着，在该目录下进行二次检索，并将高分结果更新至候选集合；若目录下仍存在子目录，则逐层递归重复上述二次检索步骤；最终，拿到最相关上下文返回。这种 “先锁定高分目录、再精细探索内容” 的策略，不仅能找到语义最匹配的片段，更能理解信息所在的完整语境，从而提升检索的全局性与准确性。
可观测与自迭代
OpenViking Service 的组织方式采用层次化虚拟文件系统结构，所有上下文均以统一格式整合且每个条目对应唯一 URI（如 viking:// 路径），打破传统扁平黑箱式管理模式，层次分明易于理解；同时检索过程采用目录递归策略，每次检索的目录浏览、文件定位轨迹均被完整留存，能够清晰观测问题根源并指导检索逻辑优化。此外，OpenViking Service 内置了记忆自迭代闭环。在每次会话结束时，通过 session.commit() 主动触发，系统会异步分析任务执行结果与用户反馈，并自动更新至 User 和 Agent 的 /memory 目录下。既能更新用户偏好相关记忆，使 Agent 回应更贴合用户需求，又能从任务执行经验中提取操作技巧、工具使用经验等核心内容，助力后续任务高效决策实现自我进化，让 Agent 在与世界的交互中“越用越聪明”。
- “万物皆文件”，化解上下文碎片难题。将记忆、资源和技能统一抽象为文件，通过
viking://协议进行结构化、可追溯的管理，告别传统上下文的碎片化与混乱。 - 分层供给，显著降本提效。通过 L0（摘要）、L1（概述）、L2（详情）三层上下文设计，实现按需加载，在保证信息完整性的前提下，最大程度减少送入模型的大段文本，显著降低 Token 消耗和推理成本。
- 目录递归检索，兼顾全局与精准。创新的“高分目录定位 + 内容精细探索”策略，融合了向量检索与文件系统遍历的优点，既能快速锁定语义最相关的领域，又能深入挖掘上下文语境，提升了复杂查询下的检索准确率和全局相关性。
- 可观测与可调试的白盒体验。文件化的组织结构与清晰的检索轨迹记录，让上下文的管理和使用过程不再是黑箱。开发者可以轻松复盘 Agent 的每一次信息获取路径，快速定位问题并迭代优化检索逻辑。
- 与主流 Agent 产品深度适配，开箱即用。集成 OpenClaw、Claude Code、 Open Code 等主流 Agent 应用，显著提升其在长程任务中的表现。
- 多模态、可扩展与用户友好。原生支持文本、代码、PDF、Markdown 等多模态数据，并提供 CLI、HTTP API、TUI、Web Console 等多种交互方式，满足不同用户的使用习惯和集成需求，具备良好的可扩展性。
下表概述了 OpenViking 开源版与 OpenViking Service 在能力、服务和支持等方面的核心差异。
能力/特性 | OpenViking 开源版 | OpenViking Service |
|---|---|---|
部署与托管 | 用户需自行在本地或服务器部署和维护。 | 由官方提供全面托管的云服务，免去部署和运维烦恼，开箱即用。 |
数据规模与性能 | 性能和规模受限于用户本地硬件资源，默认使用本地存储和向量引擎。 | 基于 VikingDB 向量数据库，支持万亿级向量规模和百亿数据毫秒级检索，提供企业级性能和弹性扩容能力。 |
SLA 与支持 | 依赖社区支持，无商业级 SLA 保证。 | 提供专业的 Oncall 和技术支持服务。 |
计费与席位 | 完全免费。 | 提供灵活的订阅模式。 |
安全合规 | 安全策略由用户自行负责配置。 | 提供数据加密、访问审计、网络隔离等企业级安全特性，满足严格的合规要求。 |
集成生态 | 提供与 OpenClaw 等框架的基础集成插件。 | 除基础插件外，还提供与火山引擎内部产品的深度集成和优化，并计划提供更丰富的 Connector 生态。 |