OpenViking

把 Agent 记忆、知识、技能装进一个库，上下文不再割裂

OpenViking 是一个面向 AI Agent 的自演化上下文数据库，把 Agent 记忆、知识 RAG 和技能（Skills）统一到同一套存储与检索层。它解决的是当前 Agent 开发中记忆、知识库、工具技能各自为政、上下文割裂的问题：对话历史存在向量库，文档知识另建 RAG 管道，技能又散落在插件系统里，导致 Agent 难以形成连贯的长期上下文。OpenViking 以数据库的形态提供统一上下文抽象，支持记忆的写入、检索与演化，内置 agentic RAG 能力，并可通过插件机制接入技能。项目用 Python 实现，提供 DSH 插件等集成方式，强调 self-evolving，即上下文会随使用不断更新和优化，而非静态索引。对需要长期记忆、多源知识融合和技能调度的 Agent 应用来说，它试图成为一层通用的上下文基础设施。

开源 unknown 搜索知识

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 37736

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类搜索知识

开发团队volcengine

所属国家

官网地址https://openviking.ai

GitHubhttps://github.com/volcengine/OpenViking

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议AGPL-3.0

主要语言Python

技术栈/模型agent-memory,agent-plugins,agentic-rag,context-database,dsh-plugin,self-evolving

GitHub 星标★ 37736

30天Star增速

HF 下载量

上线时间2026-01-05 00:00:00

最近更新2026-09-16 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-12

浏览次数0

使用教程

难度：入门约 10 分钟部署方式：本地安装 6 步

环境要求

Python 3.10 或更高版本
可访问的 embedding 模型（云端或本地）
可访问的 VLM 模型（云端或本地）
可选：Docker（用于容器化生产部署）

安装与启动步骤

1确认 Python 版本

OpenViking 要求 Python 3.10+，先确认本机 python 版本满足要求，否则先升级 Python。
```
python --version
```
2安装 OpenViking

通过 pip 安装 openviking 包，--upgrade 保证升级到最新版本。安装后同时获得 ov CLI 与 openviking-server。
```
pip install openviking --upgrade
```
3初始化配置

运行 init 交互式配置 provider 与模型，结果写入 ~/.openviking/ov.conf。支持 Volcengine、OpenAI、Codex OAuth、Kimi、GLM 及本地 Ollama。
```
openviking-server init
```
4检查配置连通性

doctor 用于检查配置是否正确以及能否连通所配置的模型服务，建议启动服务前先跑一遍。
```
openviking-server doctor
```
5启动服务

直接运行 openviking-server 启动上下文数据库服务，保持该终端不关闭，另开终端执行后续 CLI 操作。
```
openviking-server
```
6导入资源并检索

在另一个终端用 ov CLI 查看状态并导入一个仓库作为上下文资源，随后即可对该资源做检索。
```
ov status
ov add-resource https://github.com/volcengine/OpenViking
```

关键配置

配置项	必填	说明	示例
`~/.openviking/ov.conf`	是	init 命令生成的配置文件，保存 provider 与模型设置	`/home/user/.openviking/ov.conf`

如何确认成功

在同一环境执行 openviking-server doctor 无报错，且另一个终端执行 ov status 能正常返回状态，即表示服务与 CLI 均已连通。

常见问题

Q：init 支持哪些模型提供方？

A：README 列出 Volcengine、OpenAI、Codex OAuth、Kimi、GLM，以及本地 Ollama。具体 provider 配置方式见官方 configuration 指南。

Q：配置文件写在哪里？

A：init 会把配置写入 ~/.openviking/ov.conf，需要修改模型或 provider 时编辑该文件后重新执行 doctor 校验。

Q：生产部署需要激活码吗？

A：不需要。开源服务端在 AGPLv3 许可下可部署到自有环境，无需激活密钥，但对外暴露前应先配置认证。

Q：服务端支持多用户吗？

A：支持账号与用户隔离，并提供可选的资源 ACL 控制，可参考官方多租户与 ACL 文档进行配置。

注意事项

README 未给出端口、镜像名等部署细节，Docker 与服务器部署请参考官方 deployment 指南。
把服务暴露到 localhost 之外前，务必先按官方认证指南开启认证。
运行 openviking-server 后需保持终端会话，另开一个终端使用 ov CLI。
项目采用 AGPLv3 许可，商用与二次分发前请确认许可证要求。

核心亮点

统一记忆、RAG、技能三类上下文，减少多套存储与检索管道的拼接成本
self-evolving 设计让上下文随交互持续更新，而非一次性静态索引
Python 实现并提供插件机制，便于嵌入现有 Agent 框架和工具链

不足之处

作为上下文数据库，实际检索质量与演化效果依赖具体接入方式，需自行验证
项目热度高但生态与文档成熟度仍需在真实项目中检验

适用场景

构建需要长期记忆的对话式 Agent，跨会话保留用户偏好与历史
为 Agent 搭建统一知识库，把文档 RAG 与工具技能检索合并
多 Agent 协作场景下共享上下文与技能，避免各自维护独立记忆

替代项目

mem0、Letta、LlamaIndex

项目介绍

OpenViking 是一个搜索知识领域的开源项目，官方简介：Self-evolving Context Database for AI Agents. Unify Agent Memory, Knowledge RAG and Skills.。项目使用 Python 开发，在 GitHub 上获得 36697 星标。

上一篇：llm-wiki-plugin

下一篇：last30days-skill