OpenViking

把 Agent 记忆、知识、技能装进一个库，上下文不再割裂

开源 🏷️定价信息待确认 ✅ 目前可打开搜索知识 🍴 复刻 3359 🐛 待处理 1192 👀 关注 111

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 41368

维护状态活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类搜索知识

开发团队volcengine

官网地址https://openviking.ai

GitHubhttps://github.com/volcengine/OpenViking

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议AGPL-3.0

主要语言Python

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

GitHub 星标★ 41368

上线时间2026-01-05 00:00:00

代码更新2026-11-02

仓库体积386.3 MB

本站数据更新2026-11-02

维护状态活跃

收录时间2026-09-12

浏览次数1

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-12 · 当前星标 ★ 41368

技术标签

agent-memory agent-plugins agentic-rag dsh-plugin knowledge-base

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
```