长按二维码,关注官方公众号
开源OpenViking，面向 Agent 的上下文数据库技术与工程实践
在 AI Agent 时代，高质量的上下文管理是构建智能应用的核心挑战。传统 RAG 系统面临上下文碎片化、Token 成本高、检索不稳定、黑箱不可调试等痛点。OpenViking 作为开源的 Agent 原生上下文数据库，采用文件系统范式（viking:// URI）统一管理记忆、资源和技能，通过 L0/L1/L2 分层按需加载和目录递归检索，让上下文管理从"黑箱"走向"可见"，为 Agent 应用提供高效、可观测的上下文工程方案。
演讲提纲：
1、Agent 落地的真正瓶颈
2、上下文工程的四个难题
- 上下文碎片化：信息散落各处（代码、文档、向量库、对话历史），形成数据孤岛
- Token 成本高昂：全量加载上下文导致预算浪费，无法聚焦关键信息
- 检索效果波动：扁平 Top-K 检索缺乏语义深度，结果不稳定
- 黑箱不可观测：检索过程不透明，出了问题不知道错在哪
3、核心洞察：像管理文件系统一样管理上下文
4、Demo 与效果展示
5、工程化能力
6、未来规划与社区邀请
听众收益：
- 理解 Agent 上下文管理的核心挑战，以及为什么传统 RAG 不够用
- 掌握 OpenViking 的文件系统范式、分层加载、递归检索等核心设计思想
大连理工本科，4年上下文工程经验。曾深度参与字节跳动 VikingDB 向量数据库构建，支持万亿级向量检索，广泛应用于内部智能问答、搜索推荐、数据去重等场景。参与创建个人上下文管理应用MineContext和上下文数据库OpenViking 两大开源项目，双双斩获5k+Star，在开发者社区形成广泛影响力。
