OpenViking 小白总览
一句话解释
OpenViking 是一个专门给 AI Agent 用的上下文数据库（Context Database）。
如果把普通数据库理解成“存数据的地方”，那 OpenViking 更像：
- 帮 Agent 存记忆
- 管资源
- 管技能
- 让 Agent 更容易把“上下文”找回来和用起来
官方怎么定义它
README 里的定位是：
OpenViking: The Context Database for AI Agents
也就是：它不是单纯的向量库，不只是聊天记录存档，也不只是 RAG 工具，而是想做 Agent 的上下文底座。
这个项目想解决什么问题
从 README 看，它主要在解决这些问题：
- 上下文碎片化：记忆、资源、技能散落在不同系统里
- 上下文越来越多：Agent 长时间运行会产生大量上下文
- 检索效果差：传统 RAG 通常偏“平铺式”存储
- 检索链路不透明：调试为什么没搜到很难
- 记忆不会自己成长：很多系统只会记对话，不会记任务过程
它的核心思路
OpenViking 的 README 反复强调一个点：
它用“文件系统范式（filesystem paradigm）”来统一管理 Agent 的上下文。
小白可以这样理解：
- 传统 RAG 更像“把东西切碎后丢进向量库”
- OpenViking 更像“给 Agent 建一个带目录结构的大脑文件系统”
这样做好处是：
- 更容易按目录/层级组织信息
- 更容易知道上下文从哪来
- 更容易定位检索路径
- 适合长期运行的 Agent
你先不用懂的词
第一次读时，不用急着完全搞懂这些：
- AGFS
- L0/L1/L2
- hierarchical retrieval
- telemetry
- vector index
- session archive
先记住： OpenViking = 给 Agent 管上下文的大脑仓库。
这个仓库大概由什么组成
从目录结构看，这个仓库不是单一语言项目，而是一个“多组件项目”：
openviking/：Python 主库openviking_cli/：CLI 和服务启动相关crates/：Rust 组件src/：C/C++ 扩展与底层构建文件bot/：Agent / bot 相关能力examples/：示例代码docs/：文档tests/：测试benchmark/：评测
小白怎么理解这个多语言结构
你可以先这样想：
- Python：主要的用户接口层和业务逻辑层
- Rust：性能敏感或独立 CLI 组件
- C/C++：底层扩展、加速、ABI/引擎相关
- bot：更偏产品化/Agent 应用层
现在最值得你先记住的三个入口
1. Python 代码入口
openviking/__init__.py
2. 同步客户端入口
openviking/sync_client.py
3. 最简单示例
examples/quick_start.py
第一轮学习结论
如果你把自己当小白，那现在最重要的不是研究算法细节，而是先建立这张地图：
OpenViking 是一个面向 Agent 的上下文数据库，它想把资源、记忆、技能统一到一个像文件系统一样的结构里，并提供本地模式、HTTP 模式、CLI、Bot、评测和底层引擎支持。