AI-Wiki

基本定义

OpenViking上下文文件系统范式是字节跳动Viking团队研发的OpenViking专为AI Agent设计的核心上下文管理方案，是对传统RAG碎片化向量存储模式的颠覆性替代，核心设计理念为「记忆、资源、技能，皆为文件」，实现了AI Agent全类型上下文的统一结构化管理。

设计语境

该范式的诞生源于AI Agent开发领域普遍存在的上下文管理痛点：传统架构下Agent的记忆存储在业务代码中、资源存储在独立向量库中、技能分散在各工具模块中，上下文分散割裂，关联与维护成本极高；朴素RAG采用平铺式文本切片存储，缺乏全局视野，检索准确率有限，且检索链路为黑箱，出错时难以归因调试，无法满足长周期任务、多Agent协同等复杂场景的需求。

该范式的设计参考了业界前沿实践启发：Manus提出文件系统是上下文的终极形态、Claude Code验证了文件系统+Bash方案在特定场景下优于复杂向量索引、Anthropic [[Skills]]系统采用文件夹组织能力模块，最终由字节跳动Viking团队在OpenViking中实现为标准化的上下文管理范式。

核心机制

全类型上下文虚拟文件映射：将AI Agent所需的所有上下文类型，包括用户/Agent记忆、多模态资源、工具技能等，全部映射为虚拟文件系统中的文件或目录，实现全类型上下文的统一组织，彻底解决上下文分散割裂的问题。
专属协议唯一URI标识：采用viking://专属协议为每个上下文条目生成全局唯一的URI地址，所有条目都对应明确的虚拟目录路径，避免上下文重复、冲突，便于快速定位与追溯。
标准文件操作指令集：支持类标准文件系统的操作指令管理上下文，包括但不限于list（别名ls，浏览目录结构）、find（语义检索）、read（读取文件详情）、glob（按规则匹配文件）、abstract（读取L0层级摘要）、overview（读取L1层级概述），实现上下文的确定性操控，替代传统RAG的模糊语义匹配模式。
配套能力深度适配：该范式与OpenViking的其他核心能力深度联动：OpenViking分层上下文加载机制将L0（摘要）、L1（概述）、L2（详情）三层内容挂载到对应文件的属性中，实现按需加载降低Token消耗；OpenViking目录递归检索策略基于虚拟目录结构实现「先锁定高分目录、再精细探索内容」的检索逻辑，提升检索准确率；OpenViking上下文自迭代机制生成的新记忆会直接写入虚拟文件系统的/memory目录下的对应文件，实现记忆资产的沉淀与复用。

细节与边界

适用场景

该范式适用于所有AI Agent开发场景，包括单Agent问答助手、多Agent协同工作流、长周期任务执行Agent等，可作为通用上下文底座降低开发成本。

能力边界

需配合VLM多模态理解模型与Embedding向量模型完成上下文的语义处理，暂不支持无模型依赖的纯结构化上下文管理；
当前仅提供Python SDK供开发者集成，暂无其他编程语言的官方SDK；
虚拟文件系统为逻辑层抽象，不直接替换本地物理文件系统或云存储服务。