OpenViking 的上下文组织与检索
内容提要
OpenViking 是一个开源项目，通过虚拟文件系统组织Agent上下文，分资源、记忆、技能三类，采用L0/L1/L2摘要层级和分层检索。它强调文件系统为真相源、向量库为派生索引，用锁和两段式提交保证一致性。基准测试显示性能提升，但依赖LLM裁判，且存在文档与代码偏差。
延伸解读
文件系统作为真相源的设计取舍
OpenViking 将文件系统视为唯一真相源，向量库只是派生索引，因此宁可漏检也不返回错误结果。这种设计体现在操作顺序上：rm 先删索引再删文件，mv 先拷贝再改索引，确保崩溃时源数据不丢失。锁机制也强调快速失败而非排队，避免调用方被阻塞。这种取舍适合对数据一致性要求高的场景，但代价是写入路径复杂，且需要维护摘要层级。
分层摘要与检索的默认行为
L0/L1/L2 三层摘要中，L0 用于向量检索，L1 用于 rerank 和导航，L2 为原始内容。默认情况下，父目录分数不参与子节点排序（alpha=1.0），树结构仅提供导航和上下文完整性，最终排序完全依赖节点自身语义分数。这意味着“目录递归检索”并不自动提升父目录相关子项的排名，需要手动调整 alpha 才能实现。理解这一点有助于避免对检索结果的误解。
基准测试的解读与局限
LoCoMo 上准确率从 24% 提升到 82% 等数据很亮眼，但需注意两点：一是评分依赖 LLM 裁判，绝对数值受裁判模型影响；二是对比的是“原生记忆”与“集成 OpenViking”的端到端效果，基线可能较弱，提升幅度不能完全归因于检索质量。Claude Code 从 57% 到 80% 的基线较强，更具参考价值。评测脚本开源值得肯定，但跨报告比较需谨慎。
文档与代码偏差的警示
文档中提到的 RAGFS_IMPL 环境变量和 Go 实现回退开关在代码中并不存在，属于纯文档残留。但其他配置如 score_propagation_alpha、锁过期时间等与代码一致。这提醒用户，依赖文档时需交叉验证，尤其是涉及环境变量或可选功能时。项目仍处于活跃开发中，部分调度策略（如摘要刷新）尚未完善，需关注后续更新。
Q&A
OpenViking 是什么？它如何组织 agent 的上下文？
OpenViking 是一个开源项目，通过虚拟文件系统（viking://）来组织 agent 的上下文。它将上下文分为资源（Resource）、记忆（Memory）和技能（Skill）三类，并采用 L0/L1/L2 摘要层级和分层检索。它强调文件系统是真相源，向量库是派生索引，并使用锁和两段式提交保证一致性。
OpenViking 的 L0、L1、L2 摘要层级分别是什么？
L0 是目录下的 .abstract.md 文件，默认上限 256 字符，用于向量检索和快速筛选；L1 是 .overview.md 文件，上限 4000 字符，用于 rerank 和内容导航；L2 是原始文件和子目录，没有统一上限，按需加载。摘要生成是自底向上的，从文件摘要到叶子目录 L1，再到 L0，最后到父目录。
OpenViking 如何保证数据一致性？
OpenViking 采用文件系统为真相源、向量库为派生索引的设计，操作顺序遵循先删索引再删文件（rm）、先拷贝再改索引再删源（mv）等原则。使用路径锁（EXACT 和 TREE 类型）和两段式提交（session.commit() 分为不持锁的第一段和持锁的第二段）来保证一致性。锁有超时和过期清理机制，避免死锁和活锁。
OpenViking 的检索流程是怎样的？
OpenViking 提供 find() 和 search() 两个入口。find() 不需要会话上下文，延迟低；search() 需要会话上下文，通过 LLM 进行意图分析，生成零到五条查询。检索采用分层下钻，使用优先队列递归，每轮并行展开最多 4 个目录，收敛判定是 top-k 连续 3 轮不变或候选池不再增长。默认情况下，最终排序只基于节点自身的语义分数，父节点分数权重为 0（alpha=1.0）。
OpenViking 的基准测试结果如何？
在 LoCoMo 上，OpenClaw 从 24.20% 提升到 82.08%，Hermes 从 33.38% 到 82.86%，Claude Code 从 57.21% 到 80.32%，同时输入 token 降低 34.3% 到 91.0%，查询延迟降低 58.45% 到 66.10%。在 tau2-bench 上，零售任务成功率提升 6.87 个百分点，航空提升 11.87 个百分点。但测试依赖 LLM 裁判，且对比的是集成后的端到端效果，基线可能较弱。
OpenViking 的文档与代码存在哪些偏差？
文档 crates/ragfs/ORIGIN.md 提到 RAGFS 是 AGFS 的 Rust 重写，并提供了回退到 Go 实现的开关（RAGFS_IMPL），但仓库中并没有 Go 实现，该开关也没有被任何代码读取。此外，文档中关于 score_propagation_alpha 等参数的描述与代码一致，但默认行为可能和直觉不同（如父节点分数权重为 0）。
OpenViking 如何处理技能中的敏感值？
OpenViking 在添加技能时，使用 LLM 从技能正文中抽取敏感值（如 api_key、token、base_url），将其替换为占位符，真实值存储在版本化的隐私配置中。读取时自动还原。如果占位符找不到对应值，会保留占位符并追加隐私通知。但敏感值的识别依赖模型，可能漏掉某些敏感信息。
OpenViking 的许可证是什么？使用它有什么限制？
OpenViking 采用 AGPLv3 许可证，crates/ov_cli 和 examples/ 目录使用 Apache 2.0。AGPLv3 意味着如果将其作为服务对外提供，可能触发传染条款，需要开源相关代码。此外，OpenViking 是一个需要单独运行的服务，依赖多种模型调用，运维成本较高。
