文档中心

火山方舟

接入 AI 工具

OpenViking

OpenViking 是专为 AI 智能体（Agent）打造的上下文数据库，主要适用于多 Agent 协同、长期记忆管理、复杂任务执行等场景。该数据库采用 viking://文件系统范式，将智能体的记忆、资源与技能进行统一组织管理，依托分层加载机制按需供给上下文，在减少 Token 消耗的同时提升运行效率，结合目录式检索优化信息召回效果。功能上，OpenViking 支持多租户、多用户及多 Agent 隔离，且能在会话结束后自动沉淀长期记忆，实现智能体能力的持续积累与自我优化，既有效降低开发者的上下文管理成本，也能显著提升 OpenClaw 等智能体的整体运行表现。

方舟 Coding Plan 支持在 OpenViking 中使用，可参考本文进行配置及使用。

注意

OpenViking 工具处于快速迭代阶段，本文使用的版本为 0.4.15，如果实际使用与以下步骤存在差异，可参见 OpenViking：AI 智能体的上下文数据库。

说明

需要先访问方舟 Coding Plan活动，按需订阅套餐后再配置使用工具。

核心配置

模型配置

VLM 模型

Coding Plan 支持的 VLM 模型及配置方式如下：

配置 Model Name (配置文件指定)

配置 ark-code-latest (控制台管理)

在工具配置文件中指定 Model Name，可实时切换模型。支持配置的 Model Name：

注意

配置 Model Name 时，支持使用全小写格式，同时也支持直接复制中的模型名称。

doubao-seed-2.1-pro

doubao-seed-2.1-lite

doubao-seed-evolving

minimax-m2.7

minimax-m3

glm-5.3

glm-5.3-flash

deepseek-v4-flash

deepseek-v4-pro

kimi-k2.6

kimi-k2.7-code

kimi-k2.8-preview

kimi-k3

说明

Model Name 不支持配置为 Auto，如需使用，请通过控制台切换该模式。

Embedding 模型

Coding Plan 支持的 Embedding 模型：doubao-embedding-vision

Base URL

使用 Coding Plan 专属 Base URL：https://ark.cn-beijing.volces.com/api/coding/v3（兼容 OpenAI 接口协议）

注意

请使用 Coding Plan 专属 Base URL，否则会产生额外费用。

API Key

获取 API Key

一、前提条件

已安装 Python 3.10 或更高版本。

已安装 Go 1.22 或更高版本。

已安装 C++ 编译器，且 GCC 9+ 或 Clang 11+。

说明

通过命令clang++ --version和clang++ -std=c++17 -E -x c++ - < /dev/null检查 C++编译器支持情况。

说明

如果执行 pip install openviking 时提示 No matching distribution found，请先运行 python3 --version 确认 Python 版本不低于 3.10。

二、安装 OpenViking

执行以下命令安装 OpenViking。

pip install openviking --upgrade --force-reinstall

安装结束后，执行以下命令查看安装结果，若显示版本号则安装成功。

openviking --version

三、配置 OpenViking

创建配置文件~/.openviking/ov.conf，配置信息如下。需要修改的配置信息如下：

storage.workspace：替换为实际的工作空间路径。

embedding：配置 Embedding 模型，用于向量化和语义检索。

embedding.dense.model：支持的 Embedding 模型 doubao-embedding-vision。

embedding.dense.api_key：替换为您自己的 API Key。

vlm：配置 VLM 模型，用于图像和内容理解。

vlm.model：支持的 VLM 模型，具体参见VLM 模型。

vlm.api_key：替换为您自己的 API Key。

{​
  "storage": {​
    "workspace": "/home/your-name/openviking_workspace"​
  },​
  "log": {​
    "level": "INFO",​
    "output": "stdout"​
  },​
  "embedding": {​
    "dense": {​
      "backend": "volcengine",​
      "api_key": "<ARK_API_KEY>",​
      "model": "doubao-embedding-vision",​
      "api_base": "https://ark.cn-beijing.volces.com/api/coding/v3",​
      "dimension": 1024,​
      "input": "multimodal"​
    }​
  },​
  "vlm": {​
    "backend": "volcengine",​
    "api_key": "<ARK_API_KEY>",​
    "model": "doubao-seed-2.1-pro",​
    "api_base": "https://ark.cn-beijing.volces.com/api/coding/v3",​
    "temperature": 0.1,​
    "max_retries": 3​
  }​
}​

设置服务器配置环境变量。

根据系统环境选择对应的方式设置环境变量。

说明

如果配置文件放在其他位置，需要在环境变量中指定对应的文件路径。

macOS/Linux

Windows

执行以下命令，设置环境变量指向对应的配置文件。

export OPENVIKING_CONFIG_FILE=~/.openviking/ov.conf

四、开始使用 OpenViking

说明

需要先在另一个终端执行 openviking-server 启动服务，再运行下面的 Python 示例。

创建 Python 文件example.py，代码内容如下。

from openviking_sdk import SyncHTTPClient

# Initialize OpenViking HTTP client
client = SyncHTTPClient(url="http://localhost:1933", api_key="<ARK_API_KEY>")

try:
# Initialize the client
client.initialize()

# Add resource (supports URL, file, or directory)
add_result = client.add_resource(
path="https://raw.githubusercontent.com/volcengine/OpenViking/refs/heads/main/README.md"
)
root_uri = add_result['root_uri']

# Explore the resource tree structure
ls_result = client.ls(root_uri)
print(f"Directory structure:\n{ls_result}\n")

# Use glob to find markdown files
glob_result = client.glob(pattern="**/*.md", uri=root_uri)
if glob_result['matches']:
content = client.read(glob_result['matches'][0])
print(f"Content preview: {content[:200]}...\n")

# Wait for semantic processing to complete
print("Wait for semantic processing...")
client.wait_processed(timeout=120)

# Get abstract and overview of the resource
abstract = client.abstract(root_uri)
overview = client.overview(root_uri)
print(f"Abstract:\n{abstract}\n\nOverview:\n{overview}\n")

# Perform semantic search
results = client.find("what is openviking", target_uri=root_uri)
print("Search results:")
for r in results.get("resources", []):
print(f" {r['uri']} (score: {r['score']:.4f})")

# Close the client
client.close()

except Exception as e:
print(f"Error: {e}")

执行命令 python example.py，输出如下内容则说明 OpenViking 已成功运行。

Directory structure:
...
Content preview: ...

Wait for semantic processing...
Abstract:
...
Overview:
...
Search results:
viking://resources/... (score: 0.8523)
...

其他操作

CLI 服务端配置并使用 OpenViking

如果需要将 OpenViking 作为独立的 HTTP 服务运行，然后从任意客户端连接，请参考以下步骤进行配置。

前提条件

已安装并完成配置 OpenViking，具体参见安装 OpenViking、配置 OpenViking。

启动服务

执行以下命令启动服务。

openviking-server

启动完成后，在新的命令行界面执行以下命令验证服务启动是否成功，若返回"status":"ok"则表示启动成功。

curl http://localhost:1933/health

使用 CLI 连接

创建 CLI 连接配置文件 ~/.openviking/ovcli.conf，配置信息如下。其中<ARK_API_KEY>需替换为您自己的 API Key。

{
"url": "http://localhost:1933",
"api_key": "<ARK_API_KEY>",
"output": "table"
}

在新的命令行界面执行以下 CLI 命令。

# Check system health
openviking observer system

# Add a resource to memory
openviking add-resource https://raw.githubusercontent.com/volcengine/OpenViking/refs/heads/main/README.md

# List all synchronized resources
openviking ls viking://resources

# Query
openviking find "what is openviking"

使用 curl 连接

启动服务后，也可以在命令行界面使用 curl 命令连接 OpenViking。

# Add a resource​
curl -X POST http://localhost:1933/api/v1/resources \​
  -H "Content-Type: application/json" \​
  -d '{"path": "https://raw.githubusercontent.com/volcengine/OpenViking/refs/heads/main/README.md"}'​
​
# List resources​
curl "http://localhost:1933/api/v1/fs/ls?uri=viking://resources/"​
​
# Semantic search​
curl -X POST http://localhost:1933/api/v1/search/find \​
  -H "Content-Type: application/json" \​
  -d '{"query": "what is openviking"}'​

在 OpenClaw 配置 OpenViking 记忆功能

通过 OpenViking 为 OpenClaw 提供长效记忆能力，配置完成后，OpenClaw 将自动记住对话中的重要信息，并在回复前回忆相关内容。

前提条件

已完成 OpenClaw 的安装与配置，具体参见安装 OpenClaw、配置 OpenClaw。

安装及配置

具体步骤参见为 OpenClaw 安装 OpenViking 记忆功能。

安装完成后，编辑配置文件~/.openviking/ov.conf，使用 Coding Plan 支持的模型。配置信息可参见配置工具。

最近更新时间：2026.09.23 17:07:48

这个页面对您有帮助吗？

有用

无用