OpenViking

基于OpenViking的RAG系统,支持文档查询、知识管理与向量检索。

已扫描安全风险
适合谁
需要构建AI知识库的技术人员、使用AI助手进行文档分析的研究者
不适合谁
无API密钥或网络访问能力的用户、不熟悉命令行操作的初学者
国内可用性
需网络配置。可能需要网络配置或第三方服务可访问。
安装难度
新手友好(★☆☆)。基于终端操作、依赖、API Key 和本地环境要求的初步判断。

安装与下载

openclaw skills install @zaynjarvis/openviking-skill

Skill 说明

命令、参数、文件名以原文为准

OpenViking - AI Agent 用上下文数据库

OpenViking 是字节跳动开源的 上下文数据库,专为 AI Agent 设计——一种下一代 RAG 系统,用文件系统范式替代传统的扁平向量存储,用于管理记忆、资源和技能。

核心特性:

  • 文件系统范式:像文件一样组织上下文,使用 URI 格式(viking://resources/...
  • 分层上下文(L0/L1/L2):抽象 → 概述 → 完整内容,按需加载
  • 目录递归检索:相比扁平向量搜索,准确率更高
  • 内置 MCP 服务器:通过 Model Context Protocol 实现完整 RAG 流程

快速检查:是否已配置?

test -f ~/code/openviking/examples/mcp-query/ov.conf && echo "就绪" || echo "需要设置"
curl -s http://localhost:2033/mcp && echo "运行中" || echo "未运行"

若未配置 → 初始化

运行初始化脚本(仅需一次):

bash ~/.openclaw/skills/openviking-mcp/scripts/init.sh

该脚本将执行以下操作:

  1. https://github.com/volcengine/OpenViking 克隆 OpenViking 项目
  2. 使用 uv sync 安装依赖
  3. 创建 ov.conf 配置模板
  4. 暂停等待你添加 API 密钥(包括 embedding.dense.api_keyvlm.api_key

必需:火山引擎 / Ark API 密钥

配置项用途
embedding.dense.api_key语义搜索嵌入
vlm.api_key用于生成答案的 LLM

获取密钥请访问:https://console.volcengine.com/ark

启动服务

cd ~/code/openviking/examples/mcp-query
uv run server.py

可选参数:

  • --port 2033 - 监听端口
  • --host 127.0.0.1 - 绑定地址
  • --data ./data - 数据目录

服务地址为:http://127.0.0.1:2033/mcp

连接 Claude

claude mcp add --transport http openviking http://localhost:2033/mcp

或添加至 ~/.mcp.json

{
  "mcpServers": {
    "openviking": {
      "type": "http",
      "url": "http://localhost:2033/mcp"
    }
  }
}

可用工具

工具描述
query完整 RAG 流程 —— 搜索 + LLM 回答
search仅语义搜索,返回文档
add_resource添加文件、目录或 URL

使用示例

连接 MCP 后可执行:

"Query: 什么是 OpenViking?"
"Search: 机器学习论文"
"Add https://example.com/article 到知识库"
"Add ~/documents/report.pdf"

故障排查

问题解决方法
端口被占用使用 uv run server.py --port 2034 更换端口
认证错误检查 ov.conf 中的 API 密钥
找不到服务确保服务正在运行:curl localhost:2033/mcp

文件说明

  • ov.conf - 配置文件(API 密钥、模型等)
  • data/ - 向量数据库存储目录
  • server.py - MCP 服务器实现
Z
@zaynjarvis

已收录 1 个 Skill

相关推荐