RIP flat Rag ☠️ ByteDance juuri avasi OpenVikingin avoimen lähdekoodin ja se paljastaa kaiken virheen siinä, miten olemme rakentaneet tekoälyagenttimuistia. Tässä on, mitä jokainen agenttikehys tekee väärin: Muistot elävät yhdessä paikassa. Resursseja toisessa. Taitoja oli ripoteltu kaikkialle. Ja kun tarvitset kontekstia, teet litteää vektorihakua ja toivot parasta. Siinä on ongelma. OpenViking korjaa kaiken yhdellä idealla: käsitellä agenttikontekstia kuin tiedostojärjestelmää. Kaikki elää yhtenäisen viking://-protokollan alaisuudessa. Muistot, resurssit, taidot on kaikki organisoitu hakemistoihin, joissa on ainutlaatuiset URI:t. Agentit voivat löytää ja navigoida kontekstissa kuin kehittäjä terminaalilla. Mutta todellinen läpimurto on kerrostettu lataus: → L0: yhden lauseen tiivistelmä nopeaan hakuun → L1: ~2k token-yleiskatsaus suunnittelupäätöksiin → L2: täydelliset tiedot ladataan vain, kun niitä oikeasti tarvitaan Useimmat agentit laittavat kaiken kontekstiin ja rukoilevat. OpenViking lataa vain sen, mitä tarvitaan, silloin kun sitä tarvitaan. Token-kustannukset laskevat. Tarkkuus paranee. Ja nouto on nyt oikeasti järkevää. Yhden litteän semanttisen haun sijaan se tekee ensin hakemistotason sijoittelun ja sitten rekursiivisen tarkennusta korkean pistemäärän hakemistoissa. Voit kirjaimellisesti seurata noutoreittiä ilman mustaa laatikkoa. Itsekehitys on myös villi. Jokaisen istunnon lopussa se automaattisesti poimii oppia ja päivittää agentin ja käyttäjän muistin. Agentti vain muuttuu älykkäämmäksi mitä enemmän sitä käytät. 9 000 tähteä. 13 avustajaa. Rakentanut ByteDance Viking -tiimi, joka on pyörittänyt vektori-infrastruktuuria vuodesta 2019 lähtien. 100 % avoimen lähdekoodin. Apache 2.0. Linkki kommentteihin.