Mới thấy dự án GitHub này 🛡️ OpenViking đang tăng vọt 📈. Đây có thể là trình quản lý bộ nhớ tốt nhất cho @openclaw! 👀 ✅ OpenViking (volcengine/OpenViking) là một dự án mã nguồn mở được phát hành bởi bộ phận đám mây của ByteDance, Volcengine. Nó đang bùng nổ về độ phổ biến và có thể trở thành tiêu chuẩn cho bộ nhớ agentic. Cộng đồng đã bắt đầu xây dựng các plugin trực tiếp để tích hợp nó với OpenClaw. Đây là những gì tôi tìm thấy về OpenViking như là trình quản lý bộ nhớ tối ưu cho các tác nhân tự động. 👇 🦞 OpenViking là gì? Hiện tại, hầu hết các tác nhân AI (như OpenClaw) sử dụng RAG truyền thống cho bộ nhớ. RAG truyền thống đổ tất cả các tệp, mã và kỷ niệm của bạn vào một hồ bơi vector nhúng khổng lồ, phẳng. Điều này không hiệu quả, tốn kém, đôi khi chậm và có thể khiến AI ảo tưởng hoặc mất ngữ cảnh. OpenViking thay thế điều này. Các tác giả gọi bộ nhớ mới này là "Cơ sở dữ liệu ngữ cảnh" mà đối xử với bộ nhớ AI như một hệ thống tệp máy tính. Thay vì một hồ bơi dữ liệu phẳng, tất cả kỷ niệm, tài nguyên và kỹ năng của một tác nhân được tổ chức thành một cấu trúc thư mục sạch sẽ, phân cấp bằng cách sử dụng một giao thức tùy chỉnh. 🚀 Tại sao điều này hữu ích cho OpenClaw? 🗂️ Mô hình Hệ thống Tệp Ảo Thay vì tìm kiếm một cơ sở dữ liệu khổng lồ một cách không hiệu quả, OpenClaw giờ đây có thể điều hướng bộ nhớ của nó giống như một con người điều hướng một máy Mac hoặc PC. Nó có thể sử dụng các lệnh giống như terminal để ls (liệt kê nội dung), find (tìm kiếm) và tree (xem cấu trúc thư mục) bên trong bộ não của nó. Nếu nó cần một tệp dự án cụ thể, nó biết chính xác thư mục nào để tìm (ví dụ: viking://resources/project-context/). 📉 Tải Ngữ Cảnh Theo Cấp (Tiết Kiệm Token Khổng Lồ) Nhồi nhét các tài liệu khổng lồ vào cửa sổ ngữ cảnh của AI là tốn kém và làm chậm tác nhân. OpenViking giải quyết điều này bằng một hệ thống tải theo cấp L0/L1/L2 thông minh: L0 (Trừu tượng): Một tóm tắt 100 token của một tệp[5]. L1 (Tổng quan): Một tổng quan cấu trúc 2k token[5]. L2 (Chi tiết): Tài liệu đầy đủ, khổng lồ[5]. Tác nhân duyệt qua các tóm tắt L0 và L1 trước. Nó chỉ "tải xuống" tệp L2 khổng lồ vào cửa sổ ngữ cảnh của nó nếu nó thực sự cần, giảm thiểu chi phí token và hóa đơn API. 🎯 Lấy Dữ Liệu Đệ Quy Thư Mục Các cơ sở dữ liệu vector truyền thống gặp khó khăn với các truy vấn phức tạp vì chúng chỉ tìm kiếm các cụm từ khóa. OpenViking sử dụng một phương pháp lai. Nó đầu tiên sử dụng tìm kiếm ngữ nghĩa để tìm thư mục chính xác. Khi đã vào thư mục, nó khoan sâu đệ quy vào các thư mục con để tìm tệp chính xác. Điều này cải thiện đáng kể độ chính xác của AI và loại bỏ các thất bại ngữ cảnh "mất trong giữa". 🧠 Bộ Nhớ Tự Tiến Hóa và Bền Vững Khi bạn đóng một cuộc trò chuyện AI bình thường, nó quên mọi thứ. OpenViking có một vòng lặp tự lặp bộ nhớ tích hợp. Vào cuối mỗi phiên OpenClaw, hệ thống tự động phân tích kết quả nhiệm vụ và cập nhật các thư mục bộ nhớ bền vững của tác nhân. Nó nhớ sở thích lập trình của bạn, những sai lầm trong quá khứ của nó và cách sử dụng các công cụ cụ thể cho lần tiếp theo bạn bật nó lên. 👁️ Kết Thúc "Hộp Đen" Các nhà phát triển ghét RAG truyền thống vì khi AI kéo sai tệp, thật khó để biết lý do tại sao. OpenViking làm cho bộ nhớ của tác nhân hoàn toàn có thể quan sát được. Bạn có thể xem "Quá Trình Lấy Dữ Liệu" chính xác để xem các thư mục mà tác nhân đã nhấp vào và lý do tại sao nó đã đưa ra quyết định mà nó đã làm, điều mà tôi thấy là tính năng hữu ích nhất. 🎯 Tóm Lại OpenViking là mảnh ghép còn thiếu cho AI tự động cục bộ. Bằng cách cung cấp cho OpenClaw một hệ thống bộ nhớ có cấu trúc, dựa trên tệp giúp tiết kiệm token và học hỏi từ những sai lầm của nó, ByteDance vừa mới cung cấp cho 🦞 Clawdbots một bộ não cấp doanh nghiệp miễn phí.