zclaw_openfang/docs/features/03-context-database/00-openviking-integration.md

OpenViking 集成 (OpenViking Integration)

分类: 上下文数据库 优先级: P1 - 重要 成熟度: L4 - 生产 最后更新: 2026-03-16

---

一、功能概述

1.1 基本信息

OpenViking 是字节跳动开源的 AI Agent 上下文数据库，ZCLAW 通过 HTTP 客户端与之集成，支持本地、远程和本地存储三种模式。

属性	值
分类	上下文数据库
优先级	P1
成熟度	L4
依赖	Tauri Backend

1.2 相关文件

文件	路径	用途
HTTP 客户端	desktop/src/lib/viking-client.ts	前端客户端
Tauri 集成	desktop/src-tauri/src/viking_commands.rs	Rust 命令
服务器管理	desktop/src-tauri/src/viking_server.rs	本地服务器
适配器	desktop/src/lib/viking-adapter.ts	统一接口

---

二、设计初衷

2.1 问题背景

用户痛点:

1. AI Agent 缺乏长期记忆存储
2. 上下文窗口有限
3. 隐私问题：数据存在云端

系统缺失能力:

• 缺乏持久化的上下文存储
• 缺乏语义搜索能力
• 缺乏分层上下文管理

为什么需要: OpenViking 提供了隐私优先的本地上下文数据库，支持 L0/L1/L2 分层存储和语义搜索。

2.2 设计目标

1. 隐私优先: 本地部署，数据不出设备
2. 分层存储: L0 (完整) → L1 (摘要) → L2 (关键词)
3. 语义搜索: 基于向量的相似度搜索
4. 灵活部署: 本地/远程/存储三种模式

2.3 运行模式

模式	描述	适用场景
Local Server	自动管理本地 OpenViking 服务器	隐私优先
Remote	连接远程 OpenViking 服务器	团队协作
Local Storage	纯前端 localStorage	快速开始

2.4 设计约束

• 资源约束: 本地服务器需要额外资源
• 兼容性约束: OpenViking 需要单独安装
• 降级约束: 无 OpenViking 时需要降级

---

三、技术设计

3.1 核心接口

interface VikingClient {
  // 资源管理
  addResource(uri: string, content: string, metadata?: any): Promise<Resource>;
  removeResource(uri: string): Promise<void>;
  ls(scope?: string): Promise<Resource[]>;
  tree(scope?: string): Promise<ResourceTree>;

  // 搜索
  find(query: string, options?: FindOptions): Promise<FindResult[]>;
  findWithTrace(query: string): Promise<FindResultWithTrace[]>;
  grep(pattern: string): Promise<GrepResult[]>;

  // 读取
  readContent(uri: string, level?: 'L0' | 'L1' | 'L2'): Promise<string>;

  // 会话
  extractMemories(sessionId: string): Promise<Memory[]>;
  compactSession(sessionId: string): Promise<void>;
}

interface FindOptions {
  scope?: string;
  limit?: number;
  level?: 'L0' | 'L1' | 'L2';
}

3.2 分层上下文

┌─────────────────────────────────────────┐
│  L0 - 完整内容 (Full Content)            │
│  • 原始对话、代码、文档                   │
│  • 无损存储                              │
│  • Token 消耗高                          │
└────────────────────┬────────────────────┘
                     │ 压缩
                     ▼
┌─────────────────────────────────────────┐
│  L1 - 摘要内容 (Summary)                 │
│  • 结构化摘要                            │
│  • 关键点提取                            │
│  • Token 消耗中等                        │
└────────────────────┬────────────────────┘
                     │ 压缩
                     ▼
┌─────────────────────────────────────────┐
│  L2 - 关键词/索引 (Keywords)             │
│  • 关键词和元数据                        │
│  • 仅用于检索                            │
│  • Token 消耗低                          │
└─────────────────────────────────────────┘

3.3 数据流

添加资源
    │
    ├─► 存储原始内容 (L0)
    │
    ├─► 生成摘要 (L1)
    │       │
    │       └─► LLM 调用或规则提取
    │
    └─► 提取关键词 (L2)
            │
            └─► TF-IDF 或 Embedding

搜索
    │
    ├─► 向量搜索 (L2)
    │
    ├─► 相似度排序
    │
    └─► 返回结果 + L0/L1 内容

3.4 适配器模式

interface VikingAdapter {
  add(uri: string, content: string): Promise<void>;
  find(query: string): Promise<FindResult[]>;
  read(uri: string): Promise<string>;
}

// 本地服务器适配器
class LocalServerAdapter implements VikingAdapter {
  private client: VikingHttpClient;

  async add(uri: string, content: string) {
    return this.client.addResource(uri, content);
  }
}

// 远程服务器适配器
class RemoteServerAdapter implements VikingAdapter {
  private client: VikingHttpClient;
  private baseUrl: string;

  constructor(baseUrl: string) {
    this.baseUrl = baseUrl;
    this.client = new VikingHttpClient(baseUrl);
  }
}

// 本地存储适配器（降级方案）
class LocalStorageAdapter implements VikingAdapter {
  private storage: Storage;

  async add(uri: string, content: string) {
    const resources = JSON.parse(this.storage.getItem('viking_resources') || '{}');
    resources[uri] = { content, timestamp: Date.now() };
    this.storage.setItem('viking_resources', JSON.stringify(resources));
  }
}

---

四、预期作用

4.1 用户价值

价值类型	描述
隐私保护	数据本地存储
记忆持久	跨会话保持上下文
智能检索	语义搜索更精准

4.2 系统价值

价值类型	描述
架构收益	解耦的上下文管理
可维护性	适配器模式易于扩展
可扩展性	支持新的存储后端

4.3 成功指标

指标	基线	目标	当前
搜索命中率	50%	90%	85%
检索延迟	-	<200ms	150ms
隐私合规	-	100%	100%

---

五、实际效果

5.1 已实现功能

• 本地服务器模式
• 远程服务器模式
• 本地存储降级
• 资源 CRUD
• 语义搜索
• L0/L1/L2 分层
• 会话压缩
• Tauri sidecar 管理

5.2 测试覆盖

• 单元测试: 15+ 项 (viking-adapter.test.ts)
• 集成测试: 完整流程测试
• 覆盖率: ~85%

5.3 已知问题

问题	严重程度	状态	计划解决
本地服务器启动较慢	低	已知	-
向量搜索精度依赖 Embedding	中	待优化	Q2

5.4 用户反馈

本地部署让人放心隐私，语义搜索效果不错。

---

六、演化路线

6.1 短期计划（1-2 周）

• 优化本地服务器启动速度
• 添加更多 Embedding 选项

6.2 中期计划（1-2 月）

• 可视化上下文图谱
• 自动上下文迁移

6.3 长期愿景

• 分布式上下文存储
• 跨设备同步

---

七、头脑风暴笔记

7.1 待讨论问题

1. 如何处理上下文的版本控制？
2. 是否需要支持上下文共享？

7.2 创意想法

• 上下文市场：共享有价值的上下文
• 智能压缩：根据重要性动态调整压缩率
• 上下文血缘：追踪上下文的来源和演化

7.3 风险与挑战

• 技术风险: Embedding 质量影响搜索
• 资源风险: 本地服务器资源消耗
• 缓解措施: 可选功能，降级方案完善