OpenViking技能记忆实战:如何把Agent踩过的坑沉淀成可复用经验 OpenViking技能记忆实战如何把Agent踩过的坑沉淀成可复用经验【免费下载链接】OpenVikingSelf-evolving Context Database for AI Agents. Unify Agent Memory, Knowledge RAG and Skills.项目地址: https://gitcode.com/GitHub_Trending/op/OpenVikingOpenViking 是一个自进化上下文数据库Self-evolving Context Database它把Agent 记忆、知识 RAG 和 Skills统一存储与管理。本文将带你实战理解 OpenViking 的技能记忆机制如何让 Agent 每次任务踩过的坑自动沉淀为可复用、可检索、可审计的经验并在下次执行前主动召回。什么是 OpenViking 技能记忆普通 Agent 的记忆往往只有对话摘要聊过什么、偏好什么。但真正让 Agent 越用越聪明的是执行层面的经验——部署失败怎么排查、命令报错怎么恢复、多步工作流的正确顺序是什么。OpenViking 把这类知识抽象为三种上下文类型详见 docs/zh/concepts/02-context-types.md类型定位谁来维护Resource知识规则文档、代码库用户添加MemoryAgent 的认知含经验Agent 自动记录SkillAgent 可声明调用的能力配置用户/系统添加其中经验是 Memory 下的一个专门记忆类型存储位置为viking://~/memories/ ├── cases/ # 任务案例训练素材 ├── trajectories/ # 可复用的执行轨迹 └── experiences/ # 从执行结果中蒸馏出的可复用经验这三个目录不是孤立的数据而是一条完整的自进化流水线。踩坑如何变成经验三段式蒸馏流程OpenViking 的经验学习框架设计文档见 docs/design/traj-exp-experience-learning-redesign.md把experiences目录视为一个可优化的经验策略集Experience Policy Set每个经验文件就是一个带版本、状态和引用关系的Experience。核心链路如下Session 提交每次session.commit()后OpenViking 在后台提取对话若识别出任务案例case就触发训练。案例 → 轨迹把真实任务执行过程抽取为 Trajectory记录做了什么、结果如何。轨迹 → 经验通过 analyze → estimate → plan → apply 四步把轨迹中的成功模式与失败教训蒸馏为 Experience 文件写入experiences目录。整个过程有两层工程保障非常适合生产环境并发安全经验的读取、合并、写入都在ExperienceSet.lock()内串行执行reload → plan → apply多个会话同时提交也不会写坏经验库。可审计每次 commit 会在归档目录写入 memory_diff.json逐条记录新增、修改、删除了哪些经验文件改没改、改了什么一目了然。关键一步打开 Agent Evolution 开关经验学习不会默认静默运行。它是一个部署级开关设计说明见 docs/design/agent-evolution-global-switch-design.md在服务器配置中将server.agent_evolution.enabled设为true会话的memory_policy.memory_types中包含experiences时会自动激活cases和trajectories跑通完整链路。开关关闭不会删除已有经验已有的经验仍可被搜索和读取——只是不再自动增长。这种可开关、可回退的设计让经验库的演进始终可控。经验如何被 Agent 复用召回技能沉淀只是上半场召回才是价值兑现。OpenViking 提供了一个现成的技能定义 ov-experience-memory/SKILL.md教会 Agent 在执行多步、可操作的任务前主动查经验判断时机编码、改配置、部署、故障恢复等任务才检索闲聊和简单问答直接跳过。构造查询一条精炼 query 包含任务目标、领域对象、操作意图和关键约束失败后补上错误签名。定向搜索只搜索当前用户的经验根viking://~/memories/experienceslimit5起步。精读应用选出 1~3 个最可能改变执行结果的 Experience 文件用read读取正文摘要只用于筛选不能代替正文。失败兜底若执行因新原因失败最多再发起一次聚焦搜索用失败证据重新召回。同时该技能明确了优先级边界系统指令 当前用户请求 环境证据 经验。经验是可复用流程建议不是安全策略也不是操作成功的证明——过时的、冲突的经验会被忽略。实践清单从 0 到 1 跑通经验闭环✅ 部署 OpenViking 服务启用 Agent Evolution 全局开关✅ 会话提交时确保memory_types包含experiences✅ 在 Agent 侧挂载 openviking-memory/SKILL.md 与 ov-experience-memory/SKILL.md 两个技能✅ 定期用ovCLI 浏览viking://~/memories/experiences/审计经验质量✅ 关注每次 commit 产生的memory_diff.json把经验库当代码库一样 review总结OpenViking 的技能记忆机制本质是给 Agent 装了一套踩坑—蒸馏—召回的自进化闭环cases 记录案例trajectories 保留轨迹experiences 沉淀经验skills 负责在正确时机召回经验。配合并发安全合并与变更审计经验库可以像代码库一样被管理和信任。当你把重复踩的坑变成一条带前置条件的经验文件时Agent 才真正开始越用越聪明。更多配置与 API 细节可参考 docs/zh/guides/01-configuration.md 与 docs/zh/api/05-sessions.md。【免费下载链接】OpenVikingSelf-evolving Context Database for AI Agents. Unify Agent Memory, Knowledge RAG and Skills.项目地址: https://gitcode.com/GitHub_Trending/op/OpenViking创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

相关新闻

最新新闻

蔚来算法岗笔试复盘:从KMP到卡尔曼滤波的秋招通关指南

蔚来算法岗笔试复盘:从KMP到卡尔曼滤波的秋招通关指南

1. 笔试整体画像与题型结构各位准备秋招的学弟学妹们,蔚来算法岗的笔试我今年刚经历过一轮,趁着记忆还热乎,来写一篇完整复盘。先说结论:蔚来算法岗笔试的难度在整车厂里属于第一梯队,不亚于互联网大厂的核心算法岗。其…

2026/9/1 14:57:03
OpenCode桌面端:本地部署AI编程助手,打造自主可控的开发环境

OpenCode桌面端:本地部署AI编程助手,打造自主可控的开发环境

如果你是一名开发者,最近可能已经注意到一个现象:无论是 GitHub 趋势榜,还是技术社区讨论,围绕“桌面端 AI 编程助手”的话题热度正在快速攀升。从 ChatGPT 的桌面应用,到 Claude 的 Code 版本,再到 DeepSe…

2026/9/1 14:57:03
bert-base-chinese.zip 从下载到加载:中文BERT模型完整避坑指南

bert-base-chinese.zip 从下载到加载:中文BERT模型完整避坑指南

简介:面向中文自然语言处理学习者和工程师,这份资源提供了来自国际主流模型平台的中文预训练语言模型压缩包,适用于文本分类、命名实体识别、语义匹配等常见任务。借助相关模型加载工具即可直接使用,特别适合国内网络环境&#xf…

2026/9/1 14:57:03
AI Agent一键生成微信小程序:从需求描述到可运行项目全流程实践

AI Agent一键生成微信小程序:从需求描述到可运行项目全流程实践

这次我们来看一个很有意思的实践:我把AI Agent和微信小程序开发串成了一个完整的Skill,从你输入一句话需求,到最终在微信开发者工具里跑起来,中间所有环节——需求分析、原型设计、页面结构、逻辑代码、云开发配置、甚至首次运行的…

2026/9/1 14:57:03
商业化游戏开发技术专栏知识大全

商业化游戏开发技术专栏知识大全

一、游戏引擎技术 主流引擎选择 Unity:跨平台能力强,适合中小团队,C#开发,资源商店丰富 Unreal Engine:画面表现顶级,蓝图可视化编程,适合3A级项目 Cocos:轻量级,适合2D手游和小游戏 Godot:开源免费,逐渐成熟 引擎核心模块 渲染系统 物理引擎 音频系统 动画系统 资…

2026/9/1 14:57:03
C++实现JPEG编码器:从灰度图到标准JPEG的完整指南

C++实现JPEG编码器:从灰度图到标准JPEG的完整指南

简介:本资源是一套基于C实现的JPEG图像压缩与解压缩算法完整工程,面向图像处理初学者、嵌入式视觉开发者及算法原理学习者,解决灰度图数据向标准JPEG格式编码转换的核心问题,适用于教学演示、轻量级图像压缩模块集成及算法底层原理…

2026/9/1 14:52:02