OpenViking wprowadza strukturę plików do świata AI. Volcengine porządkuje pamięć agentów

Współczesne systemy agentowe borykają się z paradoksem nadmiaru. Choć technologia RAG (Retrieval-Augmented Generation) pozwala modelom na dostęp do zewnętrznych danych, tradycyjne podejście oparte na płaskich zbiorach fragmentów tekstu często zawodzi w przypadku złożonych, długotrwałych zadań. Odpowiedzią na ten problem ma być OpenViking – otwartoźródłowa baza danych kontekstowych od Volcengine, która porzuca chaos nieustrukturyzowanych danych na rzecz sprawdzonego paradygmatu systemu plików.

Viking: Protokół zamiast indeksu

Fundamentem OpenViking jest wirtualny system plików operujący pod dedykowanym protokołem viking://. Deweloperzy zdecydowali się na odważny krok: zamiast traktować pamięć agenta jako jednowymiarowy zbiór wektorów, zmapowali zasoby, preferencje użytkownika i umiejętności modelu w formie drzewiastej struktury katalogów. Dzięki temu agent AI może operować na danych za pomocą deterministycznych poleceń, takich jak ls czy find. To fundamentalna zmiana – system nie musi już polegać wyłącznie na niepewnym wyszukiwaniu semantycznym (similarity search); potrafi fizycznie zlokalizować informację w konkretnym kontekście hierarchicznym.

Precyzja dzięki rekurencji

Innowacja nie kończy się na samej strukturze. OpenViking wprowadza mechanizm Directory Recursive Retrieval, który łączy zalety wyszukiwania wektorowego z logiką nawigacji po folderach. System najpierw identyfikuje najbardziej trafny katalog, a następnie rekurencyjnie przeszukuje jego zawartość, aż dotrze do właściwego subkatalogu lub pliku. Takie podejście pozwala zachować tak zwany globalny kontekst struktury – model nie otrzymuje jedynie „pływającego” fragmentu tekstu, ale wie dokładnie, w jakiej sekcji dokumentacji czy historii sesji się on znajduje.

Warstwy danych i oszczędność tokenów

Kolejnym krytycznym problemem, który rozwiązuje projekt, jest tak zwany prompt bloat, czyli przeładowanie zapytań niepotrzebnymi danymi, co generuje ogromne koszty i obciąża pamięć modelu. OpenViking automatycznie przetwarza dane do trzech poziomów (L0, L1, L2):
1. L0 (Abstract): Jednozdaniowe streszczenie do błyskawicznej identyfikacji.
2. L1 (Overview): Przegląd z kluczowymi informacjami i scenariuszami użycia.
3. L2 (Full Content): Pełna treść źródłowa.

Dzięki temu agent może najpierw „przejrzeć” spisy treści i krótkie opisy, a po pełne dane sięgnąć dopiero wtedy, gdy zadanie faktycznie tego wymaga. Wyniki testów na zestawie danych LoCoMo10 są obiecujące: zastosowanie OpenViking pozwoliło na zwiększenie skuteczności wykonywania zadań z 35,65% do ponad 52%, przy jednoczesnym dziesięciokrotnym ograniczeniu liczby zużywanych tokenów wejściowych.

Koniec z „czarną skrzynką” kontekstu

Dla deweloperów kluczowy może okazać się moduł Visualized Retrieval Trajectory. Wiele błędów w działaniu agentów nie wynika z niskiej jakości samego modelu językowego, lecz z błędnego doboru informacji przez systemy RAG. OpenViking rejestruje ścieżkę nawigacji agenta po strukturze plików, co pozwala inżynierom na precyzyjne debugowanie procesu „myślowego” i zrozumienie, dlaczego system wybrał akurat tę, a nie inną informację. Całość uzupełnia system automatycznego zarządzania sesjami, który po zakończeniu pracy analizuje rezultaty i samoczynnie aktualizuje bazę wiedzy o użytkowniku i wzorce użycia narzędzi, tworząc żywy, ewoluujący ekosystem pamięci długotrwałej.