RIP RAG plano ☠️ ByteDance acaba de hacer OpenViking de código abierto y expone todo lo que está mal en cómo hemos estado construyendo la memoria de los agentes de IA. Esto es lo que todos los marcos de agentes hacen mal: Las memorias viven en un lugar. Los recursos en otro. Las habilidades dispersas por todas partes. Y cuando necesitas contexto, estás haciendo una búsqueda de vectores plana y esperando lo mejor. Ese es el problema. OpenViking lo soluciona todo con una idea: tratar el contexto del agente como un sistema de archivos. Todo vive bajo un protocolo unificado viking://. Memorias, recursos, habilidades, todo organizado en directorios con URIs únicas. Los agentes pueden ls, encontrar y navegar el contexto como un desarrollador trabajando en una terminal. Pero el verdadero avance es la carga en capas: → L0: resumen de una frase para una búsqueda rápida → L1: ~2k tokens de visión general para decisiones de planificación → L2: detalles completos cargados solo cuando realmente se necesitan La mayoría de los agentes vuelcan todo en el contexto y rezan. OpenViking carga solo lo que se necesita, cuando se necesita. Los costos de tokens disminuyen. La precisión aumenta. Y la recuperación ahora tiene sentido. En lugar de una búsqueda semántica plana, primero hace una posicionamiento a nivel de directorio, luego un refinamiento recursivo dentro de los directorios de alta puntuación. Puedes literalmente observar la trayectoria de recuperación, ya no hay caja negra. La parte de auto-evolución también es increíble. Al final de cada sesión, extrae automáticamente aprendizajes y actualiza la memoria del agente y del usuario. El agente se vuelve más inteligente cuanto más lo usas. 9K estrellas. 13 colaboradores. Construido por el equipo Viking de ByteDance que ha estado ejecutando infraestructura de vectores desde 2019. 100% de código abierto. Apache 2.0. Enlace en los comentarios.