RIP flat RAG ☠️ ByteDance heeft net OpenViking open-source gemaakt en het legt alles bloot wat er mis is met hoe we het geheugen van AI-agenten hebben opgebouwd. Dit is wat elk agentframework verkeerd doet: Herinneringen leven op één plek. Hulpbronnen op een andere. Vaardigheden verspreid overal. En wanneer je context nodig hebt, doe je een platte vectorzoektocht en hoop je op het beste. Dat is het probleem. OpenViking lost het allemaal op met één idee: behandel agentcontext als een bestandssysteem. Alles leeft onder een verenigd viking:// protocol. Herinneringen, hulpbronnen, vaardigheden allemaal georganiseerd in mappen met unieke URI's. Agenten kunnen ls, vinden en context navigeren zoals een ontwikkelaar die met een terminal werkt. Maar de echte doorbraak is gelaagd laden: → L0: één-zin abstract voor snelle opzoeking → L1: ~2k token overzicht voor planningsbeslissingen → L2: volledige details worden alleen geladen wanneer ze daadwerkelijk nodig zijn De meeste agenten dumpen alles in de context en bidden. OpenViking laadt alleen wat nodig is, wanneer het nodig is. Token kosten dalen. Nauwkeurigheid neemt toe. En het ophalen heeft nu echt zin. In plaats van één platte semantische zoekopdracht, doet het eerst directory-niveau positionering, en dan recursieve verfijning binnen hoge-score directories. Je kunt letterlijk de ophaaltraject volgen, geen zwarte doos meer. Het zelf-evolutie stuk is ook wild. Aan het einde van elke sessie haalt het automatisch lessen uit en werkt het geheugen van de agent en de gebruiker bij. De agent wordt gewoon slimmer naarmate je het meer gebruikt. 9K sterren. 13 bijdragers. Gebouwd door het ByteDance Viking-team dat sinds 2019 vectorinfrastructuur runt. 100% Opensource. Apache 2.0. Link in de reacties.