Покойся с миром, плоский RAG ☠️ ByteDance только что опубликовала OpenViking с открытым исходным кодом, и это выявляет все проблемы в том, как мы строили память AI-агентов. Вот что неправильно в каждой фреймворке агентов: Воспоминания хранятся в одном месте. Ресурсы в другом. Навыки разбросаны повсюду. И когда вам нужен контекст, вы делаете плоский векторный поиск и надеетесь на лучшее. Вот в чем проблема. OpenViking исправляет все это с одной идеей: относитесь к контексту агента как к файловой системе. Все находится под единым протоколом viking://. Воспоминания, ресурсы, навыки — все организовано в директориях с уникальными URI. Агенты могут ls, находить и навигировать по контексту, как разработчик, работающий в терминале. Но настоящая прорывная идея — это многоуровневая загрузка: → L0: аннотация в одно предложение для быстрого поиска → L1: ~2k токенов обзор для планирования решений → L2: полные детали загружаются только тогда, когда это действительно необходимо Большинство агентов сбрасывают все в контекст и молятся. OpenViking загружает только то, что нужно, когда это нужно. Затраты на токены снижаются. Точность возрастает. И извлечение теперь действительно имеет смысл. Вместо одного плоского семантического поиска, он сначала выполняет позиционирование на уровне директории, а затем рекурсивное уточнение внутри директорий с высоким баллом. Вы можете буквально наблюдать за траекторией извлечения — больше никаких черных ящиков. Часть саморазвития тоже дикая. В конце каждой сессии он автоматически извлекает уроки и обновляет память агента и пользователя. Агент становится умнее с каждым использованием. 9K звезд. 13 участников. Создано командой Viking ByteDance, которая управляет векторной инфраструктурой с 2019 года. 100% с открытым исходным кодом. Apache 2.0. Ссылка в комментариях.