
КейсЕвгений12 мин чтения
OpenViking: долговременная память для ИИ-агентов на практике
Как у меня работает OpenViking с Hermes: слои L0, L1 и L2, пустой abstract у папок памяти, поиск по памяти пользователя и чек-лист перед запуском.
Содержание · 10 разделов
С осени 2026 года общая долговременная память моих ИИ-агентов живёт в OpenViking. Работает она на одном сервере, главный её пользователь Hermes, и за это время я успел наступить на несколько грабель в своей конфигурации. Ниже рассказываю, как всё устроено, что ломалось и что я бы сделал с самого начала, если бы подключал OpenViking заново.
Что такое OpenViking
Репозиторий OpenViking лежит в организации volcengine на GitHub. В README репозитория он описан как открытая контекстная база для ИИ-агентов, «одна файловая система для всего, что знает агент»: знаний, памяти и навыков. Лицензия AGPL-3.0.
Главная идея в том, что контекст лежит в виртуальной файловой системе с адресами viking://. Агент ходит по ней как по папкам (ls, tree, read, write, grep), а человек может открыть любой каталог и посмотреть или поправить, что агент знает. По документации об адресах верхних областей три:
- resources для независимых ресурсов и объективных знаний, общих для аккаунта;
- user для данных пользователя, включая сессии;
- agent для общих навыков и настроек агента.
Ещё одна полезная деталь из README касается сессий. Когда сессию фиксируют, разговор архивируется, а из него извлекаются воспоминания в виде Markdown-файлов, которые можно читать, править и объединять.
Бенчмарки я сам не запускал. Разработчики пишут, что версию 0.3.22 оценивали на памяти длинных диалогов (LoCoMo) и многошаговых задачах агентов (tau2-bench). Это их данные, в моей системе стоит другая версия.
Зачем агентам память сверх файла памяти
У Hermes есть встроенная память, файл MEMORY.md. Он попадает в промпт каждой сессии, и в моей конфигурации для него задан лимит 2200 символов. В конце сентября в файле было 2177 символов. Места почти не осталось.
Тогда я и записал себе в заметке: «Держать список серверов в самой памяти не получится: у неё лимит 2200 символов». Инфраструктура, договорённости и разборы старых проблем в такой объём не помещаются. Нужна долговременная память агента, которая хранит больше, чем промпт, и отдаёт нужный кусок по запросу.
Если тема слоёв контекста для вас новая, я разбирал её отдельно в статье о контексте ИИ-агента.
Как у меня устроено
Схема простая. Один сервер OpenViking стоит в моей лаборатории. Hermes подключён к нему через плагин памяти. 12 ноября я проверил конфигурацию руками.
В ~/.hermes/config.yaml указано memory.provider: openviking. Встроенная память при этом включена: memory_char_limit 2200 и user_char_limit 1375. Так и задумано. В документации Hermes о провайдерах памяти сказано, что одновременно активен только один внешний провайдер, а встроенная память MEMORY.md и USER.md продолжает работать рядом с ним. Внешний провайдер дописывается к ней. По той же документации Hermes подтягивает релевантные воспоминания перед каждым ходом, синхронизирует реплики после ответа и извлекает воспоминания в конце сессии.
Плагин лежит в ~/.hermes/plugins/openviking. Его README обещает агенту долговременную память и инструменты поиска по знаниям. Агенту доступны такие инструменты:
viking_searchдля поиска;viking_readдля чтения записи;viking_browseдля обхода каталогов;viking_rememberпередаёт факт на извлечение памяти, и OpenViking сам решает, добавить его, объединить с прежним или пропустить;viking_forgetудаляет один файл памяти по точному адресу viking:// и только по явной просьбе пользователя, ресурсы, сессии, каталоги и сводки он не трогает;viking_add_resourceдля добавления ресурсов.
Сервер на /health отвечает статусом ok, версией 0.5.4 и режимом авторизации по ключу.
Данные разложены по двум местам. Общий файл инфраструктуры лежит в resources, его читают все агенты. Личные факты и предпочтения живут в памяти пользователя. В MEMORY.md от инфраструктуры осталась одна строка-указатель на общий файл.
Про версии коротко. В сентябре стояла 0.4.21, в октябре обновились до 0.5.0. Вместе с переходом на Hermes 0.22 память OpenViking стала плагином каталога. Сейчас на сервере 0.5.4. Пакет опубликован на PyPI, там же указано требование Python 3.10 или новее. Перед установкой сверьте номер последней версии на странице пакета. Как ставить самого агента, я описывал в статье про установку Hermes.
Слои L0, L1, L2 и пустой abstract у папок памяти
У каждого каталога в OpenViking может быть три уровня описания. Так они названы в документации о слоях контекста:
| Слой | Файл | Бюджет генерации по умолчанию | Для чего |
|---|---|---|---|
| L0 abstract | .abstract.md в каталоге | 256 символов | векторный поиск и быстрая проверка |
| L1 overview | .overview.md в каталоге | 4000 символов | переранжирование и навигация |
| L2 detail | исходные файлы и подкаталоги | без сводки | полный текст |
Эти числа задают ориентир для генерации сводки и не служат жёстким пределом размера сохранённого файла.
Важная оговорка из той же страницы: L0 и L1 описывают папку целиком. Отдельную сводку для каждого обычного файла OpenViking не создаёт.
В сентябре на версии 0.4.21 я заметил, что у папок памяти abstract не появляется вовсе. Overview записывались нормально, проблема касалась только abstract. Hermes сохранил разбор в память, и по нему причина нашлась в MemoryUpdater: он пишет память с include_abstract=False.
Документация объясняет поведение шире. Каталоги памяти проходят через тот же обработчик, но всплытие сводок к родительской папке сейчас работает только для resource и skill. Там же прямо сказано, что не стоит рассчитывать на оба файла сводок в каждом каталоге.
Чем это грозит, хорошо видно в issue 2434. Если у конечной папки нет .abstract.md, API отдаёт заглушку «[Directory abstract is not ready]». Эта строка векторизуется и попадает в выдачу с высоким баллом, а качество поиска падает. Автор issue работал на v0.3.23. На 12 ноября issue закрыт со статусом COMPLETED. Исчезла ли проблема в 0.5.4 на моих папках памяти, я отдельно не проверял.
Переиндексация и почему я её не повторяю
Первое, что хочется сделать с пустыми сводками, это переиндексировать память. Я так и сделал. 80 записей, ноль ошибок.
А потом оказалось, что переиндексация испортила overview. Формально операция прошла успешно, поэтому поломку видно только при чтении самих сводок. Три свежих overview пришлось восстановить, записав то же самое содержимое заново через content/write.
С тех пор переиндексацию памяти мы не повторяем, это записано в предпочтениях. В issue 2434 ручной reindex тоже описан как слабый обходной путь: его надо повторять для каждой конечной папки, и после новых записей памяти эффект пропадает.
Тут же всплыла третья мелочь. При записи файла памяти через content/write адрес вида viking:// превращался в битую markdown-ссылку и захватывал текст перед собой. Теперь адреса в файлах памяти я пишу словами.
Поиск фактов только в памяти пользователя
По документации о поиске у OpenViking два режима:
- find выполняет одиночный запрос без контекста сессии и подходит для простых вопросов;
- search может учитывать сессию: если передан её идентификатор, в сессии уже есть содержимое и включён анализ намерения, к делу подключается языковая модель. Этот режим рассчитан на сложные задачи.
Область поиска сужают целевые каталоги, тип контекста, права, фильтры по метаданным и уровень.
На практике сужение области оказалось важнее выбора режима. Если искать личные факты по всей базе, в выдачу лезут логи сессий из каталога sessions в памяти пользователя. В логах хранится история переписки, и старые разговоры спокойно упоминают то, чего уже нет. Поэтому viking_search по личным фактам идёт с областью viking://user/hermes/memories, и тогда приходят факты без логов. Это путь в моей установке: найдите фактическое поддерево памяти пользователя в своей конфигурации и подставьте его. Важно сузить поиск именно до поддерева memories: область user целиком включает и sessions, и логи вернутся в выдачу. Эту привычку я закрепил в предпочтениях памяти, чтобы агент сам её соблюдал.
Сравнить такой подход с классическим поиском по документам можно по статье про RAG-систему.
Устаревший факт живёт в трёх местах
Самый поучительный случай произошёл с удалённым сервером. Сервер давно выключили, а Hermes продолжал о нём помнить.
Факт жил сразу в трёх местах:
- Строка в MEMORY.md, которую агент видит в каждой сессии.
- Запись в долговременной памяти OpenViking.
- Три подробных разбора в скилле по сетям.
Пока чистишь одно место, агент достаёт тот же факт из другого. Отсюда и вывод из моего черновика: «Когда что-то выводите из эксплуатации, ищите следы по всей памяти агента: в промпте, в долговременном хранилище и в скиллах».
Как исправил. Описание инфраструктуры собрал в один общий файл в resources, его читают все агенты. В MEMORY.md оставил только ссылку на этот файл, после правки там 2176 символов. Разборы в скилле удалять не стал и пометил как историю. Логи старых сессий тоже не трогал, это история переписки.
Проверка простая: поиск по памяти пользователя теперь находит только исправленную строку.
Если ваш агент тоже упорно помнит то, чего уже нет, расскажите о своём случае в боте UnderCode.
Безопасность памяти
Память, которую агент читает в каждой сессии, легко отравить. Поэтому внешние страницы в неё напрямую не пишут.
У меня есть исполнители на OpenClaw, я называю их местами. Они читают чужие страницы в интернете, а такая страница может заставить место отправить данные. Поэтому схема односторонняя. Места в OpenViking не ходят. Если вызов места завершился с кодом 0, Hermes сам сохраняет его отчёт в OpenViking, и во frontmatter стоят пометки source с именем места, trust: unverified и requires_review: true. Вариант, где места читают OpenViking, я рассматривал и отклонил. Отчёт при этом находится обычным find.
У этой схемы есть граница. Пометки trust: unverified и requires_review: true остаются метаданными, механизмом изоляции они не служат. Код 0 означает, что место завершилось без ошибки, содержимое отчёта он не проверяет. Отчёт лежит в той же памяти, и если на чужой странице была вредная инструкция, она может доехать до агента через поиск. Односторонняя схема отнимает у места прямой доступ к памяти, но от отравления через сам отчёт не защищает. Поэтому выводы из таких отчётов перед переносом в доверенную память нужно проверять.
Второе правило касается секретов. В память их не пишу совсем. По документации Hermes всё, что уходит провайдеру памяти, сначала проходит ту же очистку секретов, что и доставка в чаты и cron, поэтому ключ, попавший в вывод инструмента, маскируется до сохранения. Но там же сказано, что учётные данные без узнаваемой формы фильтр не распознаёт. Рассчитывать на маскировку как на единственную защиту нельзя.
Чек-лист перед подключением OpenViking
Если вы подключаете OpenViking своим агентам, вот что я бы сделал с первого дня:
- Решите, где источник истины для каждого вида фактов. Общее знание кладите в resources, личное в память пользователя, а во встроенный файл памяти пишите только указатели.
- Проверьте, какие сводки реально есть у папок памяти. На abstract у каждого каталога не рассчитывайте и ищите в выдаче заглушку «[Directory abstract is not ready]».
- Не запускайте переиндексацию памяти вслепую. Если всё же запустили, после неё прочитайте overview глазами, отсутствие ошибок в логе ничего не гарантирует.
- Ищите личные факты с областью на поддерево memories своего пользователя, у меня это
viking://user/hermes/memories. Область user целиком захватит и логи сессий. - Запишите в файл памяти адрес viking:// через свой клиент и прочитайте файл обратно. Если адрес превратился в битую ссылку, как было у меня, пишите адреса словами.
- При выводе чего-либо из эксплуатации проверьте промпт, долговременное хранилище и скиллы.
- Не давайте внешним исполнителям прямого доступа к памяти. Их отчёты пусть сохраняет доверенный посредник, у меня это Hermes, с пометками
trust: unverifiedиrequires_review: true. Пометки сообщают агенту и человеку, что отчёт ещё никто не проверял, но из поиска такие записи не исключают. Перед тем как считать вывод из отчёта фактом, проверьте его. - Не храните секреты в памяти, даже если провайдер их маскирует.
- Периодически проверяйте, что агент достаёт по типовым запросам.
Если хотите разложить по тому же принципу и личную базу знаний, почитайте статью про второй мозг в Obsidian.
Мой итог сводится к трём правилам. У каждого вида фактов один источник истины. Поиск идёт по нужному поддереву, а не по всей базе. После любых изменений я проверяю, что агент из памяти достаёт.
FAQ
Что такое OpenViking
Открытая контекстная база для ИИ-агентов от volcengine под лицензией AGPL-3.0. Знания, память и навыки агента лежат в ней как файловая система с адресами viking://, а сводки папок строятся в слоях L0 и L1.
Нужен ли свой сервер
У меня OpenViking работает на собственном сервере в лаборатории, один на всех агентов. Пакет опубликован на PyPI и требует Python 3.10 или новее. Готовые облачные варианты я не проверял, поэтому сравнить с ними не могу.
Чем OpenViking отличается от RAG
Если RAG построен на одном плоском векторном индексе, поиск идёт сразу по всему пулу документов. OpenViking тоже использует векторный поиск, но раскладывает контекст по каталогам, даёт сузить поиск до нужного поддерева и хранит сводки папок разной подробности. Ещё он извлекает воспоминания из сессий в Markdown-файлы, которые можно читать и править руками.
Сколько стоит такая память по токенам
Точных замеров у меня нет, поэтому назову только то, что следует из устройства. Встроенный MEMORY.md целиком попадает в промпт каждой сессии, его стоит держать коротким. Hermes подтягивает воспоминания из OpenViking перед каждым ходом. Какие из них реально попадают в запрос модели и сколько токенов занимают, проверяйте по итоговому контексту и расходу в своей конфигурации. Отдельно стоит обработка: извлечение воспоминаний в конце сессии и режим search, который при анализе намерения подключает языковую модель. Сколько всё это стоит в токенах на вашей системе, покажет только замер.
Читайте также
- Где хранить контекст ИИ-агента: пять слоёв вместо огромного промпта
- RAG-система: как отвечать по своим документам и проверять цитаты
- Hermes Agent: установка и настройка, как я завёл его на Mac и в Telegram
- Нейросеть для написания текста: черновик по источникам и проверка
- ИИ для создания приложений: как работать с агентами и проверять результат