字节跳动火山引擎开源 OpenViking，一个面向智能体的自进化上下文数据库。同一 LLM 在该数据库支撑下，tau2-bench 的任务成功率提升 6.87 至 11.87 个百分点。

知识组织方式上，OpenViking 采用文件系统式的目录结构：检索时先在高层摘要定位宏观范围，再沿目录逐层下钻到具体内容。这一范式与 RAPTOR 的树状层次、GraphRAG 的实体关系网络并列，构成知识组织的第三条路线。它的优势在于兼容现有文件与文档组织习惯，同时避免三元组丢失条件判断与时间依赖的问题。

项目同时承接了 VikingRAG 的研究成果。后者提出目录感知的语义数据管理、经验边复用与自适应升级策略，在保持高准确率的同时把检索 token 降到最强基线的 11.6%—51.9%，叠加经验边与自适应升级后可进一步压到约 5.1%，相关方法已合入 OpenViking。

对政务与行业知识库、合同报表等结构化文档的 RAG 场景，这套方案把“检索可计量”变成可落地的工程基线，直接降低长上下文智能体的推理成本。