OpenViking实现Agent跨角色接力，无缝衔接多工具协作

在人工智能辅助开发和协作领域，多 Agent 工具的应用越来越普遍。然而，当一个 Agent 完成阶段性任务后切换到另一个 Agent 继续工作时，常常会面临上下文丢失的问题。例如，Codex 完成代码重构后额度用完，切换到 Claude Code 时需要重新复述项目规则和当前进度，这不仅浪费时间，还容易导致信息不一致。

为解决这一痛点，OpenViking 提供了一种创新方案：将 Agent 的记忆统一存储在一个独立的上下文数据库中。接入 OpenViking 后，无论是 Codex、Claude Code 还是其他 Agent，都会自动与这个共享记忆系统进行交互。每个 Agent 在运行时会自动存入和取出相关记忆，并能利用所有 Agent 累积的经验。

具体来说，当一个 Agent 完成任务后，它会将当前的对话记录、项目规则和关键信息保存到 OpenViking 数据库中。下一个 Agent 启动时，会自动从数据库中检索这些信息，并根据当前任务需求进行整合。这种方式不仅避免了手动搬运上下文的麻烦，还能确保信息的一致性和完整性。

OpenViking 的工作机制可以概括为以下几点：

• 会话开始：拉取用户的偏好、实体索引等信息注入上下文；
• 每句话交互：使用当前输入去 OpenViking 检索相关记忆，并按 token 预算注入；
• 每轮回复结束：将新的对话增量推送到 OpenViking 数据库；
• 会话结束或上下文压缩前：提取会话中的事实、偏好、决定和经验，沉淀为长期记忆。

这种机制使得多个 Agent 可以像团队成员一样无缝协作，每个 Agent 都能专注于自己最擅长的任务，而无需担心上下文丢失的问题。

在实际应用中，OpenViking 的价值尤为突出。例如，在软件开发过程中，可以同时使用多个 Agent 分工协作：

• 豆包负责处理办公场景下的文档读取、PRD 编写和周报整理；
• TraeCode / Codex 负责执行长时间自主运行的工程任务，如原型实现和批量代码修改；
• TraeCode / Claude Code 则专注于需要反复推敲的工作，如代码评审和技术文档编写。

以往，这种分工模式需要频繁地在不同 Agent 之间手动传递信息，而现在有了 OpenViking 的支持，整个协作过程变得更加流畅和高效。

此外，OpenViking 还提供了一种灵活的配置方式。用户可以在主目录中维护一套通用规则文件（如 AGENTS.md），并通过符号链接的方式，让多个 Agent 共享同一套配置。这样，即使使用不同的 Agent，也能保持功能使用方式的一致性。

总的来说，OpenViking 为多 Agent 协作提供了一个强大的解决方案，它不仅解决了上下文丢失的问题，还提升了协作效率和信息一致性。对于需要频繁切换 Agent 的用户来说，OpenViking 是一个值得尝试的工具。