这是 OpenViking 系列的第 1 篇。如果你刚开始接触 AI Agent，可能会有一个很自然的疑问：大模型已经很强了，为什么还需要一个专门的“上下文数据库”？如果你已经写过 Agent，另一个问题可能更熟悉：为什么模型明明很聪明，却总是在长任务里忘记前面说过什么、找不到项目规则、重复检索资料，甚至把已经做过的决策又推翻一遍？这篇文章先不急着读源码。我们先把问题讲清楚：Agent 需要的不是更多零散文本，而是一套能长期管理、按需加载、可观察、可迭代的上下文系统。这篇解决什么问题我们先看一个很常见的场景。你让一个代码 Agent 帮你改造项目：第一轮，你告诉它项目不能破坏已有 API，要保持兼容。第二轮，你补充说测试必须覆盖异常路径。第三轮，它读取了 README、配置文件、几个核心模块。第四轮，它开始写代码，过程中调用了搜索、编辑、测试工具。第五轮，你让它继续优化性能，它却忘了之前的兼容性约束，甚至重新问你项目入口在哪里。这不是模型“笨”。更准确地说，是 Agent 的上下文管理跟不上任务复杂度。对于一次简单问答，模型只需要当前 prompt。对于一个长程任务，Agent 需要持续使用很多信息：用户偏好：你希望代码注释怎么写，测试怎么跑，回答风格是什么。项目资源：README、设计文档、源码、配置、Issue、API 文档。历史