Self-evolving Context Database for AI Agents. Unify Agent Memory, Knowledge RAG and Skills.
Python agent-contextagent-memoryagent-pluginsagentic-ragcontext-databasedsh-pluginknowledge-basememorymemory-managementself-evolvingvector-database
#!/usr/bin/env python3
"""
Alice — 技术负责人的使用流程
操作:添加项目文档 → 语义搜索 → 多轮对话 → 沉淀记忆 → 回顾记忆
获取 API Key:
API Key 由管理员通过 Admin API 分配,流程如下:
1. ov.conf 中配置 server.root_api_key(如 "test")
2. 用 root_api_key 创建租户和管理员:
curl -X POST http://localhost:1933/api/v1/admin/accounts \
-H "X-API-Key: test" -H "Content-Type: application/json" \
-d '{"account_id": "demo-team", "admin_user_id": "alice"}'
返回中的 user_key 就是 Alice 的 API Key
3. 或者运行 setup_users.py 自动完成上述步骤,Key 写入 user_keys.json
运行:
uv run examples/cloud/alice.py
uv run examples/cloud/alice.py --url http://localhost:1933 --api-key <alice_key>
"""
import argparse
import json
import sys
import time
import openviking as ov
from openviking_cli.utils.async_utils import run_async
def load_key_from_file(user="alice"):
try:
with open("examples/cloud/user_keys.json") as f:
keys = json.load(f)
return keys["url"], keys[f"{user}_key"]
except (FileNotFoundError, KeyError):
return None, None
def main():
parser = argparse.ArgumentParser(description="Alice 的使用流程")
parser.add_argument("--url", default=None, help="Server URL")
parser.add_argument("--api-key", default=None, help="Alice 的 API Key")
args = parser.parse_args()
url, api_key = args.url, args.api_key
if not api_key:
url_from_file, key_from_file = load_key_from_file("alice")
url = url or url_from_file or "http://localhost:1933"
api_key = key_from_file
if not url:
url = "http://localhost:1933"
if not api_key:
print("请通过 --api-key 指定 API Key,或先运行 setup_users.py")
sys.exit(1)
print(f"Server: {url}")
print("User: alice")
print("Key: [hidden]")
client = ov.SyncHTTPClient(url=url, api_key=api_key)
client.initialize()
try:
# ── 1. 添加资源 ──
print("\n== 1. 添加资源: OpenViking README ==")
result = client.add_resource(
path="https://raw.githubusercontent.com/volcengine/OpenViking/refs/heads/main/README.md",
options={"reason": "项目核心文档"},
)
readme_uri = result.get("root_uri", "")
print(f" URI: {readme_uri}")
print(" 等待处理...")
client.wait_processed()
print(" 完成")
# ── 2. 查看文件系统 ──
print("\n== 2. 文件系统 ==")
entries = client.ls("viking://")
for entry in entries:
if isinstance(entry, dict):
kind = "dir " if entry.get("isDir") else "file"
print(f" [{kind}] {entry.get('name', '?')}")
# ── 3. 读取摘要 ──
if readme_uri:
print("\n== 3. 资源摘要 ==")
abstract = client.abstract(readme_uri)
print(f" {abstract[:300]}")
# ── 4. 语义搜索 ──
print("\n== 4. 语义搜索: 'context database for AI agent' ==")
results = client.find(query="context database for AI agent", limit=3)
for index, resource in enumerate(results.get("resources", []), 1):
print(
f" {index}. [{resource.get('score', 0.0):.3f}] "
f"{resource['uri']}"
)
# ── 5. 创建会话,模拟技术讨论 ──
print("\n== 5. 对话: 技术架构讨论 ==")
session_info = client.create_session()
session = client.session(session_id=session_info["session_id"])
print(f" Session: {session.session_id}")
messages = [
("user", "我们的项目选择用 OpenViking 做 Context Database,主要原因是什么?"),
(
"assistant",
"选择 OpenViking 的核心原因:1) 文件系统范式统一管理上下文 "
"2) 分层加载(L0/L1/L2)节省 token 3) 目录递归检索比传统 RAG 效果好 "
"4) 内置 session 管理和 memory 自动沉淀。",
),
("user", "向量数据库后端我们决定用 VikingDB 还是本地?"),
(
"assistant",
"生产环境决定使用 VikingDB 云服务。原因:1) 不需要自己运维向量库 "
"2) VikingDB 和方舟模型在同一可用区,网络延迟低 "
"3) 自动扩缩容,不用担心数据量增长。本地模式只用于开发测试。",
),
("user", "文件存储用 TOS 对吧?prefix 是 ov?"),
(
"assistant",
"是的。AGFS 后端配置为 S3 模式,对接 TOS。"
"bucket 是 openvikingdata,prefix 设为 ov,所有文件存在 ov/ 目录下。"
"AK/SK 使用 IAM 子用户的密钥,权限范围限定在这个 bucket。",
),
]
for role, content in messages:
run_async(session.add_message(role=role, content=content))
print(f" 添加了 {len(messages)} 条消息")
# ── 6. 沉淀记忆 ──
print("\n== 6. 沉淀记忆: commit session ==")
print(" 正在提取(技术决策、架构选型等)...")
client.commit_session(session.session_id)
print(" commit 完成")
time.sleep(2)
client.wait_processed()
print(" 记忆向量化完成")
# ── 7. 查看记忆目录 ──
print("\n== 7. 记忆目录 ==")
try:
mem_entries = client.ls("viking://user/alice/memories")
for entry in mem_entries:
if isinstance(entry, dict):
kind = "dir " if entry.get("isDir") else "file"
print(f" [{kind}] {entry.get('name', '?')}")
except Exception:
print(" 记忆目录为空(可能无可提取的记忆)")
# ── 8. 搜索回顾记忆 ──
print("\n== 8. 回顾记忆: '为什么选择 VikingDB' ==")
results = client.find(query="为什么选择 VikingDB 作为向量数据库", limit=3)
memories = results.get("memories", [])
if memories:
print(" 记忆:")
for index, memory in enumerate(memories, 1):
description = (
memory.get("abstract")
or memory.get("overview")
or memory.get("uri", "")
)
print(f" {index}. [{memory.get('score', 0.0):.3f}] {description[:150]}")
resources = results.get("resources", [])
if resources:
print(" 资源:")
for index, resource in enumerate(resources, 1):
print(
f" {index}. [{resource.get('score', 0.0):.3f}] "
f"{resource['uri']}"
)
print("\nAlice 流程完成")
finally:
client.close()
if __name__ == "__main__":
main()