一、案例背景
2026年,人工智能正经历一次角色跃迁:从”回答问题”的辅助工具,走向”理解目标、调用系统、完成任务”的工作承担者。当Agent(智能体)真正进入企业流程,管理者面对的问题不再是”如何把AI做出来”,而是”哪些工作可以交给AI、结果如何验收、权限、成本与风险如何收住”。OpenAI、Google Cloud、Anthropic等机构的最新实践共同指向一个判断:模型决定Agent能做什么,工程决定它能否真正进入生产、创造价值。
火山引擎是字节跳动旗下的云服务平台。其OpenViking生态负责人刘智恒带领团队,在Agent工程化实践中发现了一个具有普遍性的管理难题:企业接入Agent后,最常见的问题不是模型答不出来,而是”找不到对的资料,找不全该遵守的规则,分不清哪些能看、哪些能做”。文档、代码、Wiki、指标和经验散落在不同系统里;传统向量检索只能捞回相似片段,Agent拿不到业务概念、约束条件和行动边界。换言之,企业知识的”供给方式”与Agent的”消费方式”之间存在结构性错配。
OpenViking是字节跳动开源的上下文数据库,已获得40k+星标。团队主导了CLI、MCP与Agent插件体系,使主流Coding Agent能够一键接入,并推动了Hermes原生集成和微软Agent Framework社区集成。2026年12月18—19日,刘智恒将在AICon北京站”Self-Evolving Agents|从经验学习到可控进化”专题发表题为《火山引擎Agent-Native团队的上下文管理实践》的演讲,系统分享从企业资料到Agent可用上下文的完整链路。
这条链路包含六项关键设计:其一,用viking://目录树为知识、记忆、技能、规则和实时数据提供统一地址;其二,用L0/L1/L2分层与目录递归检索替代平铺切片;其三,用”上下文编译”把原始资料持续加工成业务知识;其四,把规则作为独立的上下文类型,保证该遵守的一条不漏;其五,用目录级ACL在检索阶段完成授权隔离;其六,用长期记忆和Handoff让经验跨会话、跨人、跨Agent沉淀。
……