专题演讲嘉宾：刘智恒

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。向量检索只能捞回相似片段，Agent 拿不到业务概念、约束和行动边界。

本次分享字节开源的 40k+ 星上下文数据库 OpenViking，讲从企业资料到 Agent 可用上下文的完整链路：

• 用 viking:// 目录树，给知识、记忆、技能、规则和实时数据一个统一地址

• 用 L0/L1/L2 分层和目录递归检索，替代平铺切片

• 用上下文编译，把原始资料持续加工成业务知识

• 把规则作为独立的上下文类型，保证该遵守的一条不漏

• 用目录级 ACL 在检索阶段完成授权隔离

• 用长期记忆和 Handoff，让经验跨会话、跨人、跨 Agent 沉淀

分享会结合财经业务知识库、推荐团队、Issue Fix Bot 等真实场景，给出数据和踩坑经验。

演讲提纲

1. 为什么 Agent 用不好企业知识：缺的是上下文，不是模型
2. Context Database：给企业知识一个 Agent 能读的统一地址
3. 从资料到知识：分层理解、上下文编译与规则约束
4. 让知识可授权、可实时、可持续进化
5. 落地案例与路径：从一个场景的一棵目录树开始

听众收益

• 判断框架：分清 RAG、知识图谱、记忆、上下文工程各自解决什么问题，知道自己企业缺的是哪一层
• 方法落地：一条"接入 → 理解 → 编译 → 规则 → 授权 → 记忆"的路径，回去可以从一个场景开始搭
• 开源工具：OpenViking 开源版可以直接试用，且支持一件启动的云服务和可试用的企业私有化版本