/
OV
上下文数据库 / 面试笔记

把 OpenViking 讲清楚,面试就稳了。

一个低噪、聚焦的复习工作台,帮你掌握 Agent 原生上下文数据库的架构、检索链路与生产权衡。

掌握度 0% 搭起心智模型
牌组卡片 35 覆盖 5 条主线
核心分层 3 摘要 · 概览 · 详情
面试信号 面试可用
知识展板

先看全局,再进入背诵

35 张卡片 · 175 个知识点

当前牌组

从上次复习的位置继续

全部卡片35 张卡片
卡片 01 / 35·核心模型
必背
面试题

OpenViking 是什么?它要解决什么问题?

先不看答案,用自己的话说一遍。

复习路径

知识地图

从核心概念一路走到生产权衡,共五条主线。

最后记忆

速记参考

面试前把这两张图在白板上重新画一遍。

信息加载

L0 → L1 → L2 三层阶梯

01
L0
摘要约 100 tokens · 快速判断相关性
筛选
L1
概览约 2k tokens · 理解内容导航
重排
L2
详情原始内容 · 按需读取
读取

Token 预算本质上是一种检索策略:先确认相关,再花上下文成本。

文件系统范式

一个 URI,三类上下文归属

02
viking://
├─resources/客观知识
├─user/{id}/记忆 + 会话
└─agent/共享技能
findclient.find(query, target_uri)readclient.read(uri)

路径足够确定,适合浏览;语义检索仍然可以帮你找到正确分支。