跳到主要内容

文件系统范式

文件系统范式如何组织知识？​

  • 提出者: 字节跳动火山引擎开源的 OpenViking，提出独立于“扁平向量碎片”和“图谱节点”的第三种哲学;
  • 核心做法: 把所有上下文——记忆、资源、技能——映射为虚拟文件系统中的目录和文件，每个条目拥有唯一 URI;
  • 目录示例:
viking://
├── resources/          # 外部知识：文档、代码库、网页
├── user/memories/      # 用户记忆：偏好、习惯
└── agent/              # Agent 自身：技能、经验
    ├── skills/
    └── memories/
  • 虚拟 URI: viking:// 形式上类似 http:// 或 file://，但不指向具体物理位置;
  • 解析: Agent 通过该地址访问知识，框架在背后决定从内存、磁盘还是远程加载;

L0/L1/L2 三层上下文如何按需加载？​

层体量内容用途
L0（摘要）约 100 tokens一句话概述快速判断目录相关性
L1（概览）约 2,000 tokens核心信息与使用场景供 Agent 规划决策
L2（全文）完整原始内容原文仅在需要深入时按需加载
  • 自动生成: 资源写入时系统自动提炼三个抽象层次，每个目录下生成 .abstract（L0）与 .overview（L1）文件，形成从根到叶的层次化摘要结构;
  • 剪枝: 若在 L0 层即判定无关，则无需加载 L1 与 L2；大部分查询加载到 L1 即可完成决策，Token 消耗因此大幅降低;
  • 类似机制: 与第二章的 Skills 渐进式披露（progressive disclosure）同构——先只暴露轻量元信息，确有需要时再逐层拉取完整内容;

为什么用 Markdown 纯文本而不是专用数据库？​

  • 可读可改: 用户可以直接阅读、编辑和修正 Agent 的知识;
  • 可版本化: 可通过 Git 做版本控制与回滚;
  • 可写入: Agent 拥有 write_file 能力后，可在工作分支上自主记录和组织知识，再经审核流程合入主库;
  • 会话收尾: 系统可以提议把用户偏好更新写入 user/memories/，把操作记录写入 agent/memories/;
  • 边界: 前者属于用户知识管理；后者只有经过结果评价、跨轨迹归纳和后续验证，才会成为第九章所说的经验学习，而不是把任意一次操作直接当成可靠经验;

文件系统范式的前提是什么？​

  • 前提: 文件之间必须建立起链接与索引;
  • 纵向 vs 横向: .abstract/.overview 解决纵向的层次摘要，还需要横向的关联;
  • 反面: 只把知识拆成一堆彼此独立的文本文件平铺在目录里，除逐个全文扫描或向量检索外，Agent 几乎无从在相关条目间导航；知识越多，零散文件越难检索;
  • 正确做法: 把知识库组织得像 Wikipedia——每个条目提及其他条目时以链接指向它，再辅以入口页与索引页，让 Agent 能顺着链接从一个概念走到相关概念;
  • 等价能力: 这相当于用轻量文件链接实现了 GraphRAG 实体关系图谱的一部分导航能力，见 结构化索引;
  • 模型差异: 能力强的模型写入新知识时会自发回指已有条目、顺手维护索引，不少模型只会孤立追加文件;
  • 提示词要求: 必须明确要求“每新增一个条目，都要先检索并链接到相关的已有条目，并更新所在目录的索引页”，形成双向可达的引用网络，而不是任由知识退化成互不相连的孤岛;