OpenViking×OpenClaw:7 个 Agent不再是陌生人,token暴降 90%
AI 核心摘要
作者在 OpenClaw 上运行了 7 个不同职能的 Agent（总管、开发、内容、增长、法务、财务、教学），但遇到了严重的记忆问题：每个 Agent 都需要重复介绍上下文，互相之间无法共享信息，导致 token 消耗巨大。字节跳动开源的 OpenViking 项目通过将 Agent 记忆当作文件系统管理，采用三层结构（L0 索引、L1 摘要、L2 全文）和保质期机制（P0 永久、P1 归档、P2 清理），实现按需读取记忆，将日常对话的 token 消耗降低 10 倍。这种方法类似人类记忆机制：重要的事记得牢，琐碎的事会淡忘但可以翻笔记找回。
我在 OpenClaw 上跑了 7 个 Agent。
一个大总管，一个写代码的，一个写文章的，一个搞增长的，还有法务、财务、教学。
听起来 NB 吧？全自动AI团队，分工明确，各司其职。
但用了几周了，我快疯了。
真实场景
我跟大总管说："帮我安排一篇关于多Agent协作的文章。"
它问我："请问你的写作风格是什么？目标读者是谁？"
兄弟。我。昨天。刚。告诉过你。
你是不是金鱼转世。。。
更离谱的是——
开发助理刚帮我修好了飞书 webhook 的配置问题。我转头让内容助理写篇复盘。
它说："什么配置问题？能详细说说吗？"
你俩在同一台服务器上跑着啊！隔壁房间的事你都不知道？？
我当时的心情：🙂（假笑）
你以为只是麻烦？不，还费钱。
我算了一笔账：
一个月下来。。。光是"自我介绍"就烧掉一大坨。
咱就是说，这不是助理在工作，这是我在工作——重复给7个人做入职培训。
OpenViking 的解决方案
字节跳动最近开源了一个项目叫 OpenViking。
GitHub 地址：https://github.com/bytedance/OpenViking
它的核心思路特别简单——
把 Agent 的记忆当文件系统来管理。
啥意思？
你打开电脑找文件的时候，会把硬盘里所有文件内容全读一遍吗？
不会吧。你先看文件夹名，找到目标文件夹，再打开具体文件。
Agent 读记忆也该这样。
但现在大多数 Agent 的做法是：每次启动，把记忆文件从头到尾全部读一遍。
100 行的时候没感觉。8000 行的时候，token 哗哗地烧。
家有矿也不是这个烧法。
三层记忆结构
OpenViking 把记忆分成三层：
- L0 层（索引）：记忆的目录，告诉你有哪些记忆文件
- L1 层（摘要）：每个记忆的简要概述
- L2 层（全文）：完整的记忆内容
每次启动只读 L0。100 个 token，就知道记忆里有啥。
需要具体信息？读 L1 摘要。确认了？才读 L2 全文。
从"每次全读"变成"按需读取"。
我实测，日常对话 token 消耗直接降 10 倍。
不是省一点点，是断崖式下降。
记忆保质期机制
光分层还不够。记忆会越来越多。
OpenViking 的另一招——给记忆打"保质期"：
- P0：永远不删（核心记忆）
- P1：过期归档（重要但不常用）
- P2：到期清理（临时信息）
就像人的记忆——重要的事记得牢，琐碎的事会淡忘。但去翻笔记还能找回来。
总结
通过 OpenViking 的分层记忆管理和保质期机制，多 Agent 协作不再需要每次都重复加载全部上下文，实现了：
- Token 消耗降低 90%
- Agent 之间可以共享记忆
- 记忆管理更符合人类认知习惯
这才是真正实用的多 Agent 协作方案。