AI 工具越用越多，真正让人疲惫的，往往不是不会用，而是每个工具都像一个刚认识的同事：你需要反复交代背景、重复提供资料，还不知道它到底记住了什么。
我们之前让 OpenClaw 使用本地向量记忆，技术上确实可以保存和检索内容，但人的使用感受并不明显。记忆藏在工具内部，像一个看不见的黑盒：它记住了什么、属于哪个项目、以后能不能复用，都不容易确认。
后来我们把思路改成：让不同 AI 负责不同工作，把记忆、知识、Skill 和经验放到工具之外，由 OpenViking 作为独立的共享基础设施。
不是让一个 AI 变得无所不能，而是让不同 AI 共享一套可以持续积累的工作记忆。
为什么本地向量记忆让人“感觉不到”
本地向量记忆并不是没有价值。它可以帮助单个工具快速找回相关内容，适合作为本地运行时的一部分。
但它很难单独解决更大的问题：记忆是否属于某个项目？哪些内容是长期规则？哪些只是一次性对话？不同设备和不同 AI 能不能使用同一份积累？
如果这些问题没有答案，记忆就只是“存过”，还没有变成真正的知识资产。
我们需要的是一个人能够看见、管理和持续更新的记忆系统。它至少应该有目录、有项目关系、有可执行的 Skill、有经验记录，也应该支持后续搜索、编辑、权限和迁移。
OpenViking 不是另一个 AI，而是独立的记忆层
OpenViking 在这套系统里的位置，不是和 Codex、DeepSeek Harness、OpenClaw、WorkBuddy 并列的又一个聊天工具。
它更像一层独立的基础设施：上面连接不同 AI，下面连接不同设备，中间负责保存和提供可以复用的工作上下文。
这次写稿时，Codex 已直接通过 OpenViking 接口完成健康检查、目录浏览、内容读取和语义检索；历史测试记录还覆盖了写入与编辑。当前接口同时提供精确检索、记忆抽取、资源导入、Skill 安装更新、权限管理和远程资源监视。这些接口是否已用于某个自动流程，需要逐项核实。
这些能力通过 MCP 和 HTTP 这样的通用入口提供。这样，工具可以继续更换，但记忆层不必跟着某个工具一起重建。
这也是 OpenViking 和“某个 AI 自带的记忆功能”最重要的区别：前者是独立底座，后者通常只是工具内部能力。
OpenViking 里到底沉淀了什么
OpenViking 的价值，首先体现在它让“记忆”变得具体。
第一类是记忆：项目状态、用户偏好、已经确认的事实和重要背景。
第二类是知识：资料、参考文档、行业内容和项目相关的信息。
第三类是技能：一类工作应该如何完成，包括操作步骤、执行标准、注意事项和验收方式。
第四类是经验：过去的案例、执行轨迹、失败原因和复盘结论。
在实际目录中，还可以看到案例、实体、事件、偏好、轨迹和经验等不同类型的沉淀。它们不是一股脑儿混在一个向量池里，而是可以按照用途和关系组织起来。
这让我们第一次比较清楚地看到：一次任务做完之后，究竟应该留下什么，以及留下来的内容以后可以怎样被调用。
它不只是搜索，还能把知识变成可操作的系统
OpenViking 目前比较容易被忽略的一点，是它不只是“把内容找出来”。
例如，一条新的经验可以先通过记忆抽取进入系统；之后可以用语义搜索找相关内容，也可以用目录树查看它属于哪个项目和目录；需要修正时，可以直接读取、编辑或补充；如果它已经稳定成了一套方法，还可以整理成 Skill，让后续任务按规则执行。
对于外部资料，OpenViking 支持把文件、网页、代码仓库等资源导入知识空间。远程资源可以设置定期刷新；本次检查没有已启用的监视任务，因此它是我们接下来可以用起来的能力。
同时，权限控制让共享资源、个人资源和不同协作范围可以分开管理。这个能力对以后做多人协作、客户隔离和团队共享尤其重要。
另外，官方文档还介绍了按需读取和资料编译：先读目录摘要，再读概览，需要细节时才打开全文，可以减少无关内容占用上下文；启用 VikingBot 后，资料编译还能把来源整理成知识库、知识图谱或报告。早期记录中的“把 Skill 编译成 Bot”不能直接等同于当前能力，这条扩展路线仍需结合部署版本验证。
三台设备和三个核心工具，分别负责什么
我们使用一台主力 MacBook 和两台 Mac mini。日常直接交互最多的是 Codex 和 DeepSeek Harness（简称 DSH），OpenClaw 承担常驻自动运行的角色。
Codex 运行在主力 MacBook 上，更适合处理重要工作、复杂判断、写代码、改文档、拆解任务和调度其他 AI。
DeepSeek Harness 更适合繁重、快速和重复的工作。大量文件、批量处理、格式统一和按规则执行的任务，不需要每一份都重新判断，可以交给它集中处理。
OpenClaw 常驻工作环境，调用远端 Mac mini 上的长期记忆库，并承担适合长期执行的自动化任务；OpenViking 运行在服务器端，承接云端共享和中转。本机 OpenClaw 保留记忆容灾这一层安排。真正的容灾还需要有效副本、定期备份与恢复测试，接通云端本身并不能证明故障时一定恢复成功。
WorkBuddy 可以作为工作台和协作入口继续发展，但本文不把它写成当前已经完成全部接入的核心链路。当前真正跑在日常工作里的主线，是 Codex、DeepSeek Harness、OpenClaw 和 OpenViking。
一件工作怎样在这套系统里完成
以整理一批资料并完成一篇文章为例。
第一步，Codex 先确认目标、范围、标准和最终结果，判断哪些部分需要认真分析，哪些部分可以批量处理。
第二步，把大量文件整理、格式统一和重复检查交给 DeepSeek Harness，让它按照已经确定的规则快速完成。
第三步，如果其中有定期执行、持续监视或不需要人一直盯着的步骤，就交给远端 Mac mini 上的 OpenClaw 长期运行。
第四步，OpenViking 提供项目记忆、相关知识和可用 Skill；任务完成后，再把新的经验、结果和复盘沉淀回去。
第五步，Codex 读取最终结果，对重要内容进行复核，确认是否达到交付标准。
这就像几种不同的车辆：重要事情开主力车，繁重运输用大型专用车，可以自动运行的路线交给无人车，但所有车辆都使用同一套云端地图、路线和维修记录。
现在已经能做什么，下一步还可以做什么
目前已经可以确认的，不是一个停留在概念里的“云端记忆”：
- 服务健康检查已经通过；
- 本次实测了读取、检索和目录浏览，历史测试记录覆盖写入与编辑；
- OpenClaw 和 DeepSeek Harness 已经形成较深的记忆接入；
- 记忆、资源、Skill 和不同类型经验已经可以被组织和检索；
- 权限、资源监视和 Skill 分发具备继续建设的接口。
下一步值得继续挖掘的方向包括：多用户隔离、共享资源与个人资源分层、远程资源自动刷新、把来源资料编译成知识库或报告，以及服务器故障时的本地容灾恢复。图中的机器人代表后续应用设想，不代表这些流程已全部启用。
截至 2026 年 10 月 13 日，这次 Codex 会话已能直接调用 OpenViking；OpenClaw 和 DSH 的接入有历史运行记录，WorkBuddy 的完整同步尚未在本次核查中验证。记忆与经验可以在配置好采集、提取和回写后持续更新；Skill 迭代还需要版本管理、验证和客户端加载。共享记忆不会自动赋予 Agent 新的工具权限，也不等于所有设备的 Skill 文件已经实时同步。
这套系统最重要的变化，不是让某个 AI 变得万能，而是把工具和经验解耦：
工具可以更换，Agent 可以迭代，设备可以切换，但值得复用的记忆、知识、Skill 和经验，应该继续留在自己的基础设施里。
这就是我们持续建设 OpenViking 的原因：让日常执行产生的经验留得下来，让下一次任务少走一次弯路。大家共享的是持续更新的工作积累，24 小时服务则由常驻进程、网络和备份机制共同支撑。
功能参考：OpenViking 官方项目与功能说明。本文配图为关系示意，功能状态以正文的现场核查和部署验证为准。