MCP
让 AI 工具共享一套工作记忆：OpenViking 多设备协同实践
我们把 Codex、DeepSeek Harness、OpenClaw 和三台设备组织成一套 AI 工作系统：OpenViking 负责记忆、知识、Skill 与经验的共享和沉淀。本文用通俗方式讲清楚本地向量记忆为什么让人无感，以及这套系统如何真正跑起来。
工具越换越快，记忆越该独立：我们给 6 个 Agent 接上记忆层后的四个判断
工具会换、模型会换、Agent 也会换，但项目经验不该跟着重置。结合 6 个 Agent 的真实实践，复盘为什么记忆层应该独立、如何分层，以及如何通过回读、数字比对和迁移能力把 AI 记忆真正变成长期资产。
OpenViking 部署实录：从零跑通 AI 记忆库的 HTTPS 检索与对话机器人
把 OpenViking 从“服务跑起来”推进到 HTTPS、写入、语义检索、对话与备份都可验证的一次部署实录。用 Gutenberg 模块重构，命令按需折叠，结论优先阅读。