[
](/jungeAGI/article/2025968331644420288/media/2025964701008760832)
OpenViking×OpenClaw:7 个 Agent不再是陌生人,token暴降 90%
2
15
57
[
14K
](/jungeAGI/status/2025968331644420288/analytics)
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。
它们活得像七个陌生人
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）
每次重新介绍自己，都是在烧钱
你以为只是麻烦？不，还费钱。
我算了一笔账：
[
](/jungeAGI/article/2025968331644420288/media/2025965303415656449)
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。
字节开源了个东西，把我点醒了
字节跳动最近开源了一个项目叫 OpenViking。
GitHub 地址：
github.com/volcengine/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。
L0 / L1 / L2：三层按需加载
OpenViking 把记忆分成三层：
[
](/jungeAGI/article/2025968331644420288/media/2025965532600823808)
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。
P0 / P1 / P2：给记忆加保质期
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"：
[
](/jungeAGI/article/2025968331644420288/media/2025965709445234688)
P0 永远不删。P1 过期归档。P2 到期清理。
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。
[
](/jungeAGI/article/2025968331644420288/media/2025968142732951552)
我的真实改造：给 OpenClaw 多 Agent 装上共享大脑
说了这么多原理。我到底怎么做的？
第一步：给每个 Agent 加索引文件（10 分钟）
在每个 Agent 的 memory 目录下建一个 .abstract 文件，就是 L0 索引。
[
](/jungeAGI/article/2025968331644420288/media/2025965909236752384)
Agent 每次启动，先读这个。只有需要具体信息时，才深入读对应的文件。
第二步：给记忆打 P 标签（10 分钟）
[
](/jungeAGI/article/2025968331644420288/media/2025966062412652544)
然后写个清理脚本，每天扫一次。过期的自动归档。
第三步：共享记忆层——这才是杀手锏（10 分钟）
创建一个所有 Agent 都能读的共享目录：
[
](/jungeAGI/article/2025968331644420288/media/2025966192163446784)
怎么让 Agent 自动往里写？
不用写代码。
OpenClaw 每个 Agent 启动都会读
——它的工作手册。加一条规则就行：
[
](/jungeAGI/article/2025968331644420288/media/2025966323625508864)
就像给员工立了个规矩："做完事，在共享文档记一笔。"
Agent 会自觉执行。真的会。
改造前 vs 改造后
[
](/jungeAGI/article/2025968331644420288/media/2025966741281730560)
但我想说点不一样的
字节的 OpenViking 确实牛。
但我查了它的 GitHub——
它是一个独立的 Python 服务。 需要单独部署，需要配置 VLM 和 Embedding 模型，需要 API Key。
不是说不好。是说对于大多数 OpenClaw 用户来说，杀鸡用了牛刀。
OpenClaw 本身的
+ memory/ 目录 +
规则，已经实现了记忆管理的底层架构。
你要做的不是"接入 OpenViking"，而是把 OpenViking 的思想，用 OpenClaw 原生的方式落地。
[
](/jungeAGI/article/2025968331644420288/media/2025966969879740416)
不用装任何东西。不用跑任何服务。
30 分钟，纯文件操作，搞定。
一段提示词，让 OpenClaw 帮你搞定
把下面这段扔给你的 OpenClaw Agent：
[
](/jungeAGI/article/2025968331644420288/media/2025967226252378112)
它会帮你全流程搞完。
链接俊哥 进OpenClaw交流群
[
](/jungeAGI/article/2025968331644420288/media/2025967561133940737)
最后
Agent 的记忆问题，说白了就两件事：
不要每次全读——先看目录，按需取。
让 Agent 之间能互相通气——共享记忆层。
字节的 OpenViking 把这套思路开源了，我们拿来借鉴。但不一定要照搬它的技术方案。
思想是免费的。落地才是本事。
30 分钟改造，token 省 10 倍，7 个 Agent 终于不再是陌生人了。
老铁们，别光让自己多动脑子——
也得让你的 Agent，学会记住你。
Want to publish your own Article?
想发表自己的文章吗？