OpenViking与OpenClaw：7个Agent零距离协作，Token暴降90%

我在 OpenClaw 上跑了 7 个 Agent

一个总指挥、一个编程助手、一个内容创作者、一个增长运营，外加法务、财务和教学助理。听起来是不是很酷？全自动的 AI 团队，分工明确，各司其职。

但实际用了几周下来，体验远没有想象中那么美好。

它们就像七个互不相识的陌生人

真实场景是这样的：

跟总指挥说：“帮我安排一篇关于多 Agent 协作的文章。”它反问：“请问你的写作风格是什么？目标读者是谁？”——可是，这些信息昨天刚告诉过它。转眼就忘，简直让人怀疑它是不是金鱼转世。

更离谱的是：开发助理刚修好了飞书 webhook 的配置问题，转头让内容助理写一篇复盘。它却问：“什么配置问题？能详细说说吗？”明明两个 Agent 在同一台服务器上运行，隔壁房间发生的事竟完全不知情。用户的心情可想而知。

每次重新介绍自己，都是在烧 Token

麻烦是表象，真正心疼的是成本。算一笔账：

一个月下来，光是“自我介绍”就烧掉一大笔。这哪是助理在工作？分明是在给7个人重复做入职培训。

字节开源了一个项目，把我点醒了

字节跳动最近开源了一个项目叫 OpenViking（GitHub: github.com/volcengine/OpenViking），核心思路特别简单——把 Agent 的记忆当作文件系统来管理。

什么意思？你打开电脑找文件时，不会把硬盘里所有文件内容全读一遍吧？先看文件夹名，找到目标文件夹，再打开具体文件。Agent 读取记忆也该这样。

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行时没感觉，8000行时 token 就开始哗哗烧了。

L0 / L1 / L2：三层按需加载

OpenViking 把记忆分成三层：

每次启动只读 L0，用 100 个 token 就知道记忆里有哪些信息。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”。实际测试下来，日常对话的 token 消耗直接降低了 10 倍——断崖式下降，效果立竿见影。

P0 / P1 / P2：给记忆加保质期

光分层还不够，记忆会越来越多。OpenViking 的另一招是给记忆打上“保质期”：

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。

真实改造：给 OpenClaw 多 Agent 装上共享大脑

说了这么多原理，到底怎么实操？整个改造过程只花了 30 分钟，纯文件操作。

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，作为 L0 索引：

# memory/.abstract
- 用户偏好：写作风格、发布节奏、目标读者
- 系统配置：Agent列表、通信方式、模型设置
- 项目记录：当前创作任务、历史发布文章
- 工具笔记：常用命令、API配置、踩坑记录

Agent 每次启动先读这个，只有需要具体信息时才深入读对应文件。

第二步：给记忆打 P 标签（10 分钟）

## [P0] 用户基本信息
- 名字：MJ
- 写作风格：大白话、短句、第一人称

## [P1] 当前项目：OpenViking记忆改造
- 状态：初稿
- 截止：2026-03-01

## [P2] 2026-02-22 调试记录
- 飞书webhook超时问题
- 已解决，改了超时配置

再写一个清理脚本，每天扫描一次，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 都能读取的共享目录：

shared-memory/
├── .abstract # 共享记忆索引
├── user-profile.md # 用户画像（所有Agent共用）
├── active-tasks.md # 当前进行中的任务
└── cross-agent-log.md # 跨Agent协作记录

怎么让 Agent 自动往里面写？不用写代码。OpenClaw 每个 Agent 启动都会读 AGENTS.md——它的工作手册。加一条规则就行：

## 共享记忆规则
完成重要任务后，把关键结果追加到 shared-memory/cross-agent-log.md
格式：
- [日期] [角色] 做了什么，关键结论
只记结论，不记过程。一条不超过两行。

就像给员工立了个规矩：“做完事，在共享文档记一笔。”Agent 真的会自觉执行。

改造前 vs 改造后

但我想说点不一样的

字节的 OpenViking 确实厉害。但看了它的 GitHub 后发现——它是一个独立的 Python 服务，需要单独部署、配置 VLM 和 Embedding 模型、还需要 API Key。不是不好，只是对大多数 OpenClaw 用户来说，杀鸡用了牛刀。

OpenClaw 本身的 MEMORY.md、memory/ 目录、AGENTS.md 规则已经实现了记忆管理的底层架构。要做的不是“接入 OpenViking”，而是把 OpenViking 的思想用 OpenClaw 原生的方式落地：

• 分层加载的思想 → .abstract 索引文件
• 生命周期管理 → P0/P1/P2 标签 + 清理脚本
• 共享记忆 → shared-memory/ 目录 + AGENTS.md 规则

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：

请参考OpenViking的分层记忆思想，给我的多Agent系统做记忆改造：
1. 为每个Agent的memory目录添加.abstract索引文件
2. 给现有记忆条目添加P0/P1/P2生命周期标签
3. 创建shared-memory/共享记忆层
4. 在AGENTS.md里添加跨Agent记忆同步规则
5. 写一个每日清理脚本，自动归档过期记忆
直接执行，不用问我。

它会帮你全流程搞完。

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，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。

别光让自己多动脑子——也得让你的 Agent，学会记住你。