个人知识库工具如何选：OpenViking vs TencentDB-Agent-Memory
为什么个人需要知识库 首先解释下当前AI趋势，今年大模型迭代速度远超以往，模型已经非常智能，但限制AI走进我们生活和工作的是工程化编排：提示词工程、上下文记忆、工具定义、纠错、验证、循环等。今天这篇聊聊和上下文相关的知识库。 个人知识库相当于个性化的第二大脑，能让通用大模型更懂你。通用模型很智能但它不一定能懂你，比如了解你的工作，兴趣喜好，原因是你没给他提供足够的上下文信息。这些信息从哪来，那就需要你日常积累，比如所在行业，日常工作内容，最近做的项目，会话纪要等和自己切身相关的数字化信息。如何采集呢？当前效率最高的方式是让AI自动给你整理归纳存档，比如你的文章、视频、图片等一切能形成数字化信息保存的内容，都可以交给它并创造自动化采集流程（skill），让个人信息源源不断的自动积累。那如何存储和应用，这就是本文要讲的内容。 选择哪个知识库工具 不卖关子，直接"祭出"和对比两套开源记忆工具：OpenViking和TencentDB-Agent-Memory，它们定位有细微差别但主要功能相同——记忆知识库，在Github上也很热门，博主也亲自验证(折腾)了两套工具，最终建议直接选择OpenViking。 花了近一周时间从TencentDB-Agent-Memory再到OpenViking，最大的感触是TencentDB给老子爬，OpenViking真香，一个半成品，一个近乎成熟应用——差就差在导入体验和 Agent 接入上，两套方案对比： 维度 OpenViking TencentDB-Agent-Memory 部署体验 Docker 一键起，文档全 能跑，但文档少 Agent 接入 MCP 官方支持，主流 Agent 开箱即用 靠 Proxy 中转，配置复杂 资产导入 异步处理，状态进度可见 缺状态管理，黑盒且慢 使用体验 近乎成熟应用 半成品 OpenViking OpenViking主页基本涵盖了完整的应用、管理、监控等功能，在使用体验上相当流畅。 OpenViking - GitHub 支持各类AGENT工具接入，接口和配置齐全，涵盖各主流Agent：claude、codex、opencode、hermes、Pi、workbuddy、openclaw等 架构图：AI 助手们从各个入口进来，把活儿交给一个总管家，它派三个帮手分别管聊天、找资料、收资料，所有东西最终存进两个仓库——一个放原文，一个放索引方便快速翻找。 资产管理图：一条资料加工流水线——各种来源的文件进来排队，先拆解整理存好，再自动写摘要、编索引，以后随时能搜到；还会定时回访源头，有新内容就自动更新。 记忆作用域图：像一套同心圆的保险柜——最外层是公司大家共用的资料架，中间是每个人的私人抽屉，最里层是你跟不同人聊天时留下的分别的小本本，谁也翻不到别人的。记忆存储图： TencentDB-Agent-Memory TencentDB主页展示美观，功能较全，重点是对团队/个人的资产管理：知识库、对话记忆、技能以及项目代码图谱等，但操作体验糟糕，核心功能的用户路径没有优化好，资产导入解析缺少状态和进度管理，尤其在知识库解析上，50 份共 10MB 的文件，居然耗时约 1 小时；之前单次上传 400 份文件，跑了 1 天都没结果，由于缺少状态机制，底层的资产处理近乎是黑盒。 TencentDB-Agent-Memory - GitHub 支持Agent有限，接入靠Proxy中转，不在接入范围内容的Agent需要单独配置，较为复杂且缺少明确的官方接口/操作文档 如何安装OpenViking 下方是全部署流程skill，已将踩过的坑全填上，耗时约 10–30 分钟即可部署完成。用法：下载后将文件内容直接发给 Claude Code / ZCode，让它按步骤执行即可。唯一需要记住的破坏性运维是，若换 Embedding 模型时会重建向量 ...
