OpenViking支持哪些模型Volcengine、OpenAI、Kimi、GLM提供商配置完整对照【免费下载链接】OpenVikingSelf-evolving Context Database for AI Agents. Unify Agent Memory, Knowledge RAG and Skills.项目地址: https://gitcode.com/GitHub_Trending/op/OpenVikingOpenViking 是一个面向 AI Agent 的自进化上下文数据库统一了 Agent 记忆、知识 RAG 与技能管理。在配置 OpenViking 模型时你需要关心三类模型能力VLM语义提取、Embedding向量化和Rerank结果精排。本文对照 Volcengine火山引擎、OpenAI、Kimi、GLM 四大常用提供商帮你快速选对模型、配好 OpenViking。三步完成 OpenViking 模型配置OpenViking 使用 JSON 配置文件ov.conf管理所有模型配置。官方强烈建议首次配置走交互式向导避免手写错字段openviking-server init # 交互式填写 Embedding 和 VLM 配置 openviking-server doctor # 校验配置是否可用init向导会依次引导你填写 Embedding 和 VLM。对OpenAI、Volcengine、Kimi、GLM这类 API 型 VLM只需按提示粘贴对应的 API Key 即可如果选择OpenAI Codex向导还会自动导入已有的 Codex 鉴权。配置文件的核心骨架只有两段{ embedding: { dense: { api_base: api-endpoint, api_key: your-api-key, provider: provider-type, model: model-name } }, vlm: { api_base: api-endpoint, api_key: your-api-key, provider: provider-type, model: model-name } }更多字段说明可参考官方配置文档 docs/zh/guides/01-configuration.md 和完整示例 examples/ov.conf.example。OpenViking 支持的 7 种 VLM 提供商对照VLM视觉语言模型负责为资源生成 L0 摘要约 100 token和 L1 概览约 2k token是 OpenViking 语义层的核心。合法的 VLM provider 名单定义在 openviking/models/vlm/registry.py 中共 7 种Provider端点/模型特点适合场景volcengineark.cn-beijing.volces.comdoubao-seed-2-0-lite-260428官方推荐支持 thinking 模式、音视频理解国内用户默认选择openaiapi.openai.comgpt-5.4OpenAI 兼容接口可指向任何兼容网关国际用户azureAzure OpenAI默认 API 版本2025-01-01-preview企业级合规企业内网kimiapi.kimi.com/codingkimi-code内置 Kimi Coding 订阅默认配置含专用 User-AgentKimi 订阅用户glmapi.z.aiglm-4.6vGLM Coding Plan 端点OpenAI 兼容格式GLM 订阅用户openai-codexCodex OAuth 鉴权无需 API Key复用 ChatGPT/Codex 登录态已有 Codex 鉴权的用户litellmbedrock/、vertex_ai/等显式路由桥接 AWS/GCP 原生凭据云厂商原生鉴权几个关键细节Kimi 是零摩擦提供商源码 openviking/models/vlm/backends/kimi_vlm.py 会自动补齐端点、模型别名kimi-code会映射到kimi-for-coding和订阅请求头你甚至只需提供api_key。GLM 需选视觉模型源码 openviking/models/vlm/backends/glm_vlm.py 默认模型为glm-4.6v。若 OpenViking 需要处理图片请确认使用glm-4.6v或glm-5v-turbo这类支持视觉输入的模型。VLM 支持多凭据故障切换vlm.credentials可配置有序凭据列表限流或 5xx 时自动降级vlm.backup还可挂一层备用 VLM。OpenViking 支持的 13 种 Embedding 提供商对照Embedding 用于向量检索支持 dense / sparse / hybrid 三种模式。支持的提供商覆盖国内外主流厂商Provider推荐模型维度输入类型备注volcenginedoubao-embedding-vision-2512151024多模态唯一原生支持 sparse/hybrid 的国内厂商openaitext-embedding-3-small1536文本可指向 OpenRouter 等兼容网关azureAzure 部署名3072文本model填 deployment namedashscopetext-embedding-v41024文本阿里通义中文优化支持qwen3-vl-embedding多模态geminigemini-embedding-2-preview3072文本需pip install google-genai支持 MRL 可变维度jinajina-embeddings-v5-text-small1024文本开源可 GGUF 本地部署vikingdbbge_large_zh1024文本火山 VikingDBAK/SK 鉴权voyage/cohere/minimax各厂商主力模型—文本均为 denselitellm任意—文本桥接 OpenRouter、Ollama、vLLM 等ollama任意本地模型—文本本地 OpenAI 兼容端点localGGUF 本地模型—文本完全离线内置 llama.cpp选型建议国内用户 想以图搜图volcengineinput: multimodal可嵌入文本和图片混合内容追求检索质量volcengine 的 sparse hybrid 是 OpenViking 当前唯一原生实现的稀疏向量方案配合storage.vectordb.sparse_weight 0即可启用混合检索完全离线localGGUF或jina指向本地推理服务。Rerank 精排3 种提供商快速配置Rerank 用于搜索结果精排支持vikingdb、cohere、openai三种 provider{ rerank: { provider: vikingdb, model_name: doubao-seed-rerank, model_version: 251028, ak: your-access-key, sk: your-secret-key } }如果不想申请 VikingDB 密钥任何 OpenAI 兼容精排接口如 DashScope 的qwen3-rerank都能通过provider: openai接入。未配置 Rerank 时搜索仅使用向量相似度功能不受影响。四大提供商完整配置对照以下为各提供商的ov.conf最小可用配置直接对照粘贴即可。 火山引擎 VolcengineEmbedding VLM 一体化{ embedding: { dense: { api_base: https://ark.cn-beijing.volces.com/api/v3, api_key: your-volcengine-api-key, provider: volcengine, dimension: 1024, model: doubao-embedding-vision-251215, input: multimodal } }, vlm: { api_base: https://ark.cn-beijing.volces.com/api/v3, api_key: your-volcengine-api-key, provider: volcengine, model: doubao-seed-2-0-lite-260428 } }doubao-pro-32k适合更长上下文场景。使用订阅制Agent Plan / Coding Plan时需将api_base换成/api/plan/v3或/api/coding/v3。 OpenAI国际用户首选{ embedding: { dense: { api_base: https://api.openai.com/v1, api_key: your-openai-api-key, provider: openai, dimension: 1536, model: text-embedding-3-small } }, vlm: { api_base: https://api.openai.com/v1, api_key: your-openai-api-key, provider: openai, model: gpt-5.4 } }走 OpenRouter 等兼容网关时可通过extra_headers补充HTTP-Referer、X-Title等标识头。✈️ KimiCoding 订阅端点{ vlm: { provider: kimi, model: kimi-code, api_key: your-kimi-subscription-api-key, api_base: https://api.kimi.com/coding } }kimiprovider 会自动应用 Kimi Coding 的默认配置端点、模型别名、订阅 User-Agent无需手动补齐。 GLMZ.AI Coding Plan 端点{ vlm: { provider: glm, model: glm-4.6v, api_key: your-zai-api-key, api_base: https://api.z.ai/api/coding/paas/v4 } } 混搭玩法火山 Embedding Codex / Kimi VLM各模块的 provider 相互独立可以混搭。例如火山 Embedding Codex VLM需先通过openviking-server init完成 Codex 登录{ vlm: { provider: openai-codex, model: gpt-5.4, api_base: https://chatgpt.com/backend-api/codex, reasoning_effort: xhigh } }如何选择最合适的模型提供商你的情况推荐方案国内用户开箱即用volcengine全家桶Embedding VLM Rerank一套 Key 搞定国际用户openai提供商或litellm桥接多厂商已有 Kimi / GLM 订阅直接选kimi/glm默认配置开箱即用按订阅计费更划算已有 Codex 登录态openai-codex零 Key 配置隐私敏感 / 离线localEmbedding litellm指向本地 Ollama 推理三个避坑提示未配置 VLM 时L0/L1 会直接从内容生成语义性较弱——生产环境务必配置 VLMdimension必须与模型实际输出维度一致更换 Embedding 模型后需重建向量库配置完成后记得跑openviking-server doctor它会实际调用模型端点验证连通性把问题拦在启动之前。总结OpenViking 的模型体系分为 VLM7 种 provider、Embedding13 种 provider和 Rerank3 种 provider三个可独立配置的模块。四大主流提供商对照结论Volcengine功能最全唯一原生支持多模态 稀疏/混合向量的国内方案国内用户首选OpenAI接口标准兼容生态最广国际用户默认选择Kimi / GLM面向各自订阅用户的零配置接入自动补齐端点与请求头各模块可自由混搭配合credentials多凭据故障切换保证高可用。完整的字段级文档请参考 docs/zh/guides/01-configuration.md模型后端源码位于 openviking/models/ 目录欢迎深入源码查看各提供商的实现细节。【免费下载链接】OpenVikingSelf-evolving Context Database for AI Agents. Unify Agent Memory, Knowledge RAG and Skills.项目地址: https://gitcode.com/GitHub_Trending/op/OpenViking创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考