用途：通过 OpenViking 管理上下文数据库，支持把文档或文件索引进知识库、做语义搜索、浏览资源以及获取摘要和全文。
主要能力：添加单个文件、递归索引目录（可按 glob 模式筛选）、语义搜索（可设返回条数）、浏览资源列表、读取摘要与概览、读取指定章节全文。
使用方式：需 Python 3.9+ 并安装 openviking（pip install openviking）；配置位于 ~/.openviking/ov.conf，需有效的嵌入与 VLM 凭据，并设置 OPENVIKING_CONFIG_FILE=~/.openviking/ov.conf。可从 shell 调用脚本进行一次性操作：python3 scripts/viking.py add /path/to/file.md；python3 scripts/viking.py add-dir /path/to/directory --pattern "*.md"；python3 scripts/viking.py search "query text" --limit 5；python3 scripts/viking.py ls [viking://resources/path]；python3 scripts/viking.py abstract viking://resources/my_doc；python3 scripts/viking.py overview viking://resources/my_doc；python3 scripts/viking.py read viking://resources/my_doc/section.md。复杂工作流、批量操作或集成脚本可使用 Python API。
适用场景：需要将本地文档整理为可检索知识库、按语义查找内容、或通过 URI 浏览与读取已索引资源的场景。
限制：数据目录默认为当前工作目录下 ./openviking_data，可用 --data-dir 覆盖；OpenViking 以文件名而非完整路径作为 URI，应避免同时索引不同目录下的同名文件；VLM 建议使用非推理模型（例如 meta/llama-3.3-70b-instruct），推理模型会把内容返回到错误字段；嵌入模型 nvidia/nv-embed-v1（对称，4096 维）无需额外参数，非对称模型（如 nv-embedqa-e5-v5）需要 input_type，而 OpenViking 不会传入。若前置条件不满足，需先按设置指南完成配置；其他收费、价格或平台信息暂未提供。