В продолжение поста от понедельника про Context File System. Категория «база контекста для AI-агентов» оказалась не одиноким стартапом, а целым жанром. Вот свежий экземпляр: OpenViking, опенсорс от Volcengine (облако ByteDance). Идея под капотом красивая. Вместо того чтобы свалить всю память, ресурсы и скиллы агента в один вектор-стор и молиться, что semantic search вытащит нужный кусок, OpenViking раскладывает контекст как файловую систему. Доступ через протокол viking://, агент ходит по директориям через ls и find, как по локальным файлам. Поиск становится наблюдаемым: видно, какой именно файл подтянулся, а не чёрный ящик RAG. Два момента, которые цепляют. Первое: послойная загрузка L0/L1/L2. Сначала агент читает аннотацию в одно предложение, примерно сто токенов, и только если нужно, грузит полную версию. Прямая экономия на inference. Второе: self-iteration. В конце сессии система вытаскивает уроки и переписывает собственную директорию скиллов. Их формулировка: агент во вторник умнее, чем в понедельник, потому что разбогател не вес модели, а его «мозг». Теперь честно. Таких решений сейчас десятки, и все наперебой делают одно и то же: dex, отдельные memory-слои, теперь вот это. Гонка за то, чтобы стать стандартом контекстного слоя. И есть стойкое ощущение, что правильное действие тут одно: сжать зубы, подождать два-три месяца, и OpenAI с Anthropic просто выкатят аналог нативно внутри своих продуктов. Тогда весь этот рынок отдельных инструментов схлопнется в галочку в чужом релиз-ноуте. Поэтому вопрос к тем, кто уже в теме: кто-нибудь гоняет подобное в реальной работе, не на демо? Поделитесь практикой, особенно про self-iteration в проде. Это меня смущает с точки зрения governance больше всего: агент, переписывающий собственные скиллы, это мощно, но кто за это отвечает. https://openviking.ai/