OpenViking si presenta come una soluzione utile per potenziare le capacità degli agenti di intelligenza artificiale. Si tratta infatti di una piattaforma che funge da database di contesto tramite un'infrastruttura con cui è possibile gestire le informazioni necessarie all'automatizzazione dei task.
Grazie a OpenViking, gli sviluppatori possono fornire ai propri modelli delle informazioni per migliorare la precisione delle risposte fornite. Il sistema, da parte sua, punta a colmare le lacune nella memoria a breve termine proprie delle macchine.
OpenViking e database vettoriali tradizionali
La sempre maggiore diffusione degli agenti autonomi di intelligenza artificiale ha messo in luce in molti casi alcuni limiti dei database vettoriali tradizionali. Con questi ultimi il recupero delle informazioni appare spesso opaco, destrutturato e privo di una visione d'insieme. OpenViking è stato concepito proprio per superare questi limiti proponendosi come un database contestuale specializzato in grado di ottimizzare il modo in cui gli agenti AI gestiscono la memoria, le competenze e i dati.
Il suo maggiore punto di forza risiede nell'organizzare la conoscenza e le risorse all'interno di uno sorta di filesystem che ha la caratteristica di essere navigabile, strutturato e deterministico.
Architettura del filesystem virtuale e navigazione
Invece di affidarsi esclusivamente a vector store opachi, OpenViking consente agli agenti di esplorare le informazioni attraverso operazioni deterministiche sui file e l'uso di URI stabili. Questo modus operandi, basato sul "paradigma del file-system", consente agli assistenti digitali di gestire in modo più intuitivo le risorse interne e le abilità acquisite nel tempo. Viene infatti strutturato il flusso di recupero dei dati in modo trasparente e tracciabile.
Il sistema organizza la conoscenza in modo gerarchico, può supportare dei flussi di lavoro più complessi e sfruttare sessioni di tracciamento per garantire che i dati siano sempre accessibili e misurabili.
Il caricamento progressivo del contesto (o layered loading)
Per massimizzare l'efficienza delle sessioni di lavoro degli agenti AI, e ottimizzare l'uso delle risorse disponibili, OpenViking implementa un sistema di caricamento progressivo del contesto che prende il nome di layered context loading. Invece di sovraccaricare il prompt dell'agente con quantità enormi di dati, spesso non necessari per l'esecuzione del task corrente, il database si occupa di:
- fornire abstract leggeri per la fase di pianificazione iniziale.
- recuperare i dettagli completi solo quando è strettamente necessario per l'esecuzione di un compito.
Questo meccanismo riduce notevolmente il consumo di token degli LLM e rende le interazioni molto più economiche e veloci.
Funzionalità avanzate di OpenViking per i contesti aziendali
OpenViking non è solo uno strumento di memorizzazione, infatti potrebbe essere descritta anche come una piattaforma pronta all'uso per compiti molto complessi, di livello enterprise. Tra le sue funzionalità più adatte all'ambito aziendale è possibile citare:
- il recupero ricorsivo (Recursive Searching): un'architettura di recupero particolarmente efficiente che include ricerche ricorsive per identificare le informazioni più pertinenti mentre viene preservatala coerenza del contesto.
- Distillazione automatica della memoria (Automated Memory Distillation): un processo che permette all'agente di sintetizzare ed evolvere la propria memoria nel tempo.
- Snapshot con controllo di versione: gestione di snapshot per tracciare e ripristinare gli stati della conoscenza del database.
- Sicurezza multilivello: funzionalità di sicurezza integrate che includono crittografia, autenticazione e isolamento multi-tenant sicuro per proteggere i dati sensibili all'interno dei contesti aziendali.
L'idea è quindi quella di fornire una base con cui costruire flussi di lavoro di intelligenza artificiale più intelligenti, tracciabili e performanti, anche a livello enterprise.
