OpenClaw+OpenViking + NVIDIA API 配置教程

本教程介绍如何在 OpenClaw 环境中配置 OpenViking，使用 NVIDIA NIM API 作为 Embedding 和 VLM 后端。

什么是 OpenViking？

OpenViking 是火山引擎开源的 AI Agent 上下文数据库。它用"虚拟文件系统"的方式管理 Agent 的记忆、资源和技能，提供：

• 分层上下文：L0摘要 / L1概览 / L2全文，按需加载节省 Token
  
• 语义搜索：融合目录定位与向量检索
  
• 自动摘要：VLM 自动生成文档摘要和概览
  
• 会话记忆：自动提取对话中的长期记忆
  

GitHub: https://github.com/volcengine/OpenViking
前置条件

• Python 3.9+
  
• NVIDIA NIM API Key（免费注册）
  
• 稳定的网络连接
  

第一步：安装 OpenViking

1. pip install openviking

复制代码

第二步：创建配置文件

创建目录和配置文件：

1. mkdir -p ~/.openviking

复制代码

编辑 ~/.openviking/ov.conf：

1. {  "embedding": {    "dense": {      "api_base": "https://integrate.api.nvidia.com/v1",      "api_key": "你的NVIDIA_API_KEY",      "provider": "openai",      "dimension": 4096,      "model": "nvidia/nv-embed-v1"    }  },  "vlm": {    "api_base": "https://integrate.api.nvidia.com/v1",    "api_key": "你的NVIDIA_API_KEY",    "provider": "openai",    "model": "meta/llama-3.3-70b-instruct"  }}

复制代码

配置说明

参数说明api_baseNVIDIA NIM API 端点api_key从 NVIDIA Build 平台获取dimensionEmbedding 维度，nv-embed-v1 固定为 4096embedding.model推荐使用 nvidia/nv-embed-v1（对称模型，不需要 input_type 参数）vlm.model用于生成摘要的语言模型，推荐 meta/llama-3.3-70b-instruct为什么不用 kimi-k2.5？

NVIDIA 上的推理模型（如 kimi-k2.5）返回的 content 字段为空，内容在 reasoning 字段里。OpenViking 期望标准的 message.content 格式，所以要用非推理模型。
如何获取 NVIDIA API Key

• 访问 https://build.nvidia.com/
  
• 登录/注册账号
  
• 点击右上角用户名 → API Keys → Generate Key
  
• 复制保存（只显示一次）
  

第三步：设置环境变量

1. export OPENVIKING_CONFIG_FILE=~/.openviking/ov.conf

复制代码

建议添加到 ~/.bashrc：

1. echo 'export OPENVIKING_CONFIG_FILE=~/.openviking/ov.conf' >> ~/.bashrcsource ~/.bashrc

复制代码

第四步：验证安装

创建测试脚本 test_openviking.py：
[code]import openviking as ov# 初始化客户端，数据存储在当前目录的 openviking_data 文件夹client = ov.SyncOpenViking(path="./openviking_data")try:    client.initialize()    print("✅ OpenViking 初始化成功！")        # 添加一个测试文件    result = client.add_resource(path="./your_file.md")    print(f"添加文件: {result}")        # 等待处理完成    print("等待处理...")    client.wait_processed()    print("✅ 处理完成！")        # 搜索测试    results = client.find("测试关键词", limit=3)    print(f"\n搜索结果:")    for r in results.resources:        print(f"  {r.uri} (score: {r.score:.4f})")        client.close()    print("\n
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！