Pamięć agencyjna to „lustro nas samych”, mówi Kostas Chalkias, współzałożyciel i główny kryptograf w Mysten Labs, pierwotnych twórcach Walrus. W idealnym świecie ta pamięć powinna być przenośna, z agentami AI koordynującymi i przenoszącymi kontekst między aplikacjami i sesjami – ale do tej pory byli oni krępowani ograniczeniami pamięci.

Deweloperzy tworzący agentów AI musieli łączyć bazy danych, magazyny wektorowe i stan środowiska wykonawczego, co skutkowało niestabilnymi systemami, które mają trudności z obsługą złożonych przepływów pracy – oraz agentami, które zapominają.

„Głównym błędnym przekonaniem w AI jest to, że obliczenia są jedynym wąskim gardłem”, powiedział Chalkias. „Główny problem polega na tym, że jako ludzie używamy dużo pamięci, a chcemy, aby nasze LLM-y faktycznie uczyły się o nas”. To, jak powiedział, oznacza rozwiązanie „prawdziwego wąskiego gardła” pamięci agencyjnej.

Właśnie to Mysten Labs stara się naprawić dzięki swojej najnowszej ofercie, Walrus Memory, warstwie pamięci stworzonej specjalnie dla agentów AI i zaprojektowanej wokół przenośności, kontroli użytkownika i koordynacji agentów.

Chalkias wyjaśnił, że Walrus Memory łączy wiele funkcji, które są „koniecznością” dla agentów AI. „Samo posiadanie szybkich obliczeń niekoniecznie oznacza prywatność; samo posiadanie warstwy szyfrowania niekoniecznie daje sposób na udostępnianie swoich zasad na dowolnych LLM-ach, jakie chcesz”, powiedział. „Jeśli masz tylko duże dane, to również nie wystarczy”.

Walrus Memory umożliwia agentom, aplikacjom i przepływom pracy płynne współdzielenie pamięci bez bycia związanym z pojedynczym środowiskiem wykonawczym, sesją czy dostawcą, podczas gdy współdzielone przestrzenie pamięci umożliwiają wielu agentom koordynację w ramach długotrwałych przepływów pracy. Narzędzia kryptograficzne, takie jak dowody zerowej wiedzy (zk-proofs), są wykorzystywane, aby umożliwić agentom przeprowadzanie weryfikacji kontekstowej i programowalny dostęp do zaszyfrowanej pamięci.

„Nie wierzę, że żadne inne, zwłaszcza skoncentrowane na blockchainie rozwiązanie, obecnie rozwiązuje wszystkie te trzy elementy, co jest w zasadzie głównym wąskim gardłem dla większości z nich, aby działały”, dodał.

Walrus Memory integruje się z wiodącymi platformami AI, w tym Claude, ChatGPT i Gemini, zauważył Chalkias, zapewniając, że użytkownicy nie są zablokowani w pracy z jednym dostawcą modeli – co zabezpiecza przepływy pracy użytkowników na przyszłość.

Dane przechowywane w Walrus Memory posiadają również programowalną kontrolę dostępu. „To nie tylko dokładność przypominania, to także przejrzystość; nie chcesz, aby twoje dane były tam na zawsze, nie chcesz, aby twoje dane były niewłaściwie używane”, powiedział Chalkias.

Wtyczki dla OpenClaw i NemoClaw wraz z SDK dla Pythona i TypeScript oznaczają, że deweloperzy mogą łatwo dodać przenośną pamięć do istniejących przepływów pracy agentów. Już teraz zespoły takie jak Allium, Conso Labs, Inflectiv, OpenGradient, Talus Labs i Tatum współpracują z Walrus Memory, aby tworzyć aplikacje, w tym przenośne systemy tożsamości agentów i asystentów AI, które zapamiętują interakcje z klientami między sesjami.

Obsługa pamięci „staje się coraz lepsza” z dnia na dzień, powiedział Chalkias, zauważając, że Walrus Memory celuje w cztery różne usługi, aby poprawić jakość pamięci dostarczanej do LLM-ów, w tym przechowywanie, pobieranie danych, ranking i szyfrowanie. „W niektórych metrykach odnotowaliśmy 60% poprawy dzięki lepszemu rankingowi, lepszemu filtrowaniu i kontekstowi”, wyjaśnił. „Klasyfikujesz dane inaczej, a szyfrując dane, a następnie filtrując je, uzyskujemy znacznie lepsze wyniki”, powiedział, dodając, że „Nie jesteśmy już tylko warstwą przechowywania danych”.

Rozpocznij pracę z Walrus Memory na stronie walrus.xyz/memory.