Walrus 已推出 MemWal，这是一款为代理式记忆（agentic memory）打造的 SDK，旨在通过为 AI 代理存储和访问信息带来可验证性、可用性、可移植性和可共享性来解决其局限性，Mysten Labs Group 产品经理 Abinhav Garg 表示。
可验证且可移植的记忆层
MemWal 将记忆存储在一个开放的、可验证的数据层上，该层不绑定任何单一模型或供应商。这使用户能够在不同模型提供商之间切换，例如 OpenAI 和 Anthropic，同时在可验证的保障下维持数据，使其具备防篡改性。Garg 向 Decrypt 解释道：“有了 Walrus 加 MemWal，记忆就存在于一个开放的、可验证的数据层上，所以这意味着它不绑定于任何一个模型或供应商。”
存储在 Walrus 上的数据会继承内置的关于可验证性、可移植性和可用性的保障，使得“不同团队、不同代理之间更容易共享记忆”，Garg 表示，并将这种能力描述为“代理协作所必需的”。
框架集成
MemWal 通过本周发布的插件与流行的代理编排框架 OpenClaw 和 NemoClaw 集成。该集成旨在通过让开发者使用他们已经熟悉的工具，为其代理配备持久、可验证的记忆，从而简化采用过程。Garg 解释道：“如果没有这个，开发者就得理解像 Walrus 这样的去中心化存储层的集成，这可能会带来摩擦和复杂性。”
隐私与访问控制
MemWal 通过原生加密层和可编程的访问控制提供隐私功能。尽管存储本身是去中心化的，但内容仍保持机密，并受策略治理——“即使存储提供方也无法读取它”，Garg 表示。这种做法回应了日益增长的担忧：当代理处理敏感且专有的数据时，包括企业工作流、金融信息和个人语境。
新兴用例
增强的代理式记忆能力使跨多个领域的全新应用成为可能。客户支持代理可以保留与用户相关的上下文线索，而不同团队的代理可以通过“基于同一份客户历史记录进行协作”来共同工作。其他合作伙伴正在探索代理在作为市场中的发布者或消费者角色之间进行协调，并使用消息传递作为共享记忆的一种形式。其他用例还包括需要彼此共享上下文以便在现实场景中协调任务的机器人，例如灾害响应行动。
Garg 预计未来代理的“技术栈将实现标准化”，实现“计算、数据、记忆和协调之间的清晰分离”。“我们的观点是，记忆和数据不应该绑定任何单一模型或平台——所以 Walrus 将成为那一层持久的数据层，而 MemWal 则是在其之上的一层记忆层，”他说。
免责声明：以上内容(如有图片或视频亦包括在内)均为平台用户上传并发布，本平台仅提供信息存储服务，对本页面内容所引致的错误、不确或遗漏，概不负任何法律责任，相关信息仅供参考。
本站尊重他人的知识产权、名誉权等法律法规所规定的合法权益!如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到qklwk88@163.com，本站相关工作人员将会进行核查处理回复
