Les agents IA ont la mémoire d’un poisson rouge. Voici ce que je veux dire : votre agent exécute une tâche, extrait le contexte, raisonne dessus et l’exécute. Parfait. Maintenant, fermez la session. Que devient tout ce qu’il vient d’apprendre ? Disparu. Chaque session reconstruit l’état depuis le début. La plupart des piles IA gèrent 3 à 4 outils de mémoire : cache à court terme, stockage à long terme et recherche de contexte, chacun avec son propre format et ses propres modes d’échec. Ainsi, lorsque l’IA produit une sortie étrange, il est difficile de déterminer si c’est le modèle ou la mémoire qui a échoué. À l’échelle des chatbots, c’est gênant. Pour les agents gérant des portefeuilles, des chaînes d’approvisionnement ou des opérations d’équipe, la perte de contexte devient un risque financier. @WalrusProtocol a lancé MemWal (bêta) pour résoudre ce problème. → Un seul SDK qui remplace la pile de mémoire bricolée. Les données sont stockées sur Walrus. La propriété et les autorisations d’accès sont gérées sur Sui. → La mémoire est typée : les conversations sont traitées différemment des points de contrôle de workflow et des traces de raisonnement. Le contrôle d’accès vous permet de définir précisément quel agent ou utilisateur peut lire ou écrire une mémoire spécifique. → Chaque élément de mémoire est vérifiable. Lorsqu’un agent prend une décision avec de l’argent réel en jeu, vous pouvez retracer exactement ce dont il se souvenait et ce avec quoi il travaillait à ce moment-là. J’adore voir Walrus embrasser la prise de pouvoir des agents IA. Il faut s’adapter ou sortir du marché. Divulgation : Je détiens des tokens $WAL