Agen AI memiliki ingatan seperti ikan mas. Inilah yang saya maksud: Agen Anda menjalankan tugas, mengambil konteks, bernalar melaluinya, lalu mengeksekusi. Hebat. Sekarang tutup sesi tersebut. Apa yang terjadi pada semua yang baru saja dipelajarinya? Hilang. Setiap sesi membangun ulang keadaan dari awal. Sebagian besar stack AI mengelola 3–4 alat memori: cache jangka pendek, penyimpanan jangka panjang, dan pencarian konteks, masing-masing dengan format dan mode kegagalan sendiri. Jadi, ketika AI menghasilkan sesuatu yang aneh, tidak jelas apakah modelnya yang gagal atau memorinya yang gagal. Pada skala chatbot, ini mengganggu. Untuk agen yang menjalankan portofolio, rantai pasokan, atau operasi tim, kehilangan konteks menjadi risiko finansial. @WalrusProtocol meluncurkan MemWal (beta) untuk menyelesaikan ini. → Satu SDK yang menggantikan tumpukan memori yang diikat dengan selotip. Data disimpan di Walrus. Kepemilikan dan izin akses disimpan di Sui. → Memori bersifat bertipe: percakapan diperlakukan berbeda dari titik pemeriksaan alur kerja dan jejak penalaran. Kontrol akses memungkinkan Anda menentukan secara tepat agen atau pengguna mana yang dapat membaca atau menulis memori tertentu. → Setiap bagian memori dapat diverifikasi. Ketika agen membuat keputusan dengan uang sungguhan di belakangnya, Anda dapat melacak persis apa yang diingatnya dan apa yang sedang digunakannya pada saat itu. Saya senang melihat Walrus merangkul dominasi agen AI. Either beradaptasi atau keluar dari bisnis. Pengungkapan: Saya memegang token $WAL