Agentes de IA têm a memória de um peixe dourado. Eis o que quero dizer: Seu agente executa uma tarefa, busca contexto, raciocina sobre ele e executa. Ótimo. Agora feche a sessão. O que acontece com tudo o que ele acabou de aprender? Sumiu. Cada sessão reconstrói o estado do zero. A maioria das pilhas de IA gerencia 3–4 ferramentas de memória: cache de curto prazo, armazenamento de longo prazo e busca de contexto, cada uma com seu próprio formato e modos de falha. Portanto, quando a IA produz algo estranho, não está claro se foi o modelo ou a memória que falhou. Na escala de chatbots, é irritante. Para agentes que gerenciam portfólios, cadeias de suprimentos ou operações de equipes, a perda de contexto se torna risco financeiro. O @WalrusProtocol lançou o MemWal (beta) para resolver isso. → Um único SDK que substitui a pilha de memória amarrada com fita adesiva. Os dados ficam no Walrus. A propriedade e as permissões de acesso ficam no Sui. → A memória é tipada: conversas são tratadas de forma diferente de pontos de verificação de fluxo de trabalho e traços de raciocínio. O controle de acesso permite definir exatamente qual agente ou usuário pode ler ou escrever memórias específicas. → Cada peça de memória é verificável. Quando um agente toma uma decisão com dinheiro real envolvido, você pode rastrear exatamente o que ele lembrou e com o que estava trabalhando naquele momento. Adoro ver o Walrus abraçando a tomada agencial da IA. Ou você se adapta ou sai do negócio. Divulgação: Estou segurando tokens $WAL