随着人工智能代理变得越来越普遍，代理记忆正成为人工智能领域最重要的问题之一。

企业和个人越来越依赖智能体来处理越来越复杂、风险越来越高的任务——但目前大多数智能体运行的内存层存在局限性，这会影响其工作质量。

那可真是件了不起的事。海象以及最近推出的名为记忆之城Mysten Labs集团产品经理Abinhav Garg表示，该公司致力于解决代理内存的可验证性、可用性、可移植性和可共享性问题。解密.

Garg解释说：“Walrus加上MemWal，内存存储在开放且可验证的数据层上，这意味着它不依赖于任何特定的模型或供应商。” 这意味着用户可以在OpenAI和Anthropic等模型提供商之间切换，同时数据存储有可验证的保证，因此防篡改——他表示，这一点“尤其重要，因为智能体开始在更关键的工作流程中运行，在这些流程中，正确性和可审计性至关重要”。

存储在 Walrus 上的数据继承了其内置的可验证性、可移植性和可用性保证，从而实现了“跨团队和组织代理之间更轻松的内存共享”，他补充道，这使其成为“代理协作的必备工具”。

MemWal 还与流行的代理编排框架集成。OpenClaw和NemoClawGarg表示，他们通过本周发布的一款插件实现了这一功能。“我们希望让可验证的长期记忆能够轻松地应用于实际系统中，”他还补充说，这为构建者带来了“无缝”的工作流程。

他解释说：“如果没有这项集成，开发者就必须了解如何集成像 Walrus 这样的去中心化存储层，这会增加开发难度和复杂性。有了这项集成，他们就可以直接使用现有的工具，为他们的代理配备持久化、可验证的内存。”

记忆库和隐私

Garg表示，隐私问题正成为“人工智能系统普遍面临的一个更为严峻的问题”，并指出人工智能系统越来越多地被要求处理敏感和专有数据。“无论是企业工作流程、财务信息还是个人信息，人们对保密性的期望都显著提高，”他补充道。

Garg解释说，MemWal和Walrus通过原生加密层实现了隐私和可编程访问控制，这意味着“即使存储本身是去中心化的，内容仍然保密并受策略约束——即使是存储提供商也无法读取它”。

他认为，对于用户而言，“让这些数据存放在某个不透明的集中式系统中，而没有明确的保证，这是不可接受的”，并指出，对代理记忆进行私有、受控和可审计的存储将“随着时间的推移成为一项决定性要求”。

智能体记忆的新应用案例

Garg 表示，赋予代理记忆以可验证性、可用性、可移植性和可共享性，可以开启一系列应用，从保留用户上下文线索的客户支持代理，到不同团队的代理“基于同一客户历史记录”进行协作。

他补充道：“我们有一位非常棒的合作伙伴，正在努力探索如何在市场上协调出版商或消费者之间的经纪人关系。那么，这些经纪人将如何互动，并在一段时间内进行信息交流呢？而这些信息本身就可以作为一种记忆。”

其他合作伙伴一直在探索机器人的智能体记忆，这些机器人需要在现实世界中彼此共享上下文信息以协调任务。“想象一下，如果它们要连续几个小时甚至几周这样做——比如在灾难响应场景中——它们就需要这种共享记忆，”加格解释道。

他最终预期智能体的“技术栈会实现标准化”。他说：“你会看到计算、数据、内存和协调之间清晰的分离。我们认为内存和数据不应该绑定到任何单一模型或平台——因此，Walrus 将成为持久的数据层，而 MemWal 则成为其上的内存层。”

立即使用快速入门指南为您的代理添加 MemWal 内存。