Обмежена довготривала пам’ять штучного інтелекту (ШІ) обмежує можливості ШІ-агентів. Walrus вирішує цю проблему за допомогою MemWal та нових інтеграцій OpenClaw і NemoClaw.
Створіть обліковий запис, щоб зберегти свої статті.Додати в GoogleДодайте Decrypt як джерело за замовчуванням, щоб бачити більше наших історій у Google.
Коротко
Walrus запустив MemWal, SDK для ШІ-агентів.
MemWal забезпечує перевіреність, доступність, портативність та можливість спільного використання пам’яті агентів.
Покращена пам’ять агентів відкриває широкий спектр нових застосувань, таких як агенти підтримки клієнтів, що зберігають контекстні підказки про користувачів.
Зі зростанням поширеності ШІ-агентів, пам’ять агентів стає одним із найважливіших питань у сфері штучного інтелекту.
Підприємства та приватні особи все частіше покладаються на агентів для виконання дедалі складніших завдань з високими ставками. Однак рівень пам’яті, на якому працює більшість сучасних агентів, має обмеження, що впливають на якість їхньої роботи.
Саме це намагається вирішити Walrus, поєднавши його з нещодавно запущеним SDK під назвою MemWal. Як розповів Decrypt Абінхав Гаргар, керівник групи продуктів Mysten Labs, це забезпечує перевіреність, доступність, портативність та можливість спільного використання пам’яті агентів.
“Завдяки Walrus та MemWal пам’ять зберігається на відкритому, перевіреному рівні даних, тобто вона не прив’язана до жодної конкретної моделі чи постачальника”, — пояснив Гаргар. Це означає, що користувачі можуть перемикатися між постачальниками моделей, такими як OpenAI та Anthropic, тоді як дані зберігаються з гарантіями перевіреності, що робить їх захищеними від несанкціонованого доступу. “Це особливо важливо, коли агенти починають працювати в більш критичних робочих процесах, де правильність та аудитованість мають значення”, — додав він.
Дані, що зберігаються на Walrus, успадковують його вбудовані гарантії перевіреності, портативності та доступності, що дозволяє “легше обмінюватися пам’яттю між агентами в командах та організаціях”, — додав він, роблячи це “необхідним для співпраці агентів”.
MemWal також інтегрується з популярними фреймворками оркестрації агентів OpenClaw та NemoClaw через плагін, випущений цього тижня. “Ми хотіли зробити перевірену довготривалу пам’ять легко адаптованою в реальних системах”, — сказав Гаргар, додавши, що це забезпечує “безшовний” робочий процес для розробників.
“Без цього розробникам довелося б розбиратися в інтеграції децентралізованого рівня зберігання, такого як Walrus, що могло б додати тертя та складності”, — пояснив він. “Завдяки інтеграції вони можуть просто оснастити своїх агентів стійкою, перевіреною пам’яттю безпосередньо за допомогою інструментів, які вони вже використовують”.
MemWal та конфіденційність
Конфіденційність стає “значно більшою проблемою для систем ШІ загалом”, — зазначив Гаргар, підкресливши, що агентам все частіше довіряють обробку конфіденційних та пропрієтарних даних. “Будь то корпоративні робочі процеси, фінансова інформація чи особистий контекст, очікування щодо конфіденційності значно зростають”, — додав він.
MemWal та Walrus забезпечують конфіденційність та програмований контроль доступу через нативний шар шифрування, що означає, що “навіть якщо саме сховище є децентралізованим, його вміст залишається конфіденційним та регулюється політикою — навіть постачальники сховищ не можуть його прочитати”, — пояснив Гаргар.
Для користувачів, стверджує він, “більше неприйнятно, щоб ці дані зберігалися в якійсь непрозорій, централізованій системі без чітких гарантій”. Він зазначив, що приватне, контрольоване та аудитоване сховище для пам’яті агентів з часом стане “визначальною вимогою”.
Нові сценарії використання пам’яті агентів
Надання пам’яті агентів перевіреності, доступності, портативності та можливості спільного використання відкриває безліч застосувань, каже Гаргар. Це включає агентів підтримки клієнтів, які зберігають контекстні підказки про користувачів, до співпраці між агентами в різних командах, “які працюють над однією історією клієнта”.
“Є чудовий партнер, який працює над тим, як може бути координація між агентами як видавцями чи споживачами на ринку”, — додав він. “Отже, як ці агенти взаємодіятимуть один з одним і братимуть участь у своєрідному обміні повідомленнями протягом певного періоду часу? І ці повідомлення можуть бути використані як свого роду пам’ять”.
Інші партнери досліджують пам’ять агентів для роботів, яким потрібно обмінюватися контекстом для координації завдань у реальному світі. “Отже, уявіть, якщо вони роблять це протягом годин або навіть тижнів — скажімо, під час реагування на катастрофу, їм знадобиться ця спільна пам’ять”, — пояснив Гаргар.
Зрештою, він очікує “стандартизації стеку” для агентів. “Ви побачите чітке розділення між обчисленнями, даними, пам’яттю та координацією”, — сказав він. “Наша думка полягає в тому, що пам’ять та дані не повинні бути прив’язані до жодної окремої моделі чи платформи — тому Walrus стає тим стійким рівнем даних, а MemWal — рівнем пам’яті поверх нього”.
Використовуйте посібник із швидкого початку роботи, щоб додати пам’ять MemWal до своїх агентів вже зараз.
Надано Walrus
Дізнайтеся більше про партнерство з Decrypt.
Погляд Crypto Top: Інтеграція MemWal у децентралізовану систему зберігання Walrus для ШІ-агентів може стимулювати розвиток нових Web3-додатків, де безпечна та перевірена пам’ять є ключовою. Це потенційно збільшить корисність токенів, пов’язаних з цими екосистемами, завдяки створенню більш надійних та безпечних ШІ-сервісів.
