突破性人工智能工具亮相：Walrus 推出创新软件套件，支持安全数据存储和无缝代理迁移

作为区块链与人工智能交叉领域的重大发展，基于Sui的存储协议Walrus正式推出MemWal，这是一款专为AI智能体设计的内存层和SDK产品。据 Decrypt 报道，此次发布标志着为自主人工智能系统创建去中心化、可验证的内存基础设施迈出了关键一步。

Walrus MemWal：人工智能代理的新内存范式

MemWal 为人工智能代理提供了内存的可验证性、可用性、可移植性和可共享性。 Sui 和 Walrus 的开发者 Mysten Labs 的产品经理 Abinhav Garg 解释说，一起使用 Walrus 和 MemWal 将内存存储在开放且可验证的数据层上。这消除了对任何单一人工智能模型或提供商的依赖。

这种方法允许用户在 ChatGPT 和 Claude 等 AI 模型之间自由切换。它还使新应用程序能够记住跨不同平台和会话的用户特定提示。

MemWal 的主要特点

可验证性：存储在 Walrus 上的所有内存均可通过密码验证，确保数据完整性和来源。

可用性：只要 Walrus 网络运行，数据就保持可访问，没有单点故障。

可移植性：用户可以在不同模型和应用程序之间移动人工智能代理的内存，而不会丢失数据。

可共享性：内存可以有选择地与其他代理或应用程序共享，从而实现协作式人工智能工作流程。

Walrus 和 MemWal 如何协同工作

Walrus 于 2024 年底在 Sui 的主网上推出，提供针对大数据对象优化的去中心化 Blob 存储。 MemWal 在此基础上添加了专门针对 AI 代理的结构化内存层。 SDK为开发人员提供了以去中心化方式读取、写入和管理代理内存的工具。

该架构解决了人工智能开发中的一个关键挑战：跨不同模型和平台缺乏持久的、可移植的内存。目前，大多数人工智能代理在孤立的环境中运行，在模型或应用程序之间切换时会丢失上下文。

技术架构

MemWal 使用 Walrus 的 blob 存储来存储内存对象。每个内存对象都包含元数据，例如时间戳、所有权和访问控制。 SDK 处理加密、索引和检索，使开发人员可以轻松地将持久内存集成到他们的 AI 代理中。

该系统支持多种记忆类型，包括对话历史记录、用户偏好、任务状态和学习行为。开发人员可以定义自定义内存模式以适应其特定用例。

对 AI 模型可移植性的影响

MemWal 最重要的影响之一是它有可能打破人工智能中的围墙花园。目前，用户通常被锁定在单个人工智能提供商，因为他们的数据、上下文和偏好都存储在该提供商的生态系统中。

通过MemWal，用户可以在不同的AI模型之间保持一致的记忆。例如，用户可以与 ChatGPT 开始对话，然后无缝地继续与 Claude 对话，两个模型都访问相同的内存存储。这种互操作性可以通过降低转换成本来加速人工智能的采用。

现实世界的用例

个人人工智能助理：在不同的人工智能平台上保持一致的用户偏好和对话历史记录。

企业人工智能代理：在同一项目上工作的多个代理之间共享上下文和学习的行为。

游戏人工智能：使 NPC 能够记住不同游戏会话和平台上的玩家交互。

医疗保健人工智能：跨不同的诊断和治疗计划工具维护患者背景。

市场背景和时间表

MemWal 的推出正值人工智能行业正在努力解决当前内存架构的局限性之际。 OpenAI、Anthropic 和 Google 等主要人工智能提供商都宣布了改进上下文窗口和内存功能的努力，但这些仍然是专有的和特定于平台的。

Walrus 的去中心化方法提供了一种优先考虑用户控制和数据可移植性的替代方案。自主网启动以来，该项目获得了巨大的关注，已有 1,000 多名开发人员在该平台上进行开发。

专家观点

Abinhav Garg 强调了 MemWal 背后的哲学转变：“我们相信 AI 内存应该由用户拥有，而不是锁定在任何单一提供商手中。 MemWal 让用户可以自由地为每项任务选择最佳的人工智能，而不会丢失他们的上下文。

行业分析师指出，这种方法符合人工智能系统中数据可移植性和互操作性日益增长的监管压力。例如，欧盟的人工智能法案包含了可以从去中心化内存解决方案中受益的用户数据权利的条款。

技术考虑因素和挑战

尽管 MemWal 具有显着优势，但它也面临着挑战。与集中式解决方案相比，分散式存储会引入延迟，这可能会影响实时性