کوستاس چالکیاس، هم‌بنیان‌گذار و رئیس رمزنگاری در Mysten Labs و از مشارکت‌کنندگان اصلی Walrus، می‌گوید: «حافظه عامل‌محور آینه‌ای از خودمان است.» در یک دنیای ایده‌آل، این حافظه باید قابل حمل باشد، به طوری که عوامل هوش مصنوعی بتوانند هماهنگ شده و محتوا را بین برنامه‌ها و جلسات منتقل کنند – اما تا به امروز، آن‌ها به دلیل محدودیت‌های حافظه دچار مشکل بوده‌اند.

توسعه‌دهندگانی که عوامل هوش مصنوعی می‌سازند، مجبور بوده‌اند پایگاه‌های داده، فروشگاه‌های وکتور و وضعیت زمان اجرا را به هم متصل کنند، که منجر به سیستم‌های غیرقابل اعتمادی شده است که با جریان‌های کاری پیچیده دست و پنجه نرم می‌کنند – و عواملی که فراموش می‌کنند.

چالکیاس گفت: «تصور غلط اصلی در هوش مصنوعی این است که محاسبات تنها گلوگاه است. مسئله اصلی این است که ما به عنوان انسان از حافظه زیادی استفاده می‌کنیم و می‌خواهیم LLM‌هایمان واقعاً درباره ما یاد بگیرند.» او افزود که این به معنای حل «گلوگاه واقعی» حافظه عامل‌محور است.

Mysten Labs قصد دارد با جدیدترین محصول خود، Walrus Memory، که یک لایه حافظه به طور خاص برای عوامل هوش مصنوعی ساخته شده و بر اساس قابلیت حمل، کنترل کاربر و هماهنگی عامل طراحی شده است، این مشکل را برطرف کند.

چالکیاس توضیح داد که Walrus Memory چندین ویژگی را گرد هم می‌آورد که برای عوامل هوش مصنوعی «ضروری» هستند. او گفت: «فقط داشتن محاسبات سریع، لزوماً حریم خصوصی را فراهم نمی‌کند؛ فقط داشتن یک لایه رمزنگاری، لزوماً راهی برای اشتراک‌گذاری سیاست‌های شما در مورد هر LLM که می‌خواهید، ارائه نمی‌دهد. اگر فقط داده‌های بزرگ داشته باشید، این نیز کافی نیست.»

Walrus Memory به عوامل، برنامه‌ها و جریان‌های کاری امکان می‌دهد تا بدون گره خوردن به یک زمان اجرا، جلسه یا ارائه‌دهنده خاص، حافظه را به صورت یکپارچه به اشتراک بگذارند، در حالی که فضاهای حافظه مشترک به چندین عامل امکان می‌دهند در جریان‌های کاری طولانی مدت با یکدیگر هماهنگ شوند. ابزارهای رمزنگاری مانند zk-proofs نیز برای فعال کردن عوامل جهت انجام تأیید محتوایی و امکان دسترسی برنامه‌ریزی‌شده به حافظه رمزگذاری‌شده مستقر می‌شوند.

او افزود: «من معتقد نیستم که هیچ راه حل دیگری، به ویژه راه حل‌های متمرکز بر بلاکچین در حال حاضر، همه این سه عنصر را حل می‌کند، که تقریباً گلوگاه اصلی برای عملکرد بیشتر آن‌ها است.»

چالکیاس اشاره کرد که Walrus Memory با پلتفرم‌های پیشرو هوش مصنوعی از جمله Claude، ChatGPT و Gemini یکپارچه می‌شود، و اطمینان می‌دهد که کاربران مجبور به کار با یک ارائه‌دهنده مدل واحد نیستند – و جریان‌های کاری کاربران را آینده‌نگر می‌کند.

داده‌های ذخیره شده در Walrus Memory همچنین دارای کنترل دسترسی قابل برنامه‌ریزی هستند. چالکیاس گفت: «این فقط دقت بازیابی نیست، بلکه شفافیت نیز هست؛ شما نمی‌خواهید داده‌هایتان برای همیشه آنجا بماند، نمی‌خواهید داده‌هایتان مورد سوءاستفاده قرار گیرد.»

افزونه‌هایی برای OpenClaw و NemoClaw به همراه SDKهای پایتون و تایپ‌اسکریپت به این معنی است که توسعه‌دهندگان می‌توانند به راحتی حافظه قابل حمل را به جریان‌های کاری عامل موجود اضافه کنند. در حال حاضر، تیم‌هایی از جمله Allium، Conso Labs، Inflectiv، OpenGradient، Talus Labs و Tatum با Walrus Memory کار می‌کنند تا برنامه‌هایی از جمله سیستم‌های هویت عامل قابل حمل و دستیارهای هوش مصنوعی که تعاملات مشتری را در طول جلسات به خاطر می‌آورند، بسازند.

چالکیاس گفت که مدیریت حافظه روز به روز «بهتر و بهتر» می‌شود و اشاره کرد که Walrus Memory چهار سرویس مختلف را برای بهبود کیفیت حافظه ارائه شده به LLMها هدف قرار می‌دهد، از جمله ذخیره‌سازی، بازیابی داده، رتبه‌بندی و رمزنگاری. او توضیح داد: «در برخی معیارها، با رتبه‌بندی بهتر، فیلتر کردن بهتر و زمینه، ۶۰ درصد بهبود داشتیم. شما داده‌ها را به طور متفاوتی طبقه‌بندی می‌کنید، و با رمزنگاری داده‌ها، و سپس انجام برخی فیلترها بر روی داده‌ها، این نتایج به مراتب بهتری به ما می‌دهد.» او افزود: «ما دیگر فقط یک لایه ذخیره‌سازی نیستیم.»

با Walrus Memory در walrus.xyz/memory شروع کنید.