Walrus 🦭/acc Re-poster

Taking the top position in Walrus Session 8: Chatbots That Remember is Playbook, an innovative project developed by @inspikalu. This unique chatbot features an integrated simulation workbench designed to handle bridges, queues, solar, and more.

The standout capability of Playbook is its persistent memory. Every time you return, the system resumes your work exactly where you stopped. It successfully keeps track of your specific limits, your optimal settings, and any approaches that have already failed.

The creator captures the core value of this tool perfectly with the following thought: “The useful part of engineering help is not the textbook answer. It is remembering your limits, your best result, and your failures.”

To learn more about the details behind this use case, you can read the full article on @Medium at https://medium.com/@inspikalu/playbook-my-use-case-62e1009e9d37

You can also experience the project firsthand through the live demo hosted on @vercel by visiting http://playbook-nine-tau.vercel.app

تنتهي دورة حياة النماذج بطبيعتها، لكن لا داعي لانتهاء صلاحية ذاكرة وكيلك معها. في 23 أكتوبر، أوقفت @OpenAI تدريجيًا عددًا من نماذج واجهات API القديمة، وهي تحديدًا GPT-4 وGPT-4 Turbo وo1 وo3-mini وo4-mini. ومن المقرر أن يحذو كل من GPT-4o وGPT-4.1 حذوها في 14 يناير 2027.

مع أن إيقاف هذه النماذج جزء معتاد من مسيرة القطاع، فإنه يسلّط الضوء على أهمية الاحتفاظ بالذاكرة بشكل مستقل عن طبقة النموذج. يمنح تخزين السياق خارجيًا فرق التطوير حرية التبديل بين النماذج متى شاءت. ويجنّب هذا النهج الارتهان لمورّد بعينه، ويضمن ألّا تضطر أبدًا إلى إعادة بناء بياناتك المتراكمة من الصفر. يمكنك ببساطة ترقية نماذجك مع الاحتفاظ بذاكرتك بسلاسة.

يوفر Walrus Memory هذا النوع من الاستقرار تحديدًا، إذ يحافظ على اتساق واجهتك بالكامل بصرف النظر عن بيئة التشغيل أو النموذج الذي تختار تطبيقه لاحقًا. وتظل العملية سهلة ومألوفة، ولا تتطلب سوى remember() لكتابة البيانات وrecall() لقراءتها.

يمكنك الاطلاع على الجدول الرسمي لإيقاف النماذج هنا:
https://developers.openai.com/api/docs/deprecations

On October 23, @OpenAI discontinued a batch of its older API models, specifically o1, o3-mini, o4-mini, GPT-4, and GPT-4 Turbo. Furthermore, they plan to phase out GPT-4.1 and GPT-4o on January 14, 2027. Additional details regarding these updates can be found at https://developers.openai.com/api/docs/deprecations

Although it is completely natural for artificial intelligence models to go through lifecycles, your agent should never lose its memory just because a platform evolves. Separating your memory storage from the underlying model layer gives your team the freedom to switch between different AI providers seamlessly. You will never have to rebuild your accumulated context from the ground up or remain tethered to a single vendor.

You can comfortably transition to new models while retaining all your historical data. Walrus Memory makes this effortless by providing an unchanging interface regardless of the runtime or model you choose in the future. The process remains as simple as using remember() for a write operation and recall() for a read operation.

إذا كنت مستعدًا لدمج Walrus Memory في سير عملك، فهناك ثلاث طرق مختلفة يمكنك اتباعها للبدء.

إحدى الطرق الممتازة هي استخدام Vercel AI SDK. فمن خلال الاستفادة من البرمجيات الوسيطة، يمكنك إضافة إمكانات الذاكرة الدائمة بسلاسة مباشرةً إلى عمليات streamText وgenerateText. ولتحقيق ذلك، ما عليك سوى إضافة عبارة الاستيراد التالية إلى الشيفرة البرمجية:
import { withMemWal } from "@mysten-incubation/memwal/ai";

بدلًا من ذلك، قد تفضّل استخدام إضافة OpenClaw. تتيح هذه الطريقة لوكلاء OpenClaw استرجاع الذكريات وتسجيلها تلقائيًا، ما يضمن إمكانية الوصول الكامل إلى جميع المعلومات عبر الجلسات المختلفة. يمكنك تثبيت هذه الإضافة بسهولة عبر تشغيل الأمر التالي:
openclaw plugins install @mysten-incubation/oc-memwal

وأخيرًا، يمكنك اختيار مسار Core SDK. يوفّر هذا الخيار طريقة شاملة لاسترجاع الذكريات وتخزينها، مع دعم التخزين عبر Walrus، والتشفير باستخدام SEAL، والتضمين التلقائي. لإضافة هذه الحزمة إلى مشروعك، نفّذ الأمر التالي:
pnpm add @mysten-incubation/memwal

للاطلاع على دليل التثبيت الكامل والشيفرة المصدرية كاملةً، تفضّل بزيارة @github على العنوان التالي:
https://github.com/MystenLabs/MemWal

إن فقدان سياق الذكاء الاصطناعي لمجرد انتقالك إلى علامة تبويب أخرى تجربة ينبغي أن تصبح من الماضي. ينبغي أن يكون الوصول إلى المعلومات المُنشأة ضمن تطبيق واحد سهلاً لاستخدامها في تطبيق آخر. في فيديو ومقابلة أعدّهما مؤخرًا @AltCryptoGems، يستكشف @Kenton بالتحديد كيف يوفّر Walrus Memory حلاً موثوقًا لنقل سياق الوكلاء. ويوضح كيف تضمن هذه التقنية بقاء معلوماتك ملكًا لك بالكامل، أيًا كانت منصات الذكاء الاصطناعي التي تختار استخدامها.

سلّطت @Forbes الضوء مؤخرًا على Walrus Memory في تقرير جديد.

وتأملًا في تحدٍ محوري، شارك @kostascrypto الفكرة التالية: «كانت هناك فترة مُنعنا فيها من الوصول إلى Fable وMythos. وتخيّل، في ذلك الوقت، ماذا كان عليّ أن أفعل؟»

تفسّر هذه المعضلة بالضبط سبب إقبال المطوّرين على الانتقال إلى أنظمة ذاكرة محمولة مرتبطة بالمستخدم. وبعد بلوغ إنجاز تجاوز 5,000+ وكيل وأكثر من 4.5M+ عملية استرجاع، بات الدافع واضحًا تمامًا. فمن خلال اعتماد هذه التقنية، يضمن المطوّرون أن الانتقال بين نماذج LLM المختلفة لن يتطلب منهم البدء من الصفر تمامًا.

يمكنك الاطّلاع على المقال الشامل الذي كتبه @guneyyildiz من هنا: https://www.forbes.com/sites/guneyyildiz/2026/10/21/ai-startups-are-betting-on-what-the-big-platforms-cannot-credibly-sell/

To introduce verifiability into its enterprise data suite, @PerceptronNTWK is currently moving the data that powers its 800,000-node network over to Walrus. This transition directly addresses a critical requirement for hedge funds and enterprise buyers who depend heavily on real-time data, as it is absolutely crucial to confirm that this information remains completely unaltered.

Discover all the details by reading the complete announcement at the following link: https://walrus.xyz/blog/perceptron-walrus-verifiable-data-provenance/

من المؤكد أن رؤية أكبر منصات البيانات تتجه نحو حلول ذاكرة مرنة تدعم نماذج مختلفة وغير مرتبطة بإطار عمل محدد تُعد تطورًا إيجابيًا. فعلى سبيل المثال، أطلقت @databricks ذاكرة الوكلاء في الإصدار التجريبي في 12 أكتوبر، بعد وقت قصير من إتاحة @MongoDB هذه الإمكانية في Atlas الشهر الماضي.

ومع ذلك، لا تزال هناك مشكلة جوهرية. فمع أن هذه الذاكرة قد تعمل عبر نماذج ووكلاء مختلفين، فإنها غالبًا ما تظل مرتبطة بمنصة بيانات واحدة. ونتيجة لذلك، تتحول الرؤى القيّمة عن العملاء التي يجمعها وكلاؤك إلى أصل آخر محبوس لا يمكنك نقله.

تضمن Walrus Memory أن تظل بياناتك ملكًا لك بالكامل. فهي تعمل كطبقة ذاكرة مستقلة ترافق وكيلك أينما ذهب. ولأنها غير مقيدة بأي منصة بعينها، يمكن الوصول إليها من أي بيئة تشغيل أو نموذج. ولا يتطلب تخزين معلومة سوى استخدام remember()، واستعادتها لا تتطلب سوى recall().

https://docs.databricks.com/aws/en/release-notes/product/2026/october

ندعوكم بكل سرور إلى جلسة خاصة للمطوّرين بنمط «اسألني أي شيء» على @discord، حيث سنناقش كيفية الاستغناء عن التخمين عند البحث عن المعلومات عبر المواقع اللامركزية والكتل الثنائية. في 21 أكتوبر 2026، الساعة 12:00 ظهرًا بالتوقيت العالمي المنسق، سينضم إلينا الشريكان المؤسسان لـ @OmuraHQ، أديتيا بيري وسوراب تشاولا، لتقديم نظرة شاملة على بنية البحث والفهرسة في الوقت الفعلي التي طُوّرت لصالح Walrus. نتطلع إلى لقائكم، لذا يُرجى الاستعداد بأسئلتكم والانضمام إلى الفعالية عبر الرابط التالي: https://discord.com/invite/walrusprotocol

في حوار شيّق حول تعظيم أداء وحدات معالجة الرسومات، جلس مؤخرًا ممثل @AMD، @AnushElangovan، مع @ConorBronsdon. وتعمّقا معًا في إمكانات ROCm 10، وناقشا الاستخدام المبتكر لأسراب الوكلاء. تُوظَّف هذه الوكلاء لاجتياز فضاءات البحث بنجاح، ما يؤدي إلى تحسين آلاف النماذج آليًا. يمكنك الاستماع إلى هذا النقاش الثري في الموسم الرابع من بودكاست @chain_ofthought، برعاية كريمة من Walrus Memory. استمع إلى الحلقة كاملةً عبر الرابط التالي: https://chainofthought.show/podcast/72-tuning-gpu-performance-with-ai-agents-amds-anush-elangovan-on-rocm-10/?utm_source=sponsor-share&utm_medium=referral&utm_campaign=ep72

نفخر للغاية برعايتنا للموسم الرابع من @chain_ofthought. في حلقة حديثة، جلست @ConorBronsdon مع Jaime DeLanghe، مدير المنتجات التنفيذي في @SlackHQ، في حوار شيّق حول سياق الوكلاء. واستكشفا معًا الأسباب التي تجعل القنوات نموذج السياق الطبيعي للوكلاء. كما ناقشا الديناميكيات التي تنشأ عندما يوجّه فريق كامل وبتعاون مشترك وكيلًا واحدًا، مقارنةً بعمل الموظفين ضمن أقسام منعزلة. يمكنك الاستماع إلى الحلقة كاملةً عبر زيارة الرابط أدناه.

https://chainofthought.show/podcast/71-slack-wants-to-be-the-context-harness-for-code-cpo-jaime-delanghe/?utm_source=sponsor-share&utm_medium=referral&utm_campaign=ep71

يُعدّ تزويد وكيلك بالسياق وتوفير البيانات لتطبيقك خطوتين أساسيتين، وقد صُممت Walrus Console لتلبية هذين الاحتياجين بسلاسة. لمساعدتك على البدء، أعددنا دليلًا موجزًا يشرح كيفية ربط Walrus Console بـ Cursor باستخدام MCP. يتيح هذا التكامل لوكيلك قراءة الملفات وكتابتها بسهولة، كجزء طبيعي من سير عملك. يمكنك استكشاف Walrus Console اليوم عبر الرابط التالي: https://walrus.xyz/products/walrus-console/?utm_source=twitter&utm_medium=social&utm_campaign=walrus_console

هل تعمل حاليًا على تطوير وكيل ذكاء اصطناعي؟ يمكنك الآن تزويده بالقدرة على الاحتفاظ بالمعلومات حتى بعد انتهاء الجلسة النشطة بوقت طويل. للمطورين الذين يزعجهم اختفاء البيانات بين عمليات التنفيذ أو اضطرارهم باستمرار إلى توفير السياق الخلفي، يقدم Walrus Memory حلًا فعّالًا للغاية للحفاظ على استمرارية المعلومات.

لمساعدتك على البدء، إليك نظرة عامة على الموارد المتاحة وكيفية عملها.

تتيح إضافة OpenClaw، mysten-incubation/oc-memwal، لوكلاء OpenClaw تسجيل المعلومات واسترجاعها تلقائيًا. وهذا يضمن بقاء الذاكرة متاحة بالكامل عبر جلسات متعددة. يمكنك العثور على هذه الأداة هنا: https://github.com/MystenLabs/MemWal/tree/dev/packages/openclaw-memory-memwal

في الأساس، تأتي حزمة SDK الأساسية mysten-incubation/memwal، التي تتولى تخزين الذاكرة المشفرة بأمان مباشرةً على Walrus. ويضمن هذا المكوّن إمكانية التحقق من سلامة بياناتك بشكل مستقل في أي وقت. تجد حزمة SDK هنا: https://github.com/MystenLabs/MemWal/tree/dev/packages/sdk

علاوة على ذلك، يتضمن المشروع وثائق ملائمة لأدوات الذكاء الاصطناعي. ستجد تعليمات التكامل خطوة بخطوة في ملف SKILL.md، إلى جانب مرجع توثيقي منظّم بدقة ومصمم خصيصًا لأدوات الذكاء الاصطناعي في ملف llms.txt. اطّلع على هذه المواد هنا: https://github.com/MystenLabs/MemWal/blob/dev/SKILL.md

في نهاية المطاف، تمنحك هذه الأدوات تحكمًا كاملًا في الذاكرة الدائمة، التي تعمل بسلاسة عبر مختلف مسارات العمل والأدوات وجلسات المستخدمين. للاطلاع على الشيفرة المصدرية والوصول إلى دليل البدء السريع، يُرجى زيارة المستودع الرئيسي على: https://github.com/MystenLabs/MemWal

بينما نتطلع إلى المستقبل، ستعتمد الموجة التالية من الذكاء الاصطناعي اعتمادًا كبيرًا على البيانات التي ينتجها البشر. وبسبب هذا التحول، أصبح تحديد مصدر المعلومات بوضوح شرطًا صارمًا لشرائها. ولحسن الحظ، تعمل @SuiNetwork وWalrus معًا لضمان إمكانية التحقق بالكامل من منشأ هذه البيانات.

ولدعم هذه العملية الحيوية، سرعان ما أصبحت Walrus البنية التحتية الأساسية للتخزين لكل من @datafdn وTrace، وهو سجل على السلسلة مخصص لبيانات تدريب الذكاء الاصطناعي التي جرى الحصول عليها مع تسوية حقوقها. ضمن هذا النظام، تتولى Trace توثيق المالك الفعلي للمعلومات ومصدرها بدقة. وفي الوقت نفسه، تحفظ Walrus الملفات الأصلية بأمان، بما يضمن عدم إمكانية العبث بها مطلقًا، وألا تتاح إلا للمشترين الحاصلين على التراخيص المناسبة.

ويبرز الحجم الهائل للنشاط على المنصة أثرها المتنامي. إذ تستخدم التطبيقات التي تزوّد مختبرات الذكاء الاصطناعي الرائدة بالبيانات المرخّصة هذا النظام بنشاط. ونتيجة لذلك، وثّقت Trace بالفعل أكثر من 250 مليون مساهمة إجمالًا، وتواصل معالجة أكثر من 3 ملايين إيصال جديد كل يوم.

للاطلاع على التفاصيل كاملةً، يُرجى مشاهدة الإعلان الرسمي هنا: https://www.sui.io/blog/data-network-joins-sui-walrus

اختُتمت رسميًا مشاركتنا في Sui Basecamp بعد يومين حافلين بالإنجازات. وخلال الفعالية، سعدنا بتقديم Walrus Console إلى المجتمع. كما اغتنمنا الفرصة لتسليط الضوء على الإعلان المشترك المثير من @Mysten_Labs و@googlecloud بشأن Verifiable Agent Arbiter، وهو مشروع يركّز على تثبيت إثباتات الوكلاء على كلٍّ من Walrus وSui. وإضافةً إلى ذلك، سررنا بتسليط الضوء على شركائنا الرائعين: @astros_ag و@AlliumLabs و@matterhornso. واختتمنا مشاركتنا بتنظيم ورش عمل تفاعلية تتمحور حول الذاكرة المستدامة للوكلاء.