Walrus 🦭/acc Re-poster
436 Publicaciones
Walrus 🦭/acc Re-poster
Denunciar
Bloquear usuario
The developer platform enabling data markets for the AI era.
Chain-agnostic and built on @SuiNetwork.
Account managed by Walrus Foundation.
0 Siguiendo
26 Seguidores
28 Me gusta
Publicaciones
Todo
Videos
Ver traducción
Model lifecycles naturally come to an end, but the memory of your agent does not need to expire alongside them. On October 23, @OpenAI phased out several of its legacy API models, specifically GPT-4, GPT-4 Turbo, o1, o3-mini, and o4-mini. Looking ahead, both GPT-4o and GPT-4.1 are scheduled to follow suit on January 14, 2027.
While these retirements are a routine part of the industry, they highlight the value of maintaining memory independently from the model layer. Storing context externally gives development teams the freedom to switch between models at will. This approach prevents vendor lock-in and ensures you never have to reconstruct your accumulated data from scratch. You can simply upgrade your models while seamlessly retaining your memory.
Walrus Memory provides exactly this kind of stability, keeping your interface completely consistent regardless of the runtime or model you decide to implement next. The process remains straightforward and familiar, requiring only remember() for writing data and recall() for reading it.
You can review the official deprecation schedule here:
https://developers.openai.com/api/docs/deprecations
Model lifecycles naturally come to an end, but the memory of your agent does not need to expire alongside them. On October 23, @OpenAI phased out several of its legacy API models, specifically GPT-4, GPT-4 Turbo, o1, o3-mini, and o4-mini. Looking ahead, both GPT-4o and GPT-4.1 are scheduled to follow suit on January 14, 2027.
While these retirements are a routine part of the industry, they highlight the value of maintaining memory independently from the model layer. Storing context externally gives development teams the freedom to switch between models at will. This approach prevents vendor lock-in and ensures you never have to reconstruct your accumulated data from scratch. You can simply upgrade your models while seamlessly retaining your memory.
Walrus Memory provides exactly this kind of stability, keeping your interface completely consistent regardless of the runtime or model you decide to implement next. The process remains straightforward and familiar, requiring only remember() for writing data and recall() for reading it.
You can review the official deprecation schedule here:
https://developers.openai.com/api/docs/deprecations
While these retirements are a routine part of the industry, they highlight the value of maintaining memory independently from the model layer. Storing context externally gives development teams the freedom to switch between models at will. This approach prevents vendor lock-in and ensures you never have to reconstruct your accumulated data from scratch. You can simply upgrade your models while seamlessly retaining your memory.
Walrus Memory provides exactly this kind of stability, keeping your interface completely consistent regardless of the runtime or model you decide to implement next. The process remains straightforward and familiar, requiring only remember() for writing data and recall() for reading it.
You can review the official deprecation schedule here:
https://developers.openai.com/api/docs/deprecations
43
Ver traducción
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.
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.
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.
56
Ver traducción
If you are ready to incorporate Walrus Memory into your workflow, there are three distinct methods available to help you get started.
One excellent approach involves using the Vercel AI SDK. By leveraging middleware, you can seamlessly introduce persistent memory capabilities directly into your streamText and generateText processes. To achieve this, simply include the following import statement in your code:
import { withMemWal } from "@mysten-incubation/memwal/ai";
Alternatively, you might prefer utilizing the OpenClaw plugin. This method empowers your OpenClaw agents with automatic memory retrieval and capture features, which ensures that all information remains completely accessible across various sessions. You can easily install this plugin by running the following command:
openclaw plugins install @mysten-incubation/oc-memwal
Finally, you can choose the Core SDK route. This option provides a comprehensive way to recall and store memory, featuring Walrus storage, SEAL encryption, and automatic embedding. To add this package to your project, execute:
pnpm add @mysten-incubation/memwal
For the complete installation guide and full source code, please check out @github at this address:
https://github.com/MystenLabs/MemWal
If you are ready to incorporate Walrus Memory into your workflow, there are three distinct methods available to help you get started.
One excellent approach involves using the Vercel AI SDK. By leveraging middleware, you can seamlessly introduce persistent memory capabilities directly into your streamText and generateText processes. To achieve this, simply include the following import statement in your code:
import { withMemWal } from "@mysten-incubation/memwal/ai";
Alternatively, you might prefer utilizing the OpenClaw plugin. This method empowers your OpenClaw agents with automatic memory retrieval and capture features, which ensures that all information remains completely accessible across various sessions. You can easily install this plugin by running the following command:
openclaw plugins install @mysten-incubation/oc-memwal
Finally, you can choose the Core SDK route. This option provides a comprehensive way to recall and store memory, featuring Walrus storage, SEAL encryption, and automatic embedding. To add this package to your project, execute:
pnpm add @mysten-incubation/memwal
For the complete installation guide and full source code, please check out @github at this address:
https://github.com/MystenLabs/MemWal
One excellent approach involves using the Vercel AI SDK. By leveraging middleware, you can seamlessly introduce persistent memory capabilities directly into your streamText and generateText processes. To achieve this, simply include the following import statement in your code:
import { withMemWal } from "@mysten-incubation/memwal/ai";
Alternatively, you might prefer utilizing the OpenClaw plugin. This method empowers your OpenClaw agents with automatic memory retrieval and capture features, which ensures that all information remains completely accessible across various sessions. You can easily install this plugin by running the following command:
openclaw plugins install @mysten-incubation/oc-memwal
Finally, you can choose the Core SDK route. This option provides a comprehensive way to recall and store memory, featuring Walrus storage, SEAL encryption, and automatic embedding. To add this package to your project, execute:
pnpm add @mysten-incubation/memwal
For the complete installation guide and full source code, please check out @github at this address:
https://github.com/MystenLabs/MemWal
66
Ver traducción
Losing your artificial intelligence context just because you moved to a different tab is an experience that needs to be left in the past. Information generated within a single application ought to be easily accessible for use in another. In a recent video and interview produced by @AltCryptoGems, @Kenton explores exactly how Walrus Memory provides a reliable solution for portable agent context. He details the way this technology guarantees that your information remains entirely under your ownership, regardless of the various AI platforms you choose to utilize.
Losing your artificial intelligence context just because you moved to a different tab is an experience that needs to be left in the past. Information generated within a single application ought to be easily accessible for use in another. In a recent video and interview produced by @AltCryptoGems, @Kenton explores exactly how Walrus Memory provides a reliable solution for portable agent context. He details the way this technology guarantees that your information remains entirely under your ownership, regardless of the various AI platforms you choose to utilize.
66
Walrus Memory ha acaparado recientemente la atención en un nuevo artículo de @Forbes.
Al reflexionar sobre un desafío fundamental, @kostascrypto compartió esta idea: «Hubo un momento en que nos impidieron acceder a Fable y Mythos. Y piensa: en ese momento, ¿qué tenía que hacer?»
Este dilema es precisamente la razón por la que los desarrolladores están migrando con entusiasmo a sistemas de memoria portátiles vinculados al usuario. Tras alcanzar el hito de más de 5.000 agentes y más de 4,5 millones de recuperaciones, la motivación está más que clara. Al adoptar esta tecnología, los desarrolladores se aseguran de que migrar entre distintos LLM nunca implique tener que empezar completamente desde cero.
Puedes leer aquí el artículo completo, escrito por @guneyyildiz: https://www.forbes.com/sites/guneyyildiz/2026/10/21/ai-startups-are-betting-on-what-the-big-platforms-cannot-credibly-sell/
Walrus Memory ha acaparado recientemente la atención en un nuevo artículo de @Forbes.
Al reflexionar sobre un desafío fundamental, @kostascrypto compartió esta idea: «Hubo un momento en que nos impidieron acceder a Fable y Mythos. Y piensa: en ese momento, ¿qué tenía que hacer?»
Este dilema es precisamente la razón por la que los desarrolladores están migrando con entusiasmo a sistemas de memoria portátiles vinculados al usuario. Tras alcanzar el hito de más de 5.000 agentes y más de 4,5 millones de recuperaciones, la motivación está más que clara. Al adoptar esta tecnología, los desarrolladores se aseguran de que migrar entre distintos LLM nunca implique tener que empezar completamente desde cero.
Puedes leer aquí el artículo completo, escrito por @guneyyildiz: https://www.forbes.com/sites/guneyyildiz/2026/10/21/ai-startups-are-betting-on-what-the-big-platforms-cannot-credibly-sell/
Al reflexionar sobre un desafío fundamental, @kostascrypto compartió esta idea: «Hubo un momento en que nos impidieron acceder a Fable y Mythos. Y piensa: en ese momento, ¿qué tenía que hacer?»
Este dilema es precisamente la razón por la que los desarrolladores están migrando con entusiasmo a sistemas de memoria portátiles vinculados al usuario. Tras alcanzar el hito de más de 5.000 agentes y más de 4,5 millones de recuperaciones, la motivación está más que clara. Al adoptar esta tecnología, los desarrolladores se aseguran de que migrar entre distintos LLM nunca implique tener que empezar completamente desde cero.
Puedes leer aquí el artículo completo, escrito por @guneyyildiz: https://www.forbes.com/sites/guneyyildiz/2026/10/21/ai-startups-are-betting-on-what-the-big-platforms-cannot-credibly-sell/
55
Ver traducción
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/
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/
Discover all the details by reading the complete announcement at the following link: https://walrus.xyz/blog/perceptron-walrus-verifiable-data-provenance/
60
Sin duda, es positivo ver que las mayores plataformas de datos se orientan hacia soluciones de memoria flexibles en cuanto a modelos e independientes de los marcos de trabajo. Por ejemplo, @databricks lanzó la memoria para agentes en versión beta el 12 de octubre, poco después de que @MongoDB incorporara esta capacidad a Atlas el mes pasado.
Sin embargo, persiste un problema importante. Aunque esta memoria puede funcionar con distintos modelos y agentes, con frecuencia sigue vinculada a una única plataforma de datos. Como resultado, los valiosos conocimientos sobre los clientes que obtienen tus agentes se convierten en otro activo cautivo que no puedes trasladar.
Walrus Memory garantiza que tus datos sigan siendo completamente tuyos. Funciona como una capa de memoria independiente que acompaña a tu agente dondequiera que vaya. Como no está limitada a ninguna plataforma específica, se puede acceder a ella desde cualquier entorno de ejecución o modelo. Guardar un dato es tan sencillo como usar remember(), y recuperarlo solo requiere recall().
https://docs.databricks.com/aws/en/release-notes/product/2026/october
Sin duda, es positivo ver que las mayores plataformas de datos se orientan hacia soluciones de memoria flexibles en cuanto a modelos e independientes de los marcos de trabajo. Por ejemplo, @databricks lanzó la memoria para agentes en versión beta el 12 de octubre, poco después de que @MongoDB incorporara esta capacidad a Atlas el mes pasado.
Sin embargo, persiste un problema importante. Aunque esta memoria puede funcionar con distintos modelos y agentes, con frecuencia sigue vinculada a una única plataforma de datos. Como resultado, los valiosos conocimientos sobre los clientes que obtienen tus agentes se convierten en otro activo cautivo que no puedes trasladar.
Walrus Memory garantiza que tus datos sigan siendo completamente tuyos. Funciona como una capa de memoria independiente que acompaña a tu agente dondequiera que vaya. Como no está limitada a ninguna plataforma específica, se puede acceder a ella desde cualquier entorno de ejecución o modelo. Guardar un dato es tan sencillo como usar remember(), y recuperarlo solo requiere recall().
https://docs.databricks.com/aws/en/release-notes/product/2026/october
Sin embargo, persiste un problema importante. Aunque esta memoria puede funcionar con distintos modelos y agentes, con frecuencia sigue vinculada a una única plataforma de datos. Como resultado, los valiosos conocimientos sobre los clientes que obtienen tus agentes se convierten en otro activo cautivo que no puedes trasladar.
Walrus Memory garantiza que tus datos sigan siendo completamente tuyos. Funciona como una capa de memoria independiente que acompaña a tu agente dondequiera que vaya. Como no está limitada a ninguna plataforma específica, se puede acceder a ella desde cualquier entorno de ejecución o modelo. Guardar un dato es tan sencillo como usar remember(), y recuperarlo solo requiere recall().
https://docs.databricks.com/aws/en/release-notes/product/2026/october
59
La inteligencia artificial requiere información que pueda moverse sin problemas entre distintas redes, cumplir estrictamente los protocolos de permisos y mantener registros claros de autenticidad. Si te interesa saber cómo satisfacer estas necesidades específicas, @kimblgn ofrece una descripción detallada que explica exactamente cómo Walrus Memory aborda con éxito cada uno de estos tres elementos esenciales.
La inteligencia artificial requiere información que pueda moverse sin problemas entre distintas redes, cumplir estrictamente los protocolos de permisos y mantener registros claros de autenticidad. Si te interesa saber cómo satisfacer estas necesidades específicas, @kimblgn ofrece una descripción detallada que explica exactamente cómo Walrus Memory aborda con éxito cada uno de estos tres elementos esenciales.
75
Ver traducción
We warmly invite you to a special builder AMA on @discord where we will discuss how to eliminate the guesswork involved in locating information across decentralized sites and blobs. On October 21, 2026 at 12:00 p.m. UTC, @OmuraHQ co-founders Aditya Berry and Sourabh Chawla will be joining us to provide a comprehensive overview of the search infrastructure and real-time indexing developed for Walrus. We look forward to seeing you there, so please come prepared with your inquiries and access the event using the following link: https://discord.com/invite/walrusprotocol
We warmly invite you to a special builder AMA on @discord where we will discuss how to eliminate the guesswork involved in locating information across decentralized sites and blobs. On October 21, 2026 at 12:00 p.m. UTC, @OmuraHQ co-founders Aditya Berry and Sourabh Chawla will be joining us to provide a comprehensive overview of the search infrastructure and real-time indexing developed for Walrus. We look forward to seeing you there, so please come prepared with your inquiries and access the event using the following link: https://discord.com/invite/walrusprotocol
69
En una fascinante conversación sobre cómo maximizar el rendimiento de las GPU, @AnushElangovan, representante de @AMD, se reunió recientemente con @ConorBronsdon. Juntos profundizan en las capacidades de ROCm 10 y hablan sobre la innovadora aplicación de enjambres de agentes. Estos agentes se utilizan para explorar con éxito espacios de búsqueda, lo que permite optimizar automáticamente miles de modelos. Puedes escuchar esta interesante conversación en la temporada 4 del pódcast @chain_ofthought, patrocinado con orgullo por Walrus Memory. Escucha el episodio completo en el siguiente enlace: 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
En una fascinante conversación sobre cómo maximizar el rendimiento de las GPU, @AnushElangovan, representante de @AMD, se reunió recientemente con @ConorBronsdon. Juntos profundizan en las capacidades de ROCm 10 y hablan sobre la innovadora aplicación de enjambres de agentes. Estos agentes se utilizan para explorar con éxito espacios de búsqueda, lo que permite optimizar automáticamente miles de modelos. Puedes escuchar esta interesante conversación en la temporada 4 del pódcast @chain_ofthought, patrocinado con orgullo por Walrus Memory. Escucha el episodio completo en el siguiente enlace: 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
31
Nos enorgullece enormemente ser patrocinadores de la cuarta temporada de @chain_ofthought. En un episodio reciente, @ConorBronsdon conversó con Jaime DeLanghe, CPO de @SlackHQ, sobre el contexto de los agentes. Juntos exploraron por qué los canales están surgiendo como el modelo de contexto natural para los agentes. También hablaron de las dinámicas que surgen cuando todo un equipo dirige en colaboración a un único agente, en lugar de que los empleados trabajen en silos aislados. Puedes escuchar el episodio completo en el enlace de abajo.
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
Nos enorgullece enormemente ser patrocinadores de la cuarta temporada de @chain_ofthought. En un episodio reciente, @ConorBronsdon conversó con Jaime DeLanghe, CPO de @SlackHQ, sobre el contexto de los agentes. Juntos exploraron por qué los canales están surgiendo como el modelo de contexto natural para los agentes. También hablaron de las dinámicas que surgen cuando todo un equipo dirige en colaboración a un único agente, en lugar de que los empleados trabajen en silos aislados. Puedes escuchar el episodio completo en el enlace de abajo.
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
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
82
Proporcionar contexto a tu agente y suministrar datos a tu aplicación son pasos esenciales. Walrus Console está diseñado para satisfacer ambas necesidades a la perfección. Para ayudarte a empezar, te ofrecemos una breve guía que explica cómo conectar Walrus Console a Cursor mediante MCP. Esta integración permite que tu agente lea y escriba archivos fácilmente, como parte natural de tu flujo de trabajo. Puedes explorar Walrus Console hoy mismo en el siguiente enlace: https://walrus.xyz/products/walrus-console/?utm_source=twitter&utm_medium=social&utm_campaign=walrus_console
Proporcionar contexto a tu agente y suministrar datos a tu aplicación son pasos esenciales. Walrus Console está diseñado para satisfacer ambas necesidades a la perfección. Para ayudarte a empezar, te ofrecemos una breve guía que explica cómo conectar Walrus Console a Cursor mediante MCP. Esta integración permite que tu agente lea y escriba archivos fácilmente, como parte natural de tu flujo de trabajo. Puedes explorar Walrus Console hoy mismo en el siguiente enlace: https://walrus.xyz/products/walrus-console/?utm_source=twitter&utm_medium=social&utm_campaign=walrus_console
65
¿Estás desarrollando actualmente un agente de inteligencia artificial? Ahora puedes equiparlo con la capacidad de conservar información mucho después de que finalice una sesión activa. Para los desarrolladores frustrados por la pérdida de datos entre ejecuciones o por tener que proporcionar constantemente contexto de fondo, Walrus Memory ofrece una solución muy eficaz para mantener la continuidad.
Para ayudarte a empezar, aquí tienes un resumen de los recursos disponibles y su funcionamiento.
El complemento de OpenClaw, mysten-incubation/oc-memwal, equipa a los agentes de OpenClaw con la capacidad de capturar y recuperar información automáticamente. Esto garantiza que la memoria siga siendo totalmente accesible en varias sesiones. Puedes encontrar esta herramienta en https://github.com/MystenLabs/MemWal/tree/dev/packages/openclaw-memory-memwal
En la base se encuentra el SDK principal, mysten-incubation/memwal, que se encarga de almacenar de forma segura la memoria cifrada directamente en Walrus. Este componente garantiza que la integridad de tus datos pueda verificarse de forma independiente en cualquier momento. Puedes encontrar el SDK en https://github.com/MystenLabs/MemWal/tree/dev/packages/sdk
Además, el proyecto incluye documentación adaptada a la IA. En el archivo SKILL.md encontrarás instrucciones de integración paso a paso, junto con una referencia de documentación muy estructurada y diseñada específicamente para herramientas de IA en el archivo llms.txt. Consulta estos materiales aquí: https://github.com/MystenLabs/MemWal/blob/dev/SKILL.md
En definitiva, estas herramientas te dan pleno control sobre una memoria persistente que funciona sin problemas en distintos flujos de trabajo, herramientas y sesiones de usuario. Para consultar el código fuente y acceder a la guía de inicio rápido, visita el repositorio principal en https://github.com/MystenLabs/MemWal
¿Estás desarrollando actualmente un agente de inteligencia artificial? Ahora puedes equiparlo con la capacidad de conservar información mucho después de que finalice una sesión activa. Para los desarrolladores frustrados por la pérdida de datos entre ejecuciones o por tener que proporcionar constantemente contexto de fondo, Walrus Memory ofrece una solución muy eficaz para mantener la continuidad.
Para ayudarte a empezar, aquí tienes un resumen de los recursos disponibles y su funcionamiento.
El complemento de OpenClaw, mysten-incubation/oc-memwal, equipa a los agentes de OpenClaw con la capacidad de capturar y recuperar información automáticamente. Esto garantiza que la memoria siga siendo totalmente accesible en varias sesiones. Puedes encontrar esta herramienta en https://github.com/MystenLabs/MemWal/tree/dev/packages/openclaw-memory-memwal
En la base se encuentra el SDK principal, mysten-incubation/memwal, que se encarga de almacenar de forma segura la memoria cifrada directamente en Walrus. Este componente garantiza que la integridad de tus datos pueda verificarse de forma independiente en cualquier momento. Puedes encontrar el SDK en https://github.com/MystenLabs/MemWal/tree/dev/packages/sdk
Además, el proyecto incluye documentación adaptada a la IA. En el archivo SKILL.md encontrarás instrucciones de integración paso a paso, junto con una referencia de documentación muy estructurada y diseñada específicamente para herramientas de IA en el archivo llms.txt. Consulta estos materiales aquí: https://github.com/MystenLabs/MemWal/blob/dev/SKILL.md
En definitiva, estas herramientas te dan pleno control sobre una memoria persistente que funciona sin problemas en distintos flujos de trabajo, herramientas y sesiones de usuario. Para consultar el código fuente y acceder a la guía de inicio rápido, visita el repositorio principal en https://github.com/MystenLabs/MemWal
Para ayudarte a empezar, aquí tienes un resumen de los recursos disponibles y su funcionamiento.
El complemento de OpenClaw, mysten-incubation/oc-memwal, equipa a los agentes de OpenClaw con la capacidad de capturar y recuperar información automáticamente. Esto garantiza que la memoria siga siendo totalmente accesible en varias sesiones. Puedes encontrar esta herramienta en https://github.com/MystenLabs/MemWal/tree/dev/packages/openclaw-memory-memwal
En la base se encuentra el SDK principal, mysten-incubation/memwal, que se encarga de almacenar de forma segura la memoria cifrada directamente en Walrus. Este componente garantiza que la integridad de tus datos pueda verificarse de forma independiente en cualquier momento. Puedes encontrar el SDK en https://github.com/MystenLabs/MemWal/tree/dev/packages/sdk
Además, el proyecto incluye documentación adaptada a la IA. En el archivo SKILL.md encontrarás instrucciones de integración paso a paso, junto con una referencia de documentación muy estructurada y diseñada específicamente para herramientas de IA en el archivo llms.txt. Consulta estos materiales aquí: https://github.com/MystenLabs/MemWal/blob/dev/SKILL.md
En definitiva, estas herramientas te dan pleno control sobre una memoria persistente que funciona sin problemas en distintos flujos de trabajo, herramientas y sesiones de usuario. Para consultar el código fuente y acceder a la guía de inicio rápido, visita el repositorio principal en https://github.com/MystenLabs/MemWal
57
La pérdida de contexto y la limitación a una sola plataforma son los principales obstáculos que impiden que los agentes de IA funcionen eficazmente. Tras el lanzamiento de Walrus Memory, nuestro director de Producto, @kimblgn, compartió una idea clave de todo lo que hemos aprendido hasta ahora. La principal lección es que los desarrolladores solo pueden aprovechar realmente la memoria cuando se proporciona en un formato cifrado, verificable y portátil.
La pérdida de contexto y la limitación a una sola plataforma son los principales obstáculos que impiden que los agentes de IA funcionen eficazmente. Tras el lanzamiento de Walrus Memory, nuestro director de Producto, @kimblgn, compartió una idea clave de todo lo que hemos aprendido hasta ahora. La principal lección es que los desarrolladores solo pueden aprovechar realmente la memoria cuando se proporciona en un formato cifrado, verificable y portátil.
1
1
263
Al mirar hacia el futuro, la próxima ola de inteligencia artificial dependerá en gran medida de los datos generados por personas. Debido a este cambio, establecer claramente la procedencia de la información es ahora un requisito estricto para su adquisición. Por suerte, @SuiNetwork y Walrus están trabajando juntos para garantizar que la procedencia de estos datos sea completamente verificable.
Para respaldar este proceso fundamental, Walrus se está convirtiendo rápidamente en la principal infraestructura de almacenamiento tanto para @datafdn como para Trace, el registro on-chain dedicado a los datos de entrenamiento de IA con derechos debidamente autorizados. En este ecosistema, Trace se encarga de documentar exactamente quién es propietario de la información y cuál es su origen. Mientras tanto, Walrus almacena de forma segura los archivos originales, garantizando que sean completamente a prueba de manipulaciones y que solo puedan acceder a ellos los compradores que cuenten con las licencias correspondientes.
El enorme volumen de actividad en la plataforma pone de manifiesto su creciente impacto. Las aplicaciones que proporcionan datos con licencia a los laboratorios de IA más avanzados utilizan activamente este sistema. Como resultado, Trace ya ha documentado más de 250 millones de contribuciones en total y sigue procesando más de 3 millones de nuevos comprobantes cada día.
Para conocer todos los detalles, consulta el anuncio oficial aquí: https://www.sui.io/blog/data-network-joins-sui-walrus
Al mirar hacia el futuro, la próxima ola de inteligencia artificial dependerá en gran medida de los datos generados por personas. Debido a este cambio, establecer claramente la procedencia de la información es ahora un requisito estricto para su adquisición. Por suerte, @SuiNetwork y Walrus están trabajando juntos para garantizar que la procedencia de estos datos sea completamente verificable.
Para respaldar este proceso fundamental, Walrus se está convirtiendo rápidamente en la principal infraestructura de almacenamiento tanto para @datafdn como para Trace, el registro on-chain dedicado a los datos de entrenamiento de IA con derechos debidamente autorizados. En este ecosistema, Trace se encarga de documentar exactamente quién es propietario de la información y cuál es su origen. Mientras tanto, Walrus almacena de forma segura los archivos originales, garantizando que sean completamente a prueba de manipulaciones y que solo puedan acceder a ellos los compradores que cuenten con las licencias correspondientes.
El enorme volumen de actividad en la plataforma pone de manifiesto su creciente impacto. Las aplicaciones que proporcionan datos con licencia a los laboratorios de IA más avanzados utilizan activamente este sistema. Como resultado, Trace ya ha documentado más de 250 millones de contribuciones en total y sigue procesando más de 3 millones de nuevos comprobantes cada día.
Para conocer todos los detalles, consulta el anuncio oficial aquí: https://www.sui.io/blog/data-network-joins-sui-walrus
Para respaldar este proceso fundamental, Walrus se está convirtiendo rápidamente en la principal infraestructura de almacenamiento tanto para @datafdn como para Trace, el registro on-chain dedicado a los datos de entrenamiento de IA con derechos debidamente autorizados. En este ecosistema, Trace se encarga de documentar exactamente quién es propietario de la información y cuál es su origen. Mientras tanto, Walrus almacena de forma segura los archivos originales, garantizando que sean completamente a prueba de manipulaciones y que solo puedan acceder a ellos los compradores que cuenten con las licencias correspondientes.
El enorme volumen de actividad en la plataforma pone de manifiesto su creciente impacto. Las aplicaciones que proporcionan datos con licencia a los laboratorios de IA más avanzados utilizan activamente este sistema. Como resultado, Trace ya ha documentado más de 250 millones de contribuciones en total y sigue procesando más de 3 millones de nuevos comprobantes cada día.
Para conocer todos los detalles, consulta el anuncio oficial aquí: https://www.sui.io/blog/data-network-joins-sui-walrus
92
Para funcionar eficazmente, tu agente de inteligencia artificial necesita la información contextual adecuada. Walrus Console ofrece una solución integral y te proporciona las herramientas necesarias para gestionar y utilizar fácilmente este contexto esencial.
Descubre más detalles en: https://walrus.xyz/products/walrus-console/?utm_source=twitter&utm_medium=social&utm_campaign=walrus_console
Para funcionar eficazmente, tu agente de inteligencia artificial necesita la información contextual adecuada. Walrus Console ofrece una solución integral y te proporciona las herramientas necesarias para gestionar y utilizar fácilmente este contexto esencial.
Descubre más detalles en: https://walrus.xyz/products/walrus-console/?utm_source=twitter&utm_medium=social&utm_campaign=walrus_console
Descubre más detalles en: https://walrus.xyz/products/walrus-console/?utm_source=twitter&utm_medium=social&utm_campaign=walrus_console
71
Proporciona a tus agentes de inteligencia artificial el espacio de trabajo dedicado que necesitan para procesar información. Con Walrus Console, puedes integrar tus datos sin complicaciones con cualquier herramienta compatible con MCP. Esta conexión permite a tus agentes leer y escribir fácilmente la información exacta de la que dependen.
https://walrus.xyz/products/walrus-console/?utm_source=twitter&utm_medium=social&utm_campaign=walrus_console
Proporciona a tus agentes de inteligencia artificial el espacio de trabajo dedicado que necesitan para procesar información. Con Walrus Console, puedes integrar tus datos sin complicaciones con cualquier herramienta compatible con MCP. Esta conexión permite a tus agentes leer y escribir fácilmente la información exacta de la que dependen.
https://walrus.xyz/products/walrus-console/?utm_source=twitter&utm_medium=social&utm_campaign=walrus_console
https://walrus.xyz/products/walrus-console/?utm_source=twitter&utm_medium=social&utm_campaign=walrus_console
27
Nuestro tiempo en Sui Basecamp llegó oficialmente a su fin tras dos días increíblemente productivos. Durante el evento, presentamos con orgullo Walrus Console a la comunidad. También aprovechamos la ocasión para destacar el emocionante anuncio conjunto de @Mysten_Labs y @googlecloud sobre Verifiable Agent Arbiter, un proyecto centrado en anclar las pruebas de los agentes tanto en Walrus como en Sui. Además, fue un placer dar visibilidad a nuestros fantásticos socios, @astros_ag, @AlliumLabs y @matterhornso. Por último, completamos la experiencia impartiendo talleres participativos centrados en la memoria persistente de los agentes.
Nuestro tiempo en Sui Basecamp llegó oficialmente a su fin tras dos días increíblemente productivos. Durante el evento, presentamos con orgullo Walrus Console a la comunidad. También aprovechamos la ocasión para destacar el emocionante anuncio conjunto de @Mysten_Labs y @googlecloud sobre Verifiable Agent Arbiter, un proyecto centrado en anclar las pruebas de los agentes tanto en Walrus como en Sui. Además, fue un placer dar visibilidad a nuestros fantásticos socios, @astros_ag, @AlliumLabs y @matterhornso. Por último, completamos la experiencia impartiendo talleres participativos centrados en la memoria persistente de los agentes.
38
Sui Basecamp ha concluido oficialmente. Durante este evento de dos días, lanzamos con éxito Walrus Console y organizamos talleres centrados en la memoria persistente de los agentes. También aprovechamos la oportunidad para presentar a nuestros socios: @astros_ag, @AlliumLabs y @matterhornso.
Sui Basecamp ha concluido oficialmente. Durante este evento de dos días, lanzamos con éxito Walrus Console y organizamos talleres centrados en la memoria persistente de los agentes. También aprovechamos la oportunidad para presentar a nuestros socios: @astros_ag, @AlliumLabs y @matterhornso.
62
Nuestro recorrido en Sui Basecamp ha llegado oficialmente a su fin. Durante este fantástico evento de dos días, presentamos con orgullo Walrus Console a la comunidad. También aprovechamos la oportunidad para destacar a nuestros maravillosos socios Astros, Allium y Matterhorn. Por último, nuestro equipo impartió sesiones educativas muy interesantes, centradas íntegramente en los mecanismos de la memoria persistente de los agentes.
Nuestro recorrido en Sui Basecamp ha llegado oficialmente a su fin. Durante este fantástico evento de dos días, presentamos con orgullo Walrus Console a la comunidad. También aprovechamos la oportunidad para destacar a nuestros maravillosos socios Astros, Allium y Matterhorn. Por último, nuestro equipo impartió sesiones educativas muy interesantes, centradas íntegramente en los mecanismos de la memoria persistente de los agentes.
68
Inicia sesión para explorar más contenidos
Únete a usuarios globales de criptomonedas en Binance Square
⚡️ Obtén información útil y actualizada sobre criptos.
💬 Avalado por el mayor exchange de criptomonedas en el mundo.
👍 Descubre perspectivas reales de creadores verificados.
Email/número de teléfono
Temas populares
CanMicrosoftDeliverOnAI
241,201 vistas
1,977 están debatiendo
Sesión 3 de la temporada de resultados: ¿Superarán Google y Microsoft las expectativas?
Binance Square Official
·113 me gusta
·43.9k vistas
CanGoogleDefindItsCore
139,156 vistas
1,444 están debatiendo
EarningsSeason
5.8M vistas
27,968 están debatiendo