Walrus 🦭/acc Re-poster

It is important to recognize that neither RAG nor context stuffing truly serves as long-term memory. Currently, a large number of agent frameworks fall back on temporary fixes that end up discarding important details, driving up token expenses, or trapping your state within one specific provider. To clarify this concept, we have outlined the actual architecture of genuine agent memory. Our breakdown categorizes true memory into semantic, episodic, and procedural states, while also pinpointing exactly where contemporary tools fall short. You can read our complete architectural analysis by visiting https://blog.walrus.xyz/how-do-ai-agents-store-long-term-memory/

In celebration of the Walrus Prompt Jam, our team is showcasing a selection of standout community initiatives centered around portable agent memory. Our first feature is Markov, a solution crafted by @/dun999 over on Github.

Transitioning among terminal agents, Claude Code, and Codex traditionally forces users to reconstruct their prompt context right from the beginning. Markov eliminates this friction by retaining the active state of a task across different #AI coding applications, which enables programmers to seamlessly and instantly transfer their pending work.

If you are currently shifting between AI coders or developing cross-agent tools for developers, please share your routine with us below.

Review the exact prompt at the following link: https://github.com/dun999/markov/blob/main/PROMPT.md

Read the entire submission here: https://www.deepsurge.xyz/projects/f8b0e24c-05cb-4b3a-be61-8246daca26cd

¡Te deseamos un fantástico 4 de julio! 🇺🇸

Para muchos, un fin de semana de vacaciones ampliado simplemente brinda horas adicionales para lanzar proyectos. Sin embargo, los desarrolladores más nuevos deberían considerar con fuerza este consejo: tómate un momento para salir, desconectar. 🌱

Mantener el máximo impulso a diario es imposible. Por lo tanto, una vez que tu código esté fusionado de forma segura, cierra el ordenador y pasa la tarde disfrutando de la vida lejos de la pantalla.

Tus agentes digitales no experimentan esta necesidad de descanso, pero sí luchan constantemente con la pérdida de información. Al utilizar Walrus Memory, tanto tú como tus agentes obtienen capacidades sólidas de retención a largo plazo, eliminando por completo la frustración de empezar cada mañana desde una pizarra en blanco.

Tómate este tiempo para relajarte y recargar energías. Nosotros nos encargamos de que toda la información se retenga por ti. 🦭

Estamos acercándonos rápidamente a un futuro donde millones de agentes de IA operarán en múltiples organizaciones para coordinar el trabajo, transferir fondos y tomar decisiones. Sin embargo, para que todo esto funcione sin problemas, estos agentes deben poder retener su memoria de manera fluida a través de diferentes aplicaciones y sesiones.

Este es exactamente el desafío que aborda Walrus Memory. La plataforma equipa a los agentes de IA con un sistema de memoria verificable y portátil que pueden llevar, compartir y en el que pueden confiar completamente. Desde cero, está diseñado específicamente para facilitar la coordinación de agentes a gran escala.

🦭 😎

¿Tus materiales de marca de inteligencia artificial siempre parecen pertenecer a varias empresas completamente diferentes? @at_bellyseal fue diseñado específicamente para aquellos que están frustrados por este problema exacto. Al enseñar al sistema tu estilo visual único solo una vez, puedes producir continuamente gráficos altamente uniformes. Tienes la opción de explorar modelos desarrollados por otros creadores, o puedes proporcionar tus propios archivos de referencia para establecer una estética personalizada. Lo mejor de todo es que mantienes la propiedad absoluta sobre tu modelo entrenado y cada pieza de contenido que genera, con Walrus guardando de forma segura los recibos.

Marca tu calendario para el vie 22 de mayo, 9 a.m. PT / 6 p.m. CET.

Por favor, configura un recordatorio a continuación.

La memoria de la inteligencia artificial debería ser propiedad de la persona que la usa, en lugar de pertenecer al modelo subyacente. @EmanAbio destacó recientemente esta filosofía exacta al hablar sobre MemWal. Esta plataforma funciona como una capa de memoria completamente encriptada y portátil, diseñada específicamente para apoyar a los agentes de IA que operan en cualquier LLM.

La transmisión en vivo de Sui ha comenzado oficialmente, así que por favor súmate a continuación 👇

Asegúrate de dejar un 🦭 en el chat para hacernos saber que estás viendo la transmisión con nosotros en tiempo real.

La transmisión en vivo de Sui ha comenzado oficialmente, así que asegúrate de unirte a nosotros abajo 👇 Nos encantaría ver quién está siguiendo en tiempo real, así que por favor deja un 🦭 si estás viendo actualmente.

Buenos días desde Sui Live. El gran día finalmente llega hoy. Te damos una cálida bienvenida a que visites el stand de Walrus para recoger algo de merch y únete a nosotros para una charla interesante sobre datos verificables.

Como señaló @GDanezis, la memoria de un agente funciona como mucho más que un simple registro informal de sus acciones pasadas. Este historial almacenado realmente sirve como la esencia central del agente, definiendo completamente su carácter único y estableciendo sus credenciales profesionales. 🦭

Muchas aplicaciones de criptomonedas se topan con un obstáculo conocido cuando dependen de información poco confiable de fuentes que no se pueden verificar. Los desarrolladores a menudo intentan solucionar esto aplicando parches, creando envoltorios, introduciendo mecanismos de reintento e instalando monitores. Aunque el programa pueda parecer que opera normalmente, simplemente no hay manera de probar que la información proporcionada es precisa o completamente inalterada. A lo largo de este proceso, tu aplicación está manejando transferencias financieras, gestionando agentes y ejecutando lógica crucial. Al final, crear un sistema de alto riesgo basado en datos que carecen de certeza absoluta inevitablemente conducirá a un fracaso que estarás completamente incapaz de rastrear o explicar.

La comunidad de Walrus ya está activa en @SuiNSdapp. Únete para conectar con los holders de WAL, constructores y todos los que siguen el ecosistema. 🔥👇
https://suins.io/communities/walrus

Aquí hay una observación interesante a considerar. Durante el ciclo anterior, la principal preocupación era averiguar quién poseía la mayor cantidad de liquidez. A medida que avanzamos hacia el próximo ciclo, ese enfoque se trasladará a identificar a los agentes que dependen de datos verificables. Aunque el panorama de este espacio se ha transformado por completo, los riesgos y recompensas subyacentes siguen siendo exactamente los mismos.

solo un pensamiento 💭

último ciclo: ¿quién tiene más liquidez?
siguiente ciclo: ¿qué agentes están utilizando datos verificables?

el juego cambió, las apuestas no.

Gracias a nuestra colaboración con @tatum_io, tenemos una actualización importante para todos los constructores y agentes. Finalmente puedes decir adiós al tedioso proceso de reconstruir información de blockchain un bloque a la vez. Los conjuntos de datos completos para Ethereum, Bitcoin y BSC ahora son accesibles instantáneamente en Walrus, y estamos preparando la introducción de más de 100 redes muy pronto. Al empaquetar estos datos de blockchain verificables y estructurados completamente en la cadena, hemos asegurado que estén totalmente preparados para análisis, entrenamiento de IA y flujos de trabajo agentes a gran escala.