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

Nous vous souhaitons un merveilleux 4 juillet ! 🇺🇸

Pour beaucoup, un week-end prolongé ne fait qu’offrir des heures supplémentaires pour lancer des projets. En revanche, les développeurs plus récents devraient sérieusement prendre en compte ce conseil : faites une pause, sortez un instant et déconnectez. 🌱

Il est impossible de maintenir un rythme maximal chaque jour. Par conséquent, une fois votre code fusionné en toute sécurité, fermez votre ordinateur et profitez de l’après-midi en dehors de l’écran.

Vos agents numériques n’éprouvent pas ce besoin de pause, mais ils peinent en permanence à ne pas perdre d’informations. En utilisant Walrus Memory, vous et vos agents bénéficiez tous deux de capacités de rétention à long terme robustes, supprimant entièrement la frustration liée au fait de repartir de zéro chaque matin.

Prenez ce temps pour vous détendre et recharger vos batteries. Nous gérons toute la rétention des informations pour vous. 🦭

Nous nous rapprochons rapidement d’un avenir où des millions d’agents d’IA fonctionneront au sein de plusieurs organisations afin de coordonner le travail, transférer des fonds et prendre des décisions. Pour que tout cela se déroule sans accroc, toutefois, ces agents doivent être capables de conserver leur mémoire de manière transparente au fil des différentes applications et sessions.

C’est exactement le défi que relève Walrus Memory. La plateforme équipe les agents d’IA d’un système de mémoire vérifiable et portable qu’ils peuvent facilement transporter, partager et totalement approuver. Dès le départ, il a été conçu pour faciliter la coordination des agents à une échelle massive.

🦭 😎

Vos matériaux de marque d'intelligence artificielle ont-ils constamment l'air de venir de plusieurs entreprises complètement différentes ? @at_bellyseal a été conçu spécifiquement pour ceux qui sont frustrés par ce problème exact. En enseignant au système votre style visuel unique une seule fois, vous pouvez produire en continu des graphiques hautement uniformes. Vous avez la possibilité d'explorer des modèles développés par d'autres créateurs, ou vous pouvez fournir vos propres fichiers de référence pour établir une esthétique personnalisée. Le meilleur dans tout ça, c'est que vous conservez la pleine propriété de votre modèle entraîné et de chaque contenu qu'il génère, avec Walrus sécurisant les reçus.

Notez bien la date : Vendredi 22 mai, 9 h PT / 18 h CET.

Veuillez définir un rappel ci-dessous.

La mémoire de l'intelligence artificielle devrait appartenir à la personne qui l'utilise, plutôt qu'au modèle sous-jacent lui-même. @EmanAbio a récemment souligné cette philosophie exacte en parlant de MemWal. Cette plateforme fonctionne comme une couche de mémoire entièrement cryptée et portable, spécialement conçue pour soutenir des agents IA fonctionnant sur n'importe quel LLM.

La diffusion en direct de Sui a officiellement commencé, alors branchez-vous ci-dessous 👇

Assurez-vous de laisser un 🦭 dans le chat pour nous faire savoir que vous regardez le stream avec nous en temps réel.

Le live de Sui a officiellement commencé, alors n'oubliez pas de nous rejoindre ci-dessous 👇 Nous aimerions voir qui suit en temps réel, alors laissez un 🦭 si vous regardez actuellement.

Bonjour de Sui Live. Le grand jour arrive enfin aujourd'hui. Nous vous accueillons chaleureusement à notre stand Walrus pour récupérer des goodies et participer à une discussion engageante sur les données vérifiables.

Comme l'a souligné @GDanezis, la mémoire d'un agent fonctionne bien plus que comme un simple registre informel de ses actions passées. Cet historique stocké constitue véritablement l'essence même de l'agent, définissant complètement son caractère unique et établissant ses références professionnelles. 🦭

De nombreuses applications crypto se heurtent à un obstacle familier lorsqu'elles dépendent d'informations peu fiables provenant de sources non vérifiables. Les développeurs essaient souvent de régler cela en appliquant des patchs, en créant des wrappers, en introduisant des mécanismes de répétition et en installant des moniteurs. Même si le programme peut sembler fonctionner normalement, il n'y a tout simplement aucun moyen de prouver que les informations fournies sont exactes ou complètement inchangées. Tout au long de ce processus, votre application gère des transferts financiers, administre des agents et exécute une logique cruciale. Au final, créer un système à enjeux élevés basé sur des données qui manquent d'une certitude absolue conduira inévitablement à un échec que vous ne pourrez pas tracer ou expliquer.

La communauté Walrus est maintenant en direct sur @SuiNSdapp. Rejoins pour te connecter avec les détenteurs de WAL, les builders, et tous ceux qui suivent l'écosystème. 🔥👇
https://suins.io/communities/walrus

Voici une observation intéressante à considérer. Lors du cycle précédent, la principale préoccupation était de comprendre qui possédait la plus grande quantité de liquidités. Alors que nous entrons dans le prochain cycle, cette attention se déplacera vers l'identification des acteurs qui s'appuient sur des données vérifiables. Bien que le paysage de cet espace ait complètement changé, les risques et les récompenses sous-jacents restent exactement les mêmes.

juste une idée 💭

dernier cycle : qui a le plus de liquidité ?
prochain cycle : quels agents utilisent des données vérifiables ?

le jeu a changé, les enjeux sont restés les mêmes.

Grâce à notre collaboration avec @tatum_io, nous avons une mise à jour importante pour tous les builders et agents. Vous pouvez enfin dire adieu au processus fastidieux de reconstruction des informations de blockchain bloc par bloc. Des ensembles de données complets pour Ethereum, Bitcoin et BSC sont désormais accessibles instantanément sur Walrus, et nous nous préparons à introduire plus de 100 réseaux très bientôt. En emballant ces données de blockchain vérifiables et structurées entièrement onchain, nous avons veillé à ce qu'elles soient entièrement prêtes pour l'analytics, la formation d'IA et les workflows agents à grande échelle.