É certamente positivo ver as maiores plataformas de dados a evoluir para soluções de memória flexíveis em relação aos modelos e independentes de frameworks. Por exemplo, a @databricks lançou a memória para agentes em versão beta a 12 de outubro, pouco depois de a @MongoDB ter introduzido essa funcionalidade no Atlas no mês passado.
Ainda assim, persiste um problema significativo. Embora esta memória possa funcionar com diferentes modelos e agentes, continua muitas vezes vinculada a uma única plataforma de dados. Como resultado, os valiosos conhecimentos sobre os clientes obtidos pelos seus agentes transformam-se em mais um ativo bloqueado que não pode transferir.
A Walrus Memory garante que os seus dados continuam a ser totalmente seus. Funciona como uma camada de memória independente que acompanha o seu agente para todo o lado. Como não está limitada a nenhuma plataforma específica, pode ser acedida a partir de qualquer ambiente de execução ou modelo. Guardar um facto é tão simples como usar remember(), e recuperá-lo só exige recall().
https://docs.databricks.com/aws/en/release-notes/product/2026/october
Ainda assim, persiste um problema significativo. Embora esta memória possa funcionar com diferentes modelos e agentes, continua muitas vezes vinculada a uma única plataforma de dados. Como resultado, os valiosos conhecimentos sobre os clientes obtidos pelos seus agentes transformam-se em mais um ativo bloqueado que não pode transferir.
A Walrus Memory garante que os seus dados continuam a ser totalmente seus. Funciona como uma camada de memória independente que acompanha o seu agente para todo o lado. Como não está limitada a nenhuma plataforma específica, pode ser acedida a partir de qualquer ambiente de execução ou modelo. Guardar um facto é tão simples como usar remember(), e recuperá-lo só exige recall().
https://docs.databricks.com/aws/en/release-notes/product/2026/october