Walrus 🦭/acc Re-poster

Em um episódio recente do podcast Lessons in Product Management, @kimblgn participou do programa para compartilhar insights sobre o futuro do desenvolvimento de produtos. A conversa envolvente se concentrou em criar tecnologia para um mundo agente, explorando exatamente quais mudanças ocorrem quando o seu usuário final principal é um agente de IA, e não um ser humano.

A entrevista destacou vários conceitos essenciais para os ouvintes. Ela detalhou como as abordagens de liderança de produto precisam mudar quando esses agentes passam a agir como os principais consumidores da sua pilha de tecnologia. A discussão também reforçou a necessidade de construir uma infraestrutura com forte ênfase em procedência, controle do usuário e auditabilidade desde a base. Por fim, a conversa explicou o papel crítico de manter um estado portátil e durável, um fator que se torna vital quando os fluxos de trabalho se estendem por múltiplos modelos e runtimes.

Para aproveitar todos esses insights, você pode ouvir o episódio completo bem aqui: https://open.spotify.com/episode/4wJabCwDVGX52mAZRN74ia

Durante uma participação recente no podcast Lessons in Product Management, @kimblgn compartilhou insights valiosos sobre como orientar produtos em direção a um futuro agentic (baseado em agentes). Esta conversa envolvente explorou a fascinante mudança que ocorre quando agentes de inteligência artificial substituem humanos como os principais usuários finais.

A discussão trouxe vários pontos essenciais. Primeiro, analisou as formas como a liderança de produto precisa se adaptar quando esses agentes se tornam os principais consumidores de uma pilha de tecnologia. O diálogo também destacou a importância de construir uma infraestrutura que priorize o controle do usuário, a auditabilidade e a procedência desde o início. Além disso, o episódio abordou a necessidade de manter um estado durável e portátil, o que se mostra crucial sempre que fluxos de trabalho operam em diferentes modelos e ambientes de execução.

Para ouvir a conversa completa, confira o episódio completo em https://lnkd.in/gm5PWpSQ

Na próxima semana, no Sui Basecamp, nossa equipe está animada para demonstrar aos criadores as possibilidades que surgem quando a memória da inteligência artificial é combinada com uma interface de usuário limpa.

Reconhecemos que, embora ampliar as janelas de contexto ofereça uma solução eficaz para necessidades temporárias de escalabilidade, alcançar autonomia real de agentes depende de manter um estado persistente que sobreviva sempre que uma aplicação for reiniciada.

Adoraríamos saber sobre suas próprias experiências com esse desafio. Em que ponto específico as restrições de contexto começam a causar falhas na sua pilha tecnológica atual?

A equipe da Walrus teve um Setembro incrivelmente produtivo, e estamos animados para compartilhar com você nossos lançamentos mais recentes.

Para começar, @matterhornso está oficialmente adotando a Walrus Memory como seu backend padrão. Por causa dessa integração, os membros da equipe podem compartilhar de forma contínua conversas de agentes, resultados de auditoria, histórico de implantação e contexto do projeto, garantindo que todas essas informações persistam entre sessões. Além disso, mais de 5.000 usuários de @ASI_Alliance agora terão acesso a modelos de IA descentralizados suportados pela Walrus.

Em outras notícias importantes, estamos vendo US$ 7,7 bi em Ativos do Mundo Real se moverem para nosso ecossistema, enquanto @Blockticity se prepara para apresentar mais de 1M de registros de negociação autenticados à Walrus. Também queremos parabenizar os vencedores do Sui Overflow. Os projetos vitoriosos incluem Carry, que oferece recibos de memória verificáveis, Suize, com sites verificados em um clique, e Kraterion, um aplicativo para arquivos selados compatíveis com S3 desenvolvido por @StatescuRazvan.

Para quem deseja participar, a Walrus Session 8 está ATIVA no momento. Você tem até 9 de outubro para participar da criação de chatbots que possuam capacidades de memória.

Além disso, temos orgulho de atuar como patrocinadores apresentadores da quarta temporada de @chain_ofthought. Não deixe de conferir os episódios mais recentes, nos quais você pode ouvir o CEO da @chainguard_dev, @dlorenc, falando sobre as razões pelas quais o tempo para explorar ficou negativo, ao lado de @sang_wen, da @genspark_ai, detalhando como construir um segundo cérebro para agentes.

Por fim, se você acontecer de estar em Singapura para o Sui Basecamp nos dias 7 e 8 de outubro, gostaríamos de nos conectar. Sinta-se à vontade para visitar o estande da Walrus pessoalmente ou assistir ao nosso Diretor de Produto, @kimblgn, falar no palco.

Vimos um progresso incrível em todo o nosso ecossistema neste último mês, com desenvolvimentos que vão desde sistemas integrados de memória de agentes no Matterhorn até a introdução de US$ 7,7B em ativos do mundo real. Aqui está uma análise abrangente dos nossos lançamentos e atualizações mais recentes.

Em uma colaboração emocionante, @matterhornso escolheu o Walrus Memory para servir como sua solução de backend principal. Essa integração garante que os membros da equipe possam compartilhar e reter de forma contínua conversas de agentes, resultados de auditoria, logs de implantação e o contexto geral do projeto de uma sessão para a próxima. Além disso, temos o prazer de compartilhar que mais de 5.000 pessoas usando @ASI_Alliance agora terão acesso a modelos descentralizados de inteligência artificial suportados diretamente pelo Walrus.

Expandindo para um valor massivo do mundo real, @Blockticity está migrando mais de 1M de registros de transações autenticadas para a plataforma Walrus, representando um impressionante US$ 7,7B em ativos do mundo real. Também queremos parabenizar os campeões da competição Sui Overflow. Os projetos vencedores incluem Kraterion desenvolvido por @StatescuRazvan, que traz arquivos selados compatíveis com S3, Suize, que oferece sites verificados com uma única chamada, e @CarrySui, que fornece recibos de memória verificáveis.

Para desenvolvedores que desejam construir, o Walrus Session 8 está atualmente ativo até 9 de outubro, convidando os participantes a criarem chatbots com memória habilitada. Nas notícias da mídia, o Walrus Memory tem orgulho de atuar como patrocinador apresentador da quarta temporada do podcast @chain_ofthought. Não deixe de acompanhar os episódios mais novos, em que @sang_wen, da @genspark_ai, discute como criar um segundo cérebro para agentes autônomos, e @dlorenc, CEO da Chainguard, explica o fenômeno do tempo negativo para explorar.

Se você estiver participando do Sui Basecamp em Singapura na próxima semana, por favor, venha nos encontrar. Você pode visitar o estande de exposição da Walrus ou assistir ao nosso Head de Produto, @KimberlyLogan, falar no palco principal.

Para receber todas as nossas atualizações mensais abrangentes diretamente, assine nossa newsletter visitando https://walrus.xyz/newsletter/

Pode ser frustrante quando suas sessões de inteligência artificial são redefinidas, exigindo que você esclareça o contexto do seu projeto desde o início. Para resolver esse problema, a Walrus e a @matterhornso estão introduzindo memória persistente para fluxos de trabalho em blockchain que usam assistência de IA. Com essa nova integração, seu progresso é mantido com segurança entre diferentes equipes e sessões futuras, evitando que você tenha de recomeçar tudo de novo. Você pode ver o anúncio completo e saber mais no link a seguir: https://blog.walrus.xyz/matterhorn-walrus-persistent-memory-ai-workflows/

Embora agentes de inteligência artificial sejam capazes de executar tarefas, são seus dados que realmente desbloqueiam o potencial deles. Cada parte de contexto, registro histórico, arquivo e detalhe reunidos pelos seus aplicativos e agentes serve para construir sua vantagem competitiva única. À medida que avançamos pela era #AI, é essencial que esses dados permaneçam totalmente portáteis e viajem com você. Esteja pronto para 7 de outubro, quando apresentaremos uma abordagem inovadora para conectar seus dados de forma contínua entre diferentes aplicativos e ferramentas de inteligência artificial.

Junte-se à nossa comunidade no Discord amanhã para uma sessão de AMA envolvente com Satyam Bansal de @redsentinel_ai.

Durante este evento, exploraremos as maneiras como a Red Sentinel desenvolve a segurança de IA no Walrus e na @SuiNetwork. Também vamos detalhar a mecânica da arquitetura deles e discutir a importância crítica do contexto verificável. Como bônus adicional, os participantes terão uma prévia exclusiva do que esperar na próxima Walrus Session.

Marque na agenda: 30 de setembro de 2026, às 12:00 PM UTC. Você pode acessar a conversa visitando o Discord do Walrus em http://discord.gg/walrus. Esperamos vê-lo(a) lá.

Em preparação para o Sui Basecamp, nossa equipe está traçando a trajetória futura da infraestrutura de IA com estado. Embora os sistemas de inteligência artificial estejam sempre melhorando, eles ainda perdem todas as informações contextuais assim que uma conversa é encerrada. Queremos ouvir sua perspectiva sobre esse desafio. Se a questão da memória persistente continuar sem solução até 2027, o que você acredita que será a falha de fluxo de trabalho mais crítica causada por agentes de IA? Compartilhe suas ideias conosco nas respostas.

Neste momento, em Amsterdã, @kostascrypto e a equipe mais ampla da Walrus estão presentes em @HumanXCo. Nosso foco atual é integrar a Walrus Memory bem no coração da pilha de IA, o que resolve diretamente o problema da perda de contexto em sistemas multiagentes.

#HumanX2026 #IA #WalrusMemory

Durante uma discussão recente no canal @HumanXCo, um membro da audiência perguntou se a tecnologia foi projetada para consumidores do dia a dia ou para clientes corporativos. @kostascrypto respondeu destacando que as empresas provavelmente se tornarão os usuários mais proeminentes. Ele explicou que as corporações têm uma necessidade distinta de gerenciar seletivamente o acesso a dados com base na região geográfica, em suas aplicações específicas para LLMs e em vários outros fatores.

Mudando para o lado pessoal da equação, ele observou que as pessoas frequentemente compartilham segredos mais profundos com seus agentes de IA e LLMs do que compartilhariam com seus próprios parceiros ou melhores amigos. Para esses usuários cotidianos, o Walrus Memory atua como um escudo para proteger essas informações privadas, ao mesmo tempo em que lhes dá controle total sobre quando realocar ou limitar o acesso aos seus dados.

Muitas pessoas hesitam em fazer a transição entre diferentes LLMs simplesmente porque se preocupam em deixar para trás o valioso contexto e o histórico de conversas que já construíram. Abordando essa preocupação comum durante uma apresentação ao vivo em @HumanXCo Amsterdam, @kostascrypto mostrou uma solução perfeita. Ele apresentou uma demonstração do Walrus Memory, ilustrando exatamente como a plataforma simplifica o processo de troca de modelos ao permitir que você leve facilmente todos os seus dados junto com você.

Imagine as implicações se a memória permanente do seu agente de IA registrasse inadvertidamente o nome real de um cliente. Na Sessão 7 do Walrus, @UyLeQuoc enfrentou exatamente esse cenário ao conduzir uma auditoria do prompt de memória entre ferramentas conhecido como Continuum. Essa revisão minuciosa levou à resolução bem-sucedida de duas vulnerabilidades cruciais relacionadas à privacidade e ao ranqueamento.

Para lidar com esses problemas, a primeira solução introduziu a codificação local de clientes, o que garante que as identidades pessoais sejam mantidas com segurança fora da cadeia (off-chain). A segunda melhoria estabeleceu namespaces mensais, uma mudança projetada para priorizar a ordenação baseada no tempo em vez de depender do ranqueamento semântico.

Você pode explorar a auditoria de segurança completa e acessar o prompt por conta própria neste link: https://inkray.xyz/article?id=i-gave-my-ai-a-memory-it-can-never-delete-then-i-read-what-it-was-about-to-write-701fd1d0f587c800

Quando um agente acessa informações contextuais, é possível demonstrar exatamente de onde esses dados se originaram ou confirmar que o sistema tinha permissão para visualizá-los? No momento, os sistemas de memória da maioria dos agentes funcionam inteiramente como uma caixa-preta.

No Build Notes #3, exploramos como esse desafio está sendo enfrentado pela Carry, um projeto vencedor do Sui Overflow. Ao introduzir controle de acesso antes da recuperação, junto com recibos de resposta verificáveis, a Carry traz essas capacidades importantes diretamente para a Walrus Memory.

Você pode ver a análise técnica completa visitando nosso blog em https://blog.walrus.xyz/carry-verifiable-agent-answers-built-on-walrus-memory/

Os mecanismos internos da maioria dos sistemas de memória de agentes atualmente se assemelham a uma caixa-preta opaca. Sempre que um agente recupera um contexto específico, provar a origem exata desses dados ou confirmar que o acesso foi devidamente autorizado representa um desafio significativo.

Para abordar isso, o Build Notes #3 explora Carry, um vencedor do Sui Overflow que está equipando a Walrus Memory com controle de acesso pré-recuperação, além de recibos de resposta verificáveis.

Você pode se aprofundar na análise técnica completa no blog visitando https://blog.walrus.xyz/carry-verifiable-agent-answers-built-on-walrus-memory/

Você já considerou como a memória da maioria dos agentes funciona totalmente fora da vista? Quando um agente recupera um contexto específico, muitas vezes é difícil demonstrar a origem exata desses dados ou confirmar se o acesso foi realmente autorizado. Abordamos esse desafio no Build Notes #3 ao examinar Carry. Como um vencedor reconhecido do Sui Overflow, Carry integra controle de acesso antes da recuperação e recibos de respostas verificáveis diretamente no Walrus Memory. Você pode ler a análise técnica completa em nosso blog em https://blog.walrus.xyz/carry-verifiable-agent-answers-built-on-walrus-memory/

Estamos imensamente orgulhosos por patrocinar @chain_ofthought nesta temporada atual. Caso você tenha perdido, o COO da @genspark_ai, @sang_wen, recentemente se juntou ao @chain_ofthought para uma discussão esclarecedora sobre contexto persistente. A conversa abordou as formas como o “segundo cérebro” deles gerencia a degradação da memória, os mecanismos de atualização do estado de forma dinâmica e o processo de capturar áudio ambiente do mundo real para agentes. Você pode assistir ao episódio completo por este link: https://youtu.be/ED3m6A7ScKA?si=qM-_kQe7okEcgmQr

Você já dedicou uma sessão inteira de D&D para derrotar um mago das trevas, apenas para o seu Mestre de Jogo de IA ressuscitar o vilão três sessões depois por causa de uma simples falha de memória? Um dos vencedores da nossa Walrus Session 7, @MrRobotJi, conseguiu enfrentar exatamente essa frustração ao desenvolver o Aetheris World Engine usando Walrus Memory.

Em vez de depender de uma similaridade de texto confusa e imprevisível, esta ferramenta inovadora registra com segurança o seu estado atual do jogo diretamente em um registro imutável hospedado no Walrus Mainnet. Essa abordagem garante que os elementos essenciais do jogo sejam acompanhados perfeitamente. Por exemplo, ela monitora estritamente o status dos NPCs para que personagens mortos permaneçam mortos permanentemente. Além disso, o sistema registra com precisão as linhas do tempo dos world-ticks para impedir completamente a ocorrência de bugs de linha do tempo. A engine também incorpora notas secretas criptografadas com SEAL, que escondem com segurança as suas próximas reviravoltas do enredo dos jogadores.

Você pode explorar todos os detalhes deste projeto lendo o artigo no @Medium em https://medium.com/@mrrobotji/the-dead-boss-who-wouldnt-stay-dead-how-we-built-an-immutable-tabletop-world-engine-on-walrus-a7651697df9c?postPublishedType=initial