Walrus 🦭/acc Re-poster
339 Bài đăng
Walrus 🦭/acc Re-poster
The developer platform enabling data markets for the AI era.
Chain-agnostic and built on @SuiNetwork.
Account managed by Walrus Foundation.
0 Đang theo dõi
23 Người theo dõi
11 Đã thích
Bài đăng
Tất cả
Video
Xem bản dịch
Have you ever wondered why artificial intelligence agents develop their capabilities through state accumulation rather than weight retraining? Jessie Mongeon, also known online as @JessieWritesx, serves as the Tech Lead Manager for @Mysten_Labs and http://Walrus.xyz. She recently shared her expert perspective on this exact process.
According to her explanation, the moment an agent finishes an assignment, the broader infrastructure must analyze the outcome. The system then identifies the crucial takeaways, saves the current state, and fetches that data again whenever it becomes applicable.
If this feedback loop is missing, every single engagement begins from scratch as a cold start.
To discover the practical mechanics of how this state accumulation cycle functions in a live production environment, you can explore her comprehensive walkthrough. Read the complete guide right here: https://blog.walrus.xyz/how-do-ai-agents-learn-from-past-interactions/
According to her explanation, the moment an agent finishes an assignment, the broader infrastructure must analyze the outcome. The system then identifies the crucial takeaways, saves the current state, and fetches that data again whenever it becomes applicable.
If this feedback loop is missing, every single engagement begins from scratch as a cold start.
To discover the practical mechanics of how this state accumulation cycle functions in a live production environment, you can explore her comprehensive walkthrough. Read the complete guide right here: https://blog.walrus.xyz/how-do-ai-agents-learn-from-past-interactions/
Xem bản dịch
Have you ever wondered why artificial intelligence agents rely on state accumulation instead of weight retraining to acquire new knowledge? @JessieWritesx, a Tech Lead Manager at @Mysten_Labs, recently shared some fascinating insights on this exact topic.
The underlying process is highly systematic. Once an AI agent finishes a specific assignment, the broader system evaluates the outcome. It identifies the most important takeaways from that action, saves this information as a state, and ensures the data is readily available to be pulled up for future tasks.
If this continuous feedback cycle did not exist, the AI would be forced to start completely from scratch during every single engagement.
To discover exactly how this cycle of state accumulation operates within real world production environments, you can review the comprehensive tutorial available at https://blog.walrus.xyz/how-do-ai-agents-learn-from-past-interactions/
The underlying process is highly systematic. Once an AI agent finishes a specific assignment, the broader system evaluates the outcome. It identifies the most important takeaways from that action, saves this information as a state, and ensures the data is readily available to be pulled up for future tasks.
If this continuous feedback cycle did not exist, the AI would be forced to start completely from scratch during every single engagement.
To discover exactly how this cycle of state accumulation operates within real world production environments, you can review the comprehensive tutorial available at https://blog.walrus.xyz/how-do-ai-agents-learn-from-past-interactions/
Ngay đúng nửa đêm, một người sáng lập đã gửi một tin nhắn cho @kostascrypto với một tình huống cấp bách. Chi phí sử dụng mô hình AI của họ cho công việc với khách hàng đã trở nên quá đắt, buộc họ phải di chuyển toàn bộ hệ thống càng nhanh càng tốt. Việc cung cấp một giải pháp đáng tin cậy cho đúng thách thức này chính là lý do bộ nhớ di động được tạo ra.
Điều quan trọng là phải nhận ra rằng cả RAG lẫn nhồi nhét ngữ cảnh thực sự không phục vụ như bộ nhớ dài hạn. Hiện nay, một số lượng lớn các khung tác nhân (agent framework) lại dựa vào các biện pháp khắc phục tạm thời, cuối cùng loại bỏ những chi tiết quan trọng, làm tăng chi phí token, hoặc khiến trạng thái của bạn bị “khóa” trong một nhà cung cấp cụ thể. Để làm rõ khái niệm này, chúng tôi đã trình bày kiến trúc thực tế của bộ nhớ tác nhân chân chính. Phần phân tích của chúng tôi phân loại bộ nhớ thật thành các trạng thái ngữ nghĩa (semantic), ký ức theo từng sự kiện (episodic) và quy trình (procedural), đồng thời chỉ ra chính xác các công cụ hiện nay đang thiếu ở đâu. Bạn có thể đọc toàn bộ phân tích kiến trúc của chúng tôi tại https://blog.walrus.xyz/how-do-ai-agents-store-long-term-memory/
Nhân dịp Walrus Prompt Jam, đội ngũ của chúng tôi giới thiệu một loạt các sáng kiến nổi bật của cộng đồng, tập trung vào bộ nhớ tác nhân di động. Tính năng đầu tiên của chúng tôi là Markov—một giải pháp do @/dun999 thực hiện trên Github.
Khi chuyển đổi giữa các tác nhân trong terminal, Claude Code và Codex, người dùng thường phải xây dựng lại toàn bộ ngữ cảnh prompt ngay từ đầu. Markov loại bỏ sự bất tiện này bằng cách lưu trạng thái hoạt động của một tác vụ qua nhiều ứng dụng #AI coding khác nhau, giúp lập trình viên có thể chuyển liền mạch và ngay lập tức phần công việc đang dở của mình.
Nếu hiện tại bạn đang chuyển đổi giữa các AI coder hoặc đang phát triển các công cụ đa tác nhân cho nhà phát triển, hãy chia sẻ quy trình làm việc của bạn với chúng tôi bên dưới.
Xem prompt chính xác tại liên kết sau: https://github.com/dun999/markov/blob/main/PROMPT.md
Đọc toàn bộ bài dự thi tại đây: https://www.deepsurge.xyz/projects/f8b0e24c-05cb-4b3a-be61-8246daca26cd
Khi chuyển đổi giữa các tác nhân trong terminal, Claude Code và Codex, người dùng thường phải xây dựng lại toàn bộ ngữ cảnh prompt ngay từ đầu. Markov loại bỏ sự bất tiện này bằng cách lưu trạng thái hoạt động của một tác vụ qua nhiều ứng dụng #AI coding khác nhau, giúp lập trình viên có thể chuyển liền mạch và ngay lập tức phần công việc đang dở của mình.
Nếu hiện tại bạn đang chuyển đổi giữa các AI coder hoặc đang phát triển các công cụ đa tác nhân cho nhà phát triển, hãy chia sẻ quy trình làm việc của bạn với chúng tôi bên dưới.
Xem prompt chính xác tại liên kết sau: https://github.com/dun999/markov/blob/main/PROMPT.md
Đọc toàn bộ bài dự thi tại đây: https://www.deepsurge.xyz/projects/f8b0e24c-05cb-4b3a-be61-8246daca26cd
Như @kostascrypto đã chỉ ra, có ba lý do chính khiến bộ nhớ của tác nhân AI của bạn phải hoàn toàn có thể di chuyển. Thứ nhất, những thay đổi bất ngờ về địa chính trị có thể khiến bạn bị chặn hoàn toàn quyền truy cập vào một mô hình cụ thể mà không hề có cảnh báo. Thứ hai, bạn phải tuân thủ các khuôn khổ pháp lý nghiêm ngặt như GDPR. Cuối cùng, chắc chắn sẽ đến lúc một mô hình đối thủ chỉ đơn giản là vượt trội hơn mô hình mà bạn đang sử dụng hiện tại. Gần đây, một trong những thách thức này đã ảnh hưởng đến hệ thống công nghệ của riêng bạn chưa?
Chúc bạn một Ngày Quốc khánh Hoa Kỳ thật tuyệt vời! 🇺🇸
Với nhiều người, một kỳ nghỉ cuối tuần kéo dài chỉ đơn giản là mang lại thêm thời gian để triển khai các dự án. Tuy nhiên, các nhà phát triển mới nên cân nhắc nghiêm túc lời khuyên này: hãy dành một chút thời gian ra ngoài và ngắt kết nối. 🌱
Duy trì đà tiến triển tối đa mỗi ngày là điều không thể. Vì vậy, khi mã của bạn đã được tích hợp an toàn, hãy tắt máy tính và tận hưởng buổi chiều với những niềm vui ngoài đời, không nhìn màn hình.
Các tác nhân kỹ thuật số của bạn không có nhu cầu nghỉ ngơi này, nhưng chúng liên tục phải đối mặt với việc mất thông tin. Bằng cách sử dụng Walrus Memory, cả bạn và các tác nhân của bạn đều có được khả năng lưu trữ dài hạn vững chắc, loại bỏ hoàn toàn sự bực bội khi mỗi sáng lại phải bắt đầu từ một trang trắng.
Hãy dành thời gian để thư giãn và nạp lại năng lượng. Chúng tôi sẽ xử lý toàn bộ việc lưu giữ thông tin cho bạn. 🦭
Với nhiều người, một kỳ nghỉ cuối tuần kéo dài chỉ đơn giản là mang lại thêm thời gian để triển khai các dự án. Tuy nhiên, các nhà phát triển mới nên cân nhắc nghiêm túc lời khuyên này: hãy dành một chút thời gian ra ngoài và ngắt kết nối. 🌱
Duy trì đà tiến triển tối đa mỗi ngày là điều không thể. Vì vậy, khi mã của bạn đã được tích hợp an toàn, hãy tắt máy tính và tận hưởng buổi chiều với những niềm vui ngoài đời, không nhìn màn hình.
Các tác nhân kỹ thuật số của bạn không có nhu cầu nghỉ ngơi này, nhưng chúng liên tục phải đối mặt với việc mất thông tin. Bằng cách sử dụng Walrus Memory, cả bạn và các tác nhân của bạn đều có được khả năng lưu trữ dài hạn vững chắc, loại bỏ hoàn toàn sự bực bội khi mỗi sáng lại phải bắt đầu từ một trang trắng.
Hãy dành thời gian để thư giãn và nạp lại năng lượng. Chúng tôi sẽ xử lý toàn bộ việc lưu giữ thông tin cho bạn. 🦭
Chúng ta đang nhanh chóng tiến đến một tương lai mà hàng triệu đại lý AI sẽ hoạt động trên nhiều tổ chức để phối hợp công việc, chuyển tiền và đưa ra quyết định. Tuy nhiên, để mọi thứ hoạt động trơn tru, những đại lý này phải có khả năng duy trì trí nhớ của mình một cách liền mạch qua các ứng dụng và phiên khác nhau.
Đây chính là thách thức mà Walrus Memory giải quyết. Nền tảng này trang bị cho các đại lý AI một hệ thống trí nhớ có thể xác minh và di động mà họ có thể dễ dàng mang theo, chia sẻ và hoàn toàn tin tưởng. Từ nền tảng cho đến trên cao, nó được xây dựng với mục đích để tạo điều kiện cho sự phối hợp của các đại lý ở quy mô lớn.
Đây chính là thách thức mà Walrus Memory giải quyết. Nền tảng này trang bị cho các đại lý AI một hệ thống trí nhớ có thể xác minh và di động mà họ có thể dễ dàng mang theo, chia sẻ và hoàn toàn tin tưởng. Từ nền tảng cho đến trên cao, nó được xây dựng với mục đích để tạo điều kiện cho sự phối hợp của các đại lý ở quy mô lớn.
🦭 😎
Bạn có thấy rằng các tài liệu thương hiệu trí tuệ nhân tạo của bạn trông như thể chúng thuộc về nhiều công ty hoàn toàn khác nhau không? @at_bellyseal được thiết kế đặc biệt cho những ai cảm thấy bực bội với vấn đề này. Bằng cách dạy cho hệ thống phong cách hình ảnh độc đáo của bạn chỉ một lần, bạn có thể liên tục sản xuất đồ họa đồng nhất cao. Bạn có tùy chọn khám phá các mẫu được phát triển bởi các nhà sáng tạo khác, hoặc bạn có thể cung cấp các tệp tham khảo của riêng mình để thiết lập một thẩm mỹ tùy chỉnh. Điều tốt nhất là bạn giữ quyền sở hữu tuyệt đối đối với mô hình đã được đào tạo của mình và mọi nội dung mà nó tạo ra, với Walrus giữ an toàn các biên lai.
Đánh dấu lịch của bạn vào thứ Sáu, ngày 22 tháng 5, 9 giờ sáng PT / 6 giờ chiều CET.
Vui lòng đặt lời nhắc bên dưới.
Đánh dấu lịch của bạn vào thứ Sáu, ngày 22 tháng 5, 9 giờ sáng PT / 6 giờ chiều CET.
Vui lòng đặt lời nhắc bên dưới.
Trong thời gian tham gia Sui Live, chúng tôi đã hỏi các nhà sáng tạo một câu hỏi kích thích tư duy về việc điều gì sẽ xảy ra nếu đại lý AI của họ hoàn toàn mất trí nhớ vào ngày mai. Hầu hết các phản hồi đều cảm thấy tác động sẽ cực kỳ tàn khốc. Mặc dù một số ít đề cập rằng họ có giữ bản sao lưu, nhưng mọi người đều đồng ý rằng việc bị buộc phải bắt đầu lại từ đầu là kịch bản tồi tệ nhất. Điều này nhấn mạnh một nhu cầu quan trọng: trí nhớ của đại lý phải vừa bền vững vừa di động để nó có thể theo sát người dùng từ đại lý này sang đại lý khác. Cung cấp trải nghiệm liền mạch này chính là điều mà Walrus được xây dựng để thực hiện.
Gian hàng triển lãm của chúng tôi hiện đang chật cứng khách tham quan. Thật sự phấn khích khi thấy gần như mọi nhà đầu tư ghé qua đều háo hức muốn có một cuộc thảo luận về bộ nhớ đại lý.
Trí tuệ nhân tạo nên được sở hữu bởi người sử dụng nó, thay vì bởi chính mô hình cơ sở. @EmanAbio gần đây đã chỉ ra triết lý này khi nói về MemWal. Nền tảng này hoạt động như một lớp bộ nhớ được mã hóa hoàn toàn và có thể di động, được thiết kế đặc biệt để hỗ trợ các tác nhân AI hoạt động trên bất kỳ LLM nào.
Buổi phát sóng trực tiếp của Sui đã chính thức bắt đầu, hãy theo dõi bên dưới 👇
Đừng quên để lại một 🦭 trong chat để cho chúng tôi biết bạn đang xem stream cùng chúng tôi theo thời gian thực.
Đừng quên để lại một 🦭 trong chat để cho chúng tôi biết bạn đang xem stream cùng chúng tôi theo thời gian thực.
Chương trình phát sóng trực tiếp của Sui đã chính thức bắt đầu, hãy tham gia cùng chúng tôi bên dưới 👇 Chúng tôi rất muốn biết ai đang theo dõi thời gian thực, nên hãy để lại một 🦭 nếu bạn đang xem.
Một khoảng cách lớn tách biệt một LLM tiêu chuẩn chỉ cung cấp phản hồi hội thoại với một hệ thống tiên tiến được trang bị khả năng thực hiện các hoạt động thực tế.
Trong phần giải thích dưới đây, @GDanezis nêu chi tiết lý do mà nền tảng công nghệ hiện tại của chúng ta đã chứng minh là không đủ cho làn sóng đổi mới tiếp theo.
Trong phần giải thích dưới đây, @GDanezis nêu chi tiết lý do mà nền tảng công nghệ hiện tại của chúng ta đã chứng minh là không đủ cho làn sóng đổi mới tiếp theo.
Như đã lưu ý bởi @GDanezis, bộ nhớ của một agent không chỉ đơn thuần là một nhật ký không chính thức về các hành động trong quá khứ của nó. Lịch sử được lưu trữ này thực sự đóng vai trò như bản chất cốt lõi của agent, hoàn toàn định nghĩa tính cách độc nhất của nó và thiết lập các chứng chỉ chuyên nghiệp của nó. 🦭
Nhiều ứng dụng cryptocurrency gặp phải một rào cản quen thuộc khi chúng phụ thuộc vào thông tin không đáng tin cậy từ các nguồn không thể xác minh. Các nhà phát triển thường cố gắng khắc phục điều này bằng cách áp dụng các bản vá, tạo ra các lớp bọc, giới thiệu cơ chế thử lại và cài đặt các thiết bị giám sát. Dù cho chương trình có vẻ hoạt động bình thường, nhưng thực sự không có cách nào để chứng minh rằng thông tin được cung cấp là chính xác hoặc hoàn toàn không bị thay đổi. Trong suốt quá trình này, ứng dụng của bạn đang xử lý các giao dịch tài chính, quản lý các tác nhân và thực thi logic quan trọng. Cuối cùng, việc tạo ra một hệ thống có tính rủi ro cao dựa trên dữ liệu thiếu độ chắc chắn tuyệt đối sẽ chắc chắn dẫn đến một thất bại mà bạn sẽ hoàn toàn không thể truy vết hoặc giải thích.
Cộng đồng Walrus hiện đã hoạt động trên @SuiNSdapp. Tham gia để kết nối với những người nắm giữ WAL, các nhà phát triển và tất cả những ai theo dõi hệ sinh thái. 🔥👇
https://suins.io/communities/walrus
https://suins.io/communities/walrus
Đăng nhập để khám phá thêm nội dung