Walrus 🦭/acc Re-poster

模型的生命週期總有結束的一天，但你的智能體記憶不必隨之失效。10 月 23 日，@OpenAI 停用了幾款舊版 API 模型，具體包括 GPT-4、GPT-4 Turbo、o1、o3-mini 和 o4-mini。展望未來，GPT-4o 和 GPT-4.1 也計劃於 2027 年 1 月 14 日停用。

雖然這類模型退役是行業中的常見現象，但它們凸顯了將記憶獨立於模型層進行管理的價值。在外部存儲上下文，讓開發團隊能夠隨時自由切換模型。這種做法可以避免被供應商鎖定，也確保你無需從頭重建積累的數據。你只需升級模型，即可無縫保留記憶。

Walrus Memory 正是爲此提供穩定性：無論你接下來選擇採用哪種運行環境或模型，都能保持接口完全一致。整個流程依舊簡單熟悉，只需使用 remember() 寫入數據，使用 recall() 讀取數據。

你可以在此查看官方棄用時間表：
https://developers.openai.com/api/docs/deprecations

10 月 23 日，@OpenAI 停用了部分較舊的 API 模型，具體包括 o1、o3-mini、o4-mini、GPT-4 和 GPT-4 Turbo。此外，他們計劃於 2027 年 1 月 14 日逐步停用 GPT-4.1 和 GPT-4o。有關這些更新的更多詳情，請訪問 https://developers.openai.com/api/docs/deprecations

人工智能模型經歷生命週期變化完全是自然而然的事，但你的智能體不應僅僅因爲平臺演進就丟失記憶。將記憶存儲與底層模型層分離，能讓你的團隊自由、無縫地切換不同的 AI 服務提供商。你無需從頭重建積累的上下文，也不必受制於單一供應商。

在保留所有歷史數據的同時，你可以輕鬆遷移到新模型。無論你今後選擇哪種運行環境或模型，Walrus Memory 都能提供始終如一的接口，讓遷移輕而易舉。整個過程依然簡單：使用 remember() 執行寫入操作，使用 recall() 執行讀取操作。

如果你已準備好將 Walrus Memory 集成到工作流中，可以通過以下三種不同方式開始使用。

一種很棒的方式是使用 Vercel AI SDK。藉助中間件，你可以將持久化記憶功能無縫集成到 streamText 和 generateText 流程中。只需在代碼中加入以下 import 語句即可：
import { withMemWal } from "@mysten-incubation/memwal/ai";

或者，你也可以選擇使用 OpenClaw 插件。它可以爲 OpenClaw 智能體提供自動記憶檢索和記錄功能，確保所有信息在不同會話中都能隨時訪問。運行以下命令即可輕鬆安裝此插件：
openclaw plugins install @mysten-incubation/oc-memwal

最後，你也可以選擇 Core SDK 方案。它提供了一套完整的記憶存儲與檢索功能，包括 Walrus 存儲、SEAL 加密和自動嵌入。運行以下命令即可將此軟件包添加到項目中：
pnpm add @mysten-incubation/memwal

如需查看完整安裝指南和全部源代碼，請訪問 @github：
https://github.com/MystenLabs/MemWal

僅僅因爲切換到另一個標籤頁就丟失人工智能上下文，這種體驗早該成爲過去。在一個應用中生成的信息理應能輕鬆地在另一個應用中使用。在 @AltCryptoGems 最近製作的一段視頻和一次訪談中，@Kenton 深入探討了 Walrus Memory 如何爲可移植的智能體上下文提供可靠的解決方案。他詳細介紹了這項技術如何確保無論你選擇使用哪些 AI 平臺，信息的所有權始終完全掌握在你手中。

Walrus Memory 最近在 @Forbes 的一篇新報導中受到矚目。

回顧一項關鍵挑戰，@kostascrypto 分享了以下想法：「曾有一段時間，我們無法存取 Fable 和 Mythos。試想當時，我該怎麼辦？」

這個困境正是開發者積極轉向以使用者為主體、可攜式記憶系統的原因。在代理數量突破 5,000+、檢索次數超過 4.5M+ 的里程碑之後，背後的動機已再清楚不過。採用這項技術，開發者就能確保在不同 LLM 之間轉換時，無須每次都從零開始。

你可以在這裡閱讀由 @guneyyildiz 撰寫的完整文章：https://www.forbes.com/sites/guneyyildiz/2026/10/21/ai-startups-are-betting-on-what-the-big-platforms-cannot-credibly-sell/

為了讓企業資料套件具備可驗證性，@PerceptronNTWK 目前正將支援其 80 萬節點網路的資料遷移至 Walrus。這項轉移直接滿足了避險基金與企業買家的一項關鍵需求：他們高度依賴即時資料，因此確認這些資訊完全未經竄改至關重要。

請前往以下連結閱讀完整公告，深入了解所有詳情：https://walrus.xyz/blog/perceptron-walrus-verifiable-data-provenance/

看到最大的資料平台轉向支援模型彈性且不受框架限制的記憶體解決方案，無疑是個正面的發展。例如，@databricks 在 10 月 12 日推出了代理程式記憶體的 Beta 版，而就在上個月，@MongoDB 才剛為 Atlas 推出這項功能。

然而，一個重大問題依然存在。雖然這類記憶體可能適用於不同的模型和代理程式，卻往往仍綁定在單一資料平台上。因此，代理程式取得的寶貴客戶洞察，最終又會成為無法轉移的資產。

Walrus Memory 確保資料完全由您掌控。它是一個獨立的記憶體層，能隨代理程式隨處運作。由於它不受任何特定平台限制，因此可從任何執行環境或模型存取。只要使用 remember() 就能輕鬆儲存資訊，而呼叫 recall() 即可取回。

https://docs.databricks.com/aws/en/release-notes/product/2026/october

我們誠摯邀請您參加 @discord 上的特別開發者 AMA，屆時我們將討論如何消除在去中心化網站和 blob 中搜尋資訊時的猜測。2026 年 10 月 21 日 UTC 中午 12:00，@OmuraHQ 共同創辦人 Aditya Berry 和 Sourabh Chawla 將與我們一同深入介紹為 Walrus 開發的搜尋基礎架構和即時索引功能。期待與您相見，請準備好您的問題，並透過以下連結參加活動：https://discord.com/invite/walrusprotocol

在一場探討如何最大化 GPU 效能的精彩對談中，@AMD 代表 @AnushElangovan 最近與 @ConorBronsdon 深入交流。他們一起探討 ROCm 10 的功能，並討論代理群集的創新應用。這些代理程式可成功探索搜尋空間，進而自動最佳化數千個模型。你可以在由 Walrus Memory 隆重贊助的 @chain_ofthought Podcast 第 4 季中收聽這場精彩對談。請前往以下連結收聽完整集數：https://chainofthought.show/podcast/72-tuning-gpu-performance-with-ai-agents-amds-anush-elangovan-on-rocm-10/?utm_source=sponsor-share&utm_medium=referral&utm_campaign=ep72

我們非常榮幸能成為 @chain_ofthought 第四季的贊助商。在最近一集節目中，@ConorBronsdon 與 @SlackHQ 的產品長 Jaime DeLanghe 展開了一場精彩對談，探討代理程式的上下文。他們一同探究了為什麼頻道會自然成為代理程式的上下文模型。兩人也討論了整個團隊協力引導單一代理程式時所產生的互動動態，以及這與員工各自在孤立的部門中工作的情況有何不同。造訪下方連結即可收聽完整一集。

https://chainofthought.show/podcast/71-slack-wants-to-be-the-context-harness-for-code-cpo-jaime-delanghe/?utm_source=sponsor-share&utm_medium=referral&utm_campaign=ep71

為代理程式提供背景資訊，以及為應用程式提供資料，是不可或缺的步驟，而 Walrus Console 的設計正是為了無縫銜接這兩項需求。為了協助您快速上手，我們準備了一份簡短指南，說明如何透過 MCP 將 Walrus Console 連接至 Cursor。這項整合讓您的代理程式能在工作流程中自然地讀取和寫入檔案。立即透過以下連結探索 Walrus Console：https://walrus.xyz/products/walrus-console/?utm_source=twitter&utm_medium=social&utm_campaign=walrus_console

您目前是否正在開發人工智慧代理？現在，您可以讓它具備在工作階段結束後長時間保留資訊的能力。對於因每次執行之間資料消失，或必須不斷提供背景資訊而感到困擾的開發者，Walrus Memory 提供了極為有效的解決方案，確保資訊連貫不間斷。

為了協助您開始使用，以下簡要介紹可用資源及其運作方式。

OpenClaw 外掛程式 mysten-incubation/oc-memwal 可讓 OpenClaw 代理自動擷取並回憶資訊，確保記憶在多個工作階段中都能完整存取。您可以在此找到這項工具：https://github.com/MystenLabs/MemWal/tree/dev/packages/openclaw-memory-memwal

其核心是基礎 SDK mysten-incubation/memwal，負責直接在 Walrus 上安全儲存加密記憶。這個元件可確保您隨時能獨立驗證資料的完整性。SDK 位於：https://github.com/MystenLabs/MemWal/tree/dev/packages/sdk

此外，這個專案也提供適合 AI 使用的文件。您可以在 SKILL.md 檔案中找到逐步整合說明，並在 llms.txt 檔案中查閱專為 AI 工具打造、結構完善的文件參考資料。請在此查看相關資料：https://github.com/MystenLabs/MemWal/blob/dev/SKILL.md

總而言之，這些工具讓您完全掌控持續性記憶，並可在各種工作流程、工具及使用者工作階段中順暢運作。如要檢視原始碼並取得快速入門指南，請前往主要儲存庫：https://github.com/MystenLabs/MemWal

展望未來，下一波人工智能的發展將高度依賴人類生成的數據。因此，爲信息確立清晰的來源，如今已成爲採購中的硬性要求。值得慶幸的是，@SuiNetwork 與 Walrus 正攜手合作，確保這些數據的來源完全可驗證。

爲支持這一重要流程，Walrus 正迅速成爲 @datafdn 和 Trace 的主要存儲基礎設施。Trace 是一個鏈上註冊平臺，專門登記已獲得授權、可用於 AI 訓練的數據。在這一生態系統中，Trace 負責準確記錄信息的所有者及其來源；與此同時，Walrus 則安全存儲原始文件，確保文件完全防篡改，並且僅向持有相應許可的買家開放。

平臺上龐大的活動量凸顯了其日益增長的影響力。爲前沿 AI 實驗室提供授權數據的應用正在積極使用這一系統。因此，Trace 已記錄超過 2.5 億條貢獻，並且每天持續處理超過 300 萬份新憑證。

如需瞭解完整詳情，請查看此處的官方公告：https://www.sui.io/blog/data-network-joins-sui-walrus

我們在 Sui Basecamp 的行程正式圓滿結束，過去兩天收穫頗豐。活動期間，我們自豪地向社區介紹了 Walrus Console。我們還藉此機會重點介紹了 @Mysten_Labs 和 @googlecloud 關於 Verifiable Agent Arbiter 的激動人心的聯合公告。該項目致力於將智能體證明錨定到 Walrus 和 Sui 上。此外，我們也很高興能聚焦展示出色的合作伙伴 @astros_ag、@AlliumLabs 和 @matterhornso。最後，我們還主持了圍繞持久化智能體記憶展開的精彩工作坊，爲這次活動畫上圓滿句號。

Sui Basecamp 已正式落幕。在爲期兩天的活動中，我們成功推出了 Walrus Console，並舉辦了以持久化智能體記憶爲主題的專題研討會。我們還藉此機會介紹了合作伙伴 @astros_ag、@AlliumLabs 和 @matterhornso。