Walrus ได้เปิดตัว MemWal ซึ่งเป็น SDK ที่ออกแบบมาเพื่อแก้ข้อจำกัดของ “หน่วยความจำแบบเชิงตัวแทน” (agentic memory) โดยนำความสามารถด้านการตรวจสอบได้ (verifiability), การพร้อมใช้งาน (availability), ความพกพา (portability) และการแบ่งปัน (sharability) มาใช้กับวิธีที่ AI agents จัดเก็บและเข้าถึงข้อมูล ตามที่ Abinhav Garg ผู้จัดการผลิตภัณฑ์ของ Mysten Labs Group กล่าว
MemWal จัดเก็บความจำบนเลเยอร์ข้อมูลแบบเปิดที่ตรวจสอบได้ โดยไม่ผูกกับโมเดลหรือผู้ให้บริการรายใดรายหนึ่ง สิ่งนี้ช่วยให้ผู้ใช้สามารถสลับไปมาระหว่างผู้ให้บริการโมเดลต่างๆ เช่น OpenAI และ Anthropic ขณะที่ยังคงข้อมูลไว้พร้อมการรับประกันที่ตรวจสอบได้ซึ่งทำให้แก้ไขข้อมูลปลอมแปลงไม่ได้ “เมื่อใช้ Walrus + MemWal หน่วยความจำจะอยู่บนเลเยอร์ข้อมูลแบบเปิดและตรวจสอบได้ ดังนั้นจึงไม่ได้ผูกกับโมเดลหรือผู้ให้บริการรายใดรายหนึ่ง” Garg อธิบายกับ Decrypt
ข้อมูลที่จัดเก็บบน Walrus สืบทอดการรับประกันในตัวเกี่ยวกับการตรวจสอบได้ ความพกพา และการพร้อมใช้งาน ซึ่งช่วยให้ “การแบ่งปันความจำระหว่าง agent ข้ามทีมและองค์กรทำได้ง่ายขึ้น” Garg กล่าว โดยมองความสามารถนี้ว่า “จำเป็นอย่างยิ่งสำหรับการทำงานร่วมกันของ agent”
MemWal ผสานรวมกับเฟรมเวิร์กการจัดออร์เคสเตรชัน (orchestration) ของ agent ที่ได้รับความนิยมอย่าง OpenClaw และ NemoClaw ผ่านปลั๊กอินที่เปิดตัวในสัปดาห์นี้ การบูรณาการนี้ออกแบบมาเพื่อทำให้การนำไปใช้เกิดความง่ายขึ้น ด้วยการให้ให้นักพัฒนาสามารถติดตั้ง “ความจำที่ทนทานและตรวจสอบได้” ให้กับ agent ของตนโดยใช้เครื่องมือที่พวกเขาทำงานอยู่แล้ว “หากไม่มีสิ่งนี้ นักพัฒนาคงต้องเข้าใจการบูรณาการของเลเยอร์การจัดเก็บแบบกระจายศูนย์อย่าง Walrus ซึ่งอาจเพิ่มแรงเสียดทานและความซับซ้อน” Garg อธิบาย
MemWal มีฟีเจอร์ด้านความเป็นส่วนตัวผ่านเลเยอร์การเข้ารหัสแบบเนทีฟ และการควบคุมการเข้าถึงที่ตั้งโปรแกรมได้ แม้การจัดเก็บจะกระจายศูนย์ แต่เนื้อหายังคงเป็นความลับและถูกกำกับด้วยนโยบาย—“แม้แต่ผู้ให้บริการจัดเก็บเองก็ไม่สามารถอ่านได้” Garg ระบุ แนวทางนี้ตอบโจทย์ความกังวลที่เพิ่มขึ้นเกี่ยวกับ agent ที่จัดการข้อมูลอ่อนไหวและเป็นกรรมสิทธิ์ รวมถึงเวิร์กโฟลว์ขององค์กร ข้อมูลทางการเงิน และบริบทส่วนบุคคล
ความสามารถด้านหน่วยความจำแบบเชิงตัวแทนที่ได้รับการยกระดับเปิดโอกาสให้เกิดแอปพลิเคชันใหม่ในหลายสาขา ตัวแทนฝ่ายบริการลูกค้าสามารถคงข้อมูลบริบทเกี่ยวกับผู้ใช้ไว้ได้ และ agent ในต่างทีมสามารถร่วมมือกันโดย “ทำงานจากประวัติลูกค้าชุดเดียวกัน” พาร์ทเนอร์รายอื่นๆ กำลังสำรวจการประสานงานระหว่าง agent ที่ทำหน้าที่เป็นผู้เผยแพร่หรือผู้บริโภคบนมาร์เก็ตเพลส โดยใช้การส่งข้อความเป็นรูปแบบหนึ่งของความจำที่ใช้ร่วมกัน นอกจากนี้ยังมีกรณีการใช้งานอื่นๆ เช่น หุ่นยนต์ที่ต้องแบ่งปันบริบทระหว่างกันเพื่อประสานงานภารกิจในสถานการณ์โลกจริง เช่น การปฏิบัติการตอบสนองต่อภัยพิบัติ
Garg คาดการณ์ว่าในอนาคตจะเกิด “การมาตรฐานของสแต็ก” สำหรับ agent โดยมี “การแยกอย่างชัดเจนระหว่างการประมวลผล (compute), ข้อมูล (data), หน่วยความจำ (memory) และการประสานงาน (coordination)” “มุมมองของเราคือ หน่วยความจำและข้อมูลไม่ควรถูกผูกกับโมเดลหรือแพลตฟอร์มใดแพลตฟอร์มหนึ่ง—ดังนั้น Walrus จึงกลายเป็นเลเยอร์ข้อมูลที่ทนทาน และ MemWal กลายเป็นเลเยอร์ความจำที่อยู่ด้านบนของมัน” เขากล่าว
news.related.news
THORWallet และ Unblock ทำให้การชำระเงินด้วยคริปโทแบบถือครองเองใกล้เคียงกับการใช้งานในชีวิตประจำวันมากขึ้น
OpenAI เปิดตัว GPT-5.5-Cyber: ปะทะ Anthropic Mythos
Tether เปิดตัวฮาร์ดแวร์การขุดแบบโมดูลาร์ร่วมกับ Canaan
《คู่มือแนวทางของนาวัล》Naval: AI Agent คือจุดเริ่มต้นของจุดจบของ Apple, Vibe Coding ทุกคนก็ทำแอปได้
Avalanche Foundation สนับสนุน W3 ขณะที่เวิร์กโฟลว์ 200K เริ่มใช้งานจริง เร่งการเปลี่ยนผ่านการเงินด้าน AI