海象（Walrus）推出 MemWal SDK 供 AI 代理使用之記憶體

Walrus 已推出 MemWal，這是一款針對代理式（agentic）記憶的限制所設計的 SDK，依據 Mysten Labs Group 產品經理 Abinhav Garg 的說法，它透過可驗證性、可用性、可攜性與可共享性，改善 AI 代理儲存與存取資訊的方式。

可驗證且可攜的記憶層

MemWal 將記憶儲存在一個開放、可驗證的資料層上，且不綁定任何單一模型或供應商。這讓使用者能在不同模型提供商之間切換，例如 OpenAI 與 Anthropic，同時維持可驗證保證，讓資料具備抗篡改能力。Garg 向 Decrypt 解釋：「有了 Walrus 加 MemWal，記憶就存在於一個開放、可驗證的資料層上，也就是說它不綁定任何單一模型或供應商。」

儲存在 Walrus 上的資料會繼承內建的可驗證性、可攜性與可用性保證，使其能夠「讓不同代理之間、跨團隊與跨組織更容易共享記憶」，Garg 表示，並將此能力描述為「代理協作所必需的東西」。

框架整合

MemWal 透過本週發布的外掛程式，整合流行的代理編排框架 OpenClaw 與 NemoClaw。該整合旨在透過讓開發者能使用他們已熟悉的工具，為其代理配備持久且可驗證的記憶，以簡化採用流程。Garg 解釋：「沒有這個做法，開發者就得理解像 Walrus 這樣的去中心化儲存層的整合，這可能會帶來阻力與複雜度。」

隱私與存取控制

MemWal 透過原生加密層與可程式化的存取控制，包含隱私功能。即使儲存本身是去中心化的，內容仍維持機密並受政策治理——「就算是儲存供應商也讀不到」，Garg 表示。此做法回應日益增加的擔憂：當代理處理敏感且具專有價值的資料時，包括企業工作流程、財務資訊與個人情境。

新興使用情境

強化後的代理式記憶能力，能在多個領域帶來新的應用。客服代理能保留關於使用者的脈絡線索，而不同團隊之間的代理能透過「基於同一份客戶歷史紀錄來協作」進行合作。其他合作夥伴也在探索，讓在市集上扮演出版者或消費者的代理彼此協調，並把訊息用作共享記憶的一種形式。其他使用情境還包括需要彼此分享脈絡以便在真實世界協調任務的機器人，例如災害應變行動。

Garg 預期未來代理會「在堆疊上實現標準化」，做到「運算、資料、記憶與協調之間的清楚分離」。他說：「我們的觀點是，記憶與資料不應綁定任何單一模型或平台——因此 Walrus 會成為那個持久的資料層，而 MemWal 則會成為建置在其上的記憶層。」