Walrus Memory Walrus Memory 为 AI 智能体提供持久记忆层，使其跨应用和会话保持上下文，可靠处理复杂工作流。 热门评论 PH 用户Hey Product Hunt 👋,我是Abner，Walrus Foundation的社区负责人。如果你在构建AI智能体，你可能遇到过同样的问题：会话结束，上下文也随之消失。智能体会忘记它们学到的东西，重复工作，比正常情况更频繁地从零开始。大多数团队最终只能把记忆拼凑在一起：数据库、向量存储、应用逻辑和权限。这确实能工作——直到你需要智能体共享上下文、可靠协调，或者在工具和会话之间携带状态。这就是为什么我们构建了Walrus Memory。它是一个AI智能体的可移植记忆层。只需要两个调用：remember和recall。你的智能体将保持上下文、共享知识，并且能在之前的工作基础上继续，而不是每次都重置。目标很简单：记忆在生产环境中也能扛得住。我们很好奇其他人是怎么处理这个问题的。你们现在怎么处理记忆？最难的部分是什么？我很想听听大家在评论区的反馈。PH 用户智能体越来越好了，但如果没有跨会话和跨应用的记忆，用户仍然需要做太多思考和重新解释。我喜欢“可移植且由你掌控”这个角度。对于记忆来说，信任和性能同样重要。目前主要的使用场景是什么：编码智能体、研究工作流，还是跨应用的任务执行？PH 用户很多记忆系统在检索事实时似乎表现不错，但一旦底层现实发生变化，就会遇到困难。你们是如何考虑状态随时间变化的？例如，如果一个智能体今天学会了某个偏好，下周又学到了更新后的偏好，那么挑战主要在于检索，还是保持正确的当前状态视图？PH 用户我最好奇的部分是围绕记忆写入的“信任边界”。对于智能体来说，记住一切和忘记一切几乎同样危险。我希望记忆能保留一条线索：谁/什么写了它，来源，置信度，新鲜度，以及它是偏好、事实还是临时的项目决策。如果Walrus能让用户和智能体可以检查这些信息，那么在生成环境中依赖记忆就会变得容易得多，而不是把它当作黑箱。 热门产品Abner Pinto2026-06-04原文 打开互动版
我是Abner，Walrus Foundation的社区负责人。
如果你在构建AI智能体，你可能遇到过同样的问题：会话结束，上下文也随之消失。智能体会忘记它们学到的东西，重复工作，比正常情况更频繁地从零开始。
大多数团队最终只能把记忆拼凑在一起：数据库、向量存储、应用逻辑和权限。这确实能工作——直到你需要智能体共享上下文、可靠协调，或者在工具和会话之间携带状态。
这就是为什么我们构建了Walrus Memory。
它是一个AI智能体的可移植记忆层。只需要两个调用：remember和recall。你的智能体将保持上下文、共享知识，并且能在之前的工作基础上继续，而不是每次都重置。
目标很简单：记忆在生产环境中也能扛得住。
我们很好奇其他人是怎么处理这个问题的。
你们现在怎么处理记忆？最难的部分是什么？我很想听听大家在评论区的反馈。
目前主要的使用场景是什么：编码智能体、研究工作流，还是跨应用的任务执行？
你们是如何考虑状态随时间变化的？例如，如果一个智能体今天学会了某个偏好，下周又学到了更新后的偏好，那么挑战主要在于检索，还是保持正确的当前状态视图？
对于智能体来说，记住一切和忘记一切几乎同样危险。我希望记忆能保留一条线索：谁/什么写了它，来源，置信度，新鲜度，以及它是偏好、事实还是临时的项目决策。
如果Walrus能让用户和智能体可以检查这些信息，那么在生成环境中依赖记忆就会变得容易得多，而不是把它当作黑箱。