告别平台锁定！Walrus 为 AI Agent 打造可迁移记忆层

到了2026年，AI Agent不仅能辅助写代码、处理数据、安排日程，还能串联起各类工具链。

但它们普遍存在一个短板：难以记起过往的细节。

换个软件就忘，换个会话就断，换个服务商彻底清零。

这并非模型能力的局限。尽管Claude、GPT、Gemini的上下文窗口日益扩大，但它们仅能维持单轮对话的连贯，一旦关闭窗口，记忆便随之消失。

更严重的是，即便某些平台提供了记忆功能，这些记忆也被封闭在内部。你在A平台积累的Agent记忆，无法带到B平台使用，且你无法知晓平台具体存储了什么、谁有权访问或内容是否被篡改。

Walrus 团队已在官方博客中揭露了这一痛点：

「绝大多数 Agent 记忆都处于平台封闭状态。」

6月4日，Walrus 正式通过其官方X账号推出了 Walrus Memory。

▲ Walrus 官方 X 帖：「让你的 AI agent 在每个应用里都能携带上下文」，浏览量超 20 万

官方对该产品的定义是：

中文释义：一种可携带的记忆层，确保你的 AI Agent 在任何运行环境中都能保持上下文连贯。

其口号直击核心痛点：

「无需每次重新开始。不再受困于单一平台。」

Walrus Memory 的核心目标：将 Agent 记忆转化为用户资产，实现跨工具、跨平台、跨会话的携带与复用。

Walrus Memory 的技术架构早在今年3月的Beta背景文档和官方说明中已有所披露。

核心架构由开发者SDK与后端中继器组成：

▲ 官方文档：展示了 Remember（存储）、Recall（检索）、Analyze（分析）、Ask（提问）四大核心操作，以及所有权、加密和智能合约权限体系

基础操作被划分为四个动作：Remember（存入）、Recall（检索）、Analyze（提取结构化数据）和 Ask（基于记忆回答）。

产品页面列出了兼容方案：支持 Claude、ChatGPT、Gemini 等主流大模型，提供 OpenClaw 和 NemoClaw 插件，原生支持 MCP 协议，SDK 涵盖 Python、TypeScript、JavaScript。

▲ 官方产品页：顶部标注「Build AI agents that remember with Walrus Memory」

需注意：Walrus 声称兼容性通过其SDK实现，目前尚无证据表明这是与Claude、ChatGPT、Gemini平台的官方合作。

若仅看「记忆对话」功能，Walrus Memory 与市面上现有的记忆工具、向量数据库及Redis方案相比，差异并不明显。

但 Walrus 在4月发布的OpenClaw/NemoClaw集成文章中透露了更大的野心：作为多Agent工作流的协调层。

▲ 3月背景博客：Walrus将Memory定义为Agent部署的瓶颈，提出了结构化记忆空间和中继器架构

在此构想中，记忆的形态远超聊天记录：

「开放、可携带，不依赖单一供应商。」

按 Walrus 的定位，这更接近于一个Agent记忆运行时，远超普通向量检索库的范畴。

截至发稿，Walrus的官方X帖子浏览量已超20万。

社区反响主要分为三类：

支持者。有开发者回复称「Portable memory is the missing piece for agents」——Agent真正缺失的是跨工具、跨时间的连续性。

质疑者。市面上已有众多记忆工具和向量库方案，Walrus Memory有何根本不同？其差异主张包括链上所有权、委托访问、可验证完整性及一体化架构。但这仍是产品层面的区分，市场尚未验证其优于成熟的Redis、S3等方案。

观望者。有回复指出，技术突破固然重要，但最终需靠采用率验证。Walrus目前只能证明其产品页、文档、SDK和开源代码的存在，尚不足以确立其为跨平台Agent记忆的事实标准。

需综合看待以下几点。

第一，Walrus Memory目前标注为Beta。官方文档和GitHub README均明确写道：

「Walrus Memory目前处于Beta阶段，并持续迭代。」

这意味着开发者体验仍在打磨，运维指引尚未完善，稳定性和采用率尚不能按成熟基础设施评估。

第二，GitHub仓库（MystenLabs/MemWal）仅有26个Star和6个Fork。代码开源、许可开放，可接入审查，但规模上离「基础设施级社区共识」仍有距离。

第三，「打破平台锁定'在现阶段仍是Walrus的产品主张。它提供了围绕可携带性、控制权和可验证性的具体实现，但能否真正改变Agent记忆的归属权格局，取决于开发者的采纳、生态的跟进以及链上方案在性能和体验上能否胜过中心化方案。

抛开Walrus的具体路线，Agent需要独立于平台的记忆基础设施——这一判断正被越来越多的工程实践所验证。

上下文窗口能解决「当前对话」的记忆问题，却无法解决跨会话、跨工具、跨团队的长期状态管理。Agent一旦从「单轮对话助手」进化为「长时运行的多步骤系统」，就必然需要外部记忆层——这层记忆的归属权、控制权和可迁移性，将直接决定开发者和用户在AI Agent生态中的自由度。

Walrus给出的答案带有明显的区块链基建色彩：数据存储于Walrus，权限交由Sui合约，内容使用Seal加密。这条路线未必是所有AI开发者的首选，但它确实指出了一个与「将记忆封闭在平台内」截然不同的方向。

至于这一方向能走多远——答案在于采用率，在于真实的多Agent工作流，在于开发者的选择。

— END —