Walrus Memory

什么是 Walrus Memory？

Walrus Memory 是一个面向 AI agents 的可移植记忆层。它旨在跨应用、会话和运行时存储并检索持久上下文，让 agents 能以相同状态继续工作，而不是每次都从头开始。

该产品面向需要共享、可验证记忆的 agents 和应用开发者。来源展示了其在 Python 和 TypeScript 中的用法，也可以通过设置命令添加到 Claude Code、Cursor、Codex 和 Gemini CLI 等 AI 客户端中。

主要特性

• 持久化 agent 记忆：存储可在之后被回忆的记忆，使 agent 能基于先前上下文继续，而不会在会话结束时丢失状态。
• 跨应用和运行时可移植：同一记忆层可用于不同应用和环境，有助于工作流在工具或部署之间切换。
• 按查询召回：agents 可以用自然语言查询搜索已存储的记忆，并获取带距离的匹配结果，从而支持相关上下文检索。
• 支持 Python 和 TypeScript：页面包含 Python 中的 memwal 和 TypeScript 中的 @mysten-incubation/memwal 示例代码，说明了应用开发者的集成路径。
• 兼容 AI 客户端和编码工具：设置流程提到 Claude Code、Cursor、Codex、Gemini CLI 等客户端，表明它可连接到自定义应用之外的场景。
• 面向多 agent 工作流的共享记忆：该产品被定位为让多个 agent 访问同一记忆并围绕共享状态协作的方式。
• 可验证且可控的访问：页面强调记忆是持久的并受用户控制，元描述还提到可编程访问控制和可靠协作。

如何使用 Walrus Memory

典型的设置方式是先运行提供的 curl 命令，为你要使用的 AI 客户端或环境获取设置说明。随后，开发者根据对应的 SDK 或客户端说明连接 agent 或应用，配置密钥、账户信息和命名空间，并通过健康检查验证服务。

之后的流程是使用 remember 或 remember_and_wait 写入记忆，然后在 agent 需要上下文时调用带查询的 recall。示例表明，该产品既可以作为 AI 客户端的外部记忆层使用，也可以作为直接嵌入应用中的库使用。

使用场景

• 跨会话的 agent 连续性：适用于助手或 agent 需要在原始会话结束后仍记住用户或任务事实的场景。
• 多 agent 协同：适用于多个 agent 共同参与同一工作流，并需要访问共享状态而非孤立会话记忆的场景。
• 应用内嵌记忆：适合用 Python 或 TypeScript 构建、并需要在产品内部实现持久召回的 AI 应用开发者。
• 编码助手记忆：当编码工作流需要持久上下文时，可连接 Claude Code、Cursor、Codex 或 Gemini CLI 等工具。
• 适合审计的 agent 工作流：来源提到可验证性和审计轨迹，使该产品适用于需要追踪 agent 依据内容的工作流。

常见问题

Walrus Memory 会跨会话存储上下文吗？
会。页面将其描述为一种可移植记忆层，可在应用和会话之间保持上下文持久化。

它能用于一种以上的编程语言吗？
可以。页面展示的示例是 Python 和 TypeScript。

它可以连接到现有 AI 客户端吗？
可以。来源明确提到了 Claude Code、Cursor、Codex、Gemini CLI 以及类似客户端。

它支持多个 agent 的共享记忆吗？
可以。页面明确提到了带有共享记忆的多 agent 工作流。

该产品是否被描述为可控且可验证？
是。来源写明它具有持久性、可验证性，并且受用户控制，同时也提到了可编程访问控制。

替代方案

• 单个 AI 应用内基于会话的记忆：这是最简单的替代方案，但通常会在会话结束时重置，且无法在不同工具之间提供可移植的上下文。
• 自定义数据库支持的记忆层：团队可以自行构建持久化和检索系统，但这通常需要自己处理模式设计、召回逻辑和访问控制。
• 向量数据库加检索流水线：这可以支持语义召回，但通常是更广泛的基础设施方案，而不是专为代理记忆打造的产品。
• 内置记忆模块的 Agent 框架：一些 Agent 框架包含记忆功能，但它们通常绑定特定运行时或工作流，而不是作为可移植的记忆层来呈现。