MinIO har introducerat AIStor Memory, en lagringstjänst som tillhandahåller permanent minne, arbetsytor och hemligheter för AI-agenter inom en enda företagsstyrd plattform. Erbjudandet riktar sig till organisationer som flyttar agentbaserade AI-arbetsbelastningar från isolerade experiment till produktionsprocesser som involverar analys, programvaruutveckling, dokumentskapande och beslutsstöd.
AIStor Memory behandlar minne som en inbyggd datatyp tillsammans med objekt och tabeller. Istället för att kräva att team sätter ihop objektlagring, vektordatabaser, metadatatjänster, hemlighetshanterare och synkroniseringspipelines, tillhandahåller plattformen ett enhetligt persistenslager för agenttillstånd. Denna metod gör det möjligt för agenter att behålla kontext över sessioner, återuppta avbrutet arbete och komma åt styrda företagsdata utan att återuppbygga sitt arbetstillstånd.
Produkten är uppdelad i tre tjänster som delar AIStor-grunden men har separata åtkomstgränser och livscykler. Långtidsminnet innehåller vad organisationen har lärt sig, inklusive fakta, beslut, bevis, resultat, korrigeringar och öppna frågor. Arbetsytan innehåller vad en agent aktivt arbetar med, vilket täcker planer, bilagor, mellanliggande artefakter, bevisindex, kontrollpunkter och överlämningar mellan agenter. Vault innehåller de inloggningsuppgifter som en godkänd agent behöver för att agera, där varje hemlighet är krypterad under nycklar som kontrolleras av MinKMS och hålls separat från både minne och aktivt arbete, så en auktoriserad uppgift får en snävt begränsad inloggningsuppgift endast när den behöver en. Alla tre kan nås via HTTPS eller en POSIX-mappmontering, vilket är hur tjänsten hamnar i befintliga agentsandlådor utan ändringar i den omgivande stacken.
Det arbete MinIO driver hårdast på är Agentbiografi, en auktoriserad registrering av en agents arbete som fångas in i minnet: vad som under varje körning undersöktes, beslutades, producerades och lämnades oavslutat. Den fylls på automatiskt allt eftersom agenten arbetar, inom ramarna för kundens åtkomstpolicy, utan minnesteknik och utan ändringar av de agenter som ett team redan kör. Agenter kan också skriva medvetet genom specialbyggda minnesverktyg för att skapa, återkalla och organisera det de behåller. MinIOs argument är att detta förvandlar minne från en specialistfärdighet till ett standardbeteende, och att en agents biografi blir ett gemensamt substrat som andra auktoriserade agenter kan använda.
Ett viktigt designmål är att undvika fasta kontextbegränsningar i samband med modelluppmaningsfönster. AIStor-minne skalar persistent kontext med underliggande lagringskapacitet, vilket gör att agentstatus och tillhörande poster kan behållas utan trunkering, utkastning eller påtvingad sammanfattning. Detta är särskilt relevant för arbetsflöden som sträcker sig över timmar eller dagar, inklusive djupgående forskning, stor kodbasanalys och human-in-the-loop-processer som pausar och återupptas.
AIStor-minne ärver dataskyddsfunktionerna från den bredare AIStor-plattformen, inklusive raderingskodning, bitrot-skydd, kryptering, komprimering och tolerans för fel på enhets-, rack- och datacenternivå. MinIOs huvudpoäng är att denna post är kunddata, inte modellutdata. Minne kan innehålla resonemanget bakom en eskalering, bedömningen bakom ett skadeanspråksbeslut, ett operativt undantag, en misslyckad strategi eller de öppna frågorna kring en väsentlig händelse, det vill säga inte bara vad som hände utan också vad organisationen drog slutsatsen om den. Data och krypteringsnycklar finns kvar på infrastruktur som företaget äger och under nycklar det innehar, och MinIO inramar det som att det bevarar valfriheten: agenter, modeller och körtider kan ändras utan att den ackumulerade kunskapen försvinner med dem.
MinIOs operativa mål är konsolidering. Allt eftersom agentgenererat arbete ackumuleras, sammanfogas minne som byggts för enskilda agenter till minne för organisationen, en post som agenter och människor bygger vidare på tillsammans. I stor skala, menar MinIO, ersätter en plattform flera punktsystem, vilket innebär mindre att använda, en mindre attackyta och inga synkroniseringspipelines att bryta. Den sista punkten är värd att hålla koll på, eftersom synkronisering mellan ett objektlager, ett vektorlager och en metadatanivå är där de flesta hemmagjorda agentminnesstackar misslyckas.
Potentiella användningsfall inkluderar programvaruutvecklingsagenter som arbetar över stora databaser, långvariga arbetsflöden för forskning och analys, reglerade AI-implementeringar för företag och operativa processer som kräver varaktigt tillstånd över avbrott.
MinIO är tydlig med att minnet är tänkt att överleva runtime-tiden runt det. Bloggen nämner Kubernetes-plattformar för företag tillsammans med sandbox-tjänster, inklusive Daytona, E2B, GitHub Codespaces, Modal, OpenSandbox och Vercel, och argumenterar för att team ska vara fria att byta agenter, modellleverantörer och exekveringsmiljöer medan minnet finns kvar. Daytonas medgrundare och VD Ivan Burazin, citerad i pressmeddelandet, formulerar uppdelningen på samma sätt: beräkningsförmågan förblir disponibel medan organisatorisk kunskap förblir hållbar och styrd.
Amazon