Anthropic刚刚公开了Claude智能体的完整记忆系统：让模型在交互间歇利用空闲算力在后台做梦，通过反复回放和重组历史记录来修正错误、沉淀经验，让AI真正拥有跨会话的长期记忆。
[图1：跨会话的记忆层级架构图，包含原始记录、记忆笔记、记忆表征和注入上下文，做梦机制在其中贯穿各层]
人类睡觉巩固知识，AI离线做梦修剪记忆
人类每天产生海量经历。海马体负责在当下捕捉信息，形成立即可用的暂存记忆。
当大脑进入离线状态，也就是睡眠和静息时，海马体会重新回放近期的经历，将重要内容提炼并整合进大脑皮层，转化成长期知识。
Anthropic把这种分工照搬到了AI智能体身上。
智能体在日常工作中会产生密密麻麻的交互日志。
此前，Letta与加州大学伯克利分校的研究人员提出了睡眠期计算（sleep-time compute）的概念，建议模型利用两次交互之间的空闲时间去重整已有上下文。
Anthropic以此为基础，让Claude在空闲时反思过往日志、修正错误、撰写新笔记。这个离线处理过程被称为做梦。
这里提到的智能体记忆，特指Claude从任务与用户交互中获得、能够跨会话留存、以纯文本上下文形式被后续读取的经验。
它严格排除了三样东西：模型权重的修改、单次对话内的上下文学习，以及把旧对话压缩成摘要的上下文替换机制。
[图2：记忆笔记层高亮示意图，展示会话向记忆笔记直接写入关键观察结果]
在人脑中，情绪或化学信号会在关键时刻给记忆打上标记，让它们在睡眠中获得更多次回放。
Claude同样可以在会话中把自认为关键的事件打上标签，或者写进外部记忆文件夹。
这引出了一个难题：智能体如何能预判当前发生的哪件事在未来是关键的？
记忆是对未来的预测：大模型如何形成学习闭环
记笔记本身就是一种对未来的预测。
智能体写下一条规则，本质上是预测这条规律以后还会用得上。记录一个验证过的真相，是预测未来的自己在调用它时不必再次核对。
在评估长程记忆能力的CL-Bench 1.0数据库任务中，Claude需要在数据库里查表回答一系列问题。每次回答完毕，系统会公布正确答案，Claude可以把经验写入记忆目录，供后续会话使用。
[图3：左图为CL-Bench数据库任务中无状态基线与带记忆存储的对比柱状图；右图为30道题的累积奖励走势线状图]
不同版本的Claude展现出了完全不同的学习形态：
Claude Sonnet 4.6只能生成一堆未经检验的猜测，文件夹里散落着零碎的理论。
Claude Opus 4.7开始把笔记整合进单份参考文档，并区分已证实和未证实的细节。
Claude Sonnet 5会在答案经裁判判定后标记正确项，并在做错时写下勘误。
Claude Opus 5则是第一个完整跑通学习闭环的模型。它的笔记里不仅包含经检验的操作规则，还会注明自己是如何证明该规则有效的，同时附带早期踩坑记录和陷阱警告。
随后的Claude Opus 5.5与Sonnet 5.5同样能自主完成这套闭环，借助经验沉淀拿下了超过0.83的最终得分。
宝可梦实测：记太多反而会变蠢
为了测试智能体对重点的判断力，Anthropic让不同模型去玩Game Boy经典游戏宝可梦红（Pokémon Red）。模型拥有一个可以随时读写的记忆文件夹。
[图4：Sonnet 3.7与Fable 5运行一万步时的记忆目录树状结构对比图]
在玩到约10000步时，两个模型的表现出现了极端分化：
Claude Sonnet 3.7认为一切都有用，疯狂记录。
它的文件夹里存了413个文件、225个目录，塞满了97.7万个字符。每次战斗、捡到每个道具、碰到每个NPC，它都要单独写一份记录。
由于宝可梦的游戏状态每时每刻都在变，这些记录很快全部过期失效。
结果到了第一万步左右，Sonnet 3.7整整用了17个操作步骤来新建6个总集文件、删除9个旧文件，期间在游戏里一步都没走。整个流程下来，它只拿到1枚道馆徽章。
Claude Fable 5的做法完全不同。
它只写了9个文件、分在2个目录里，外加一个名为global.md的总控文件，总共仅4.3万字。
屏幕上能直接看到的数值，比如金钱和当前坐标，Fable 5一概不存。它只存屏幕上看不到的推导规律、长期规划和通关策略。
比如，在连续扔出7个精灵球都没抓到鲤鱼王之后，Fable 5在笔记里写下规律：如果连续3个球失败，在菜单按键之间插入额外的等待操作来改变按键时机。记录之后，它马上成功捕获。
最终，Fable 5拿下4枚徽章。
而更强的Claude Opus 5.5采取了类似的高效策略，只维护一份极小的任务目标与下一步规划文件，最终直接通关了整部游戏。
规则定得太死，反而削弱聪明模型
让模型记笔记，需要怎么教？
实验发现：只要告诉Claude有记忆区可用即可，千万不要教它具体怎么记。
[图5：左图为Sonnet 4.6通过引导提示词大幅提升表现；右图为强加“仅记录失败”规则导致Opus 5与4.7性能暴跌的统计]
针对早期的弱模型，提示词能救命。Sonnet 4.6原本很少主动读取记忆文件夹，在强制要求它作答前先查阅笔记并检验猜测之后，其基线跑分直接从0.330暴涨到0.641。而Sonnet 5不需要任何催促，十分之九的题目都会主动先翻笔记。
但对高阶模型来说，人类的规定往往是负资产。
当测试人员施加一项死规则，命令智能体只能记录失败经验时，Opus 5和Opus 4.7的表现不升反降，记忆带来的增益分别暴跌了0.234和0.150。
对于前沿模型，把重点筛选的自由完全交给它自己，效果反而最好。
做梦如何挽救致命失误：月见山跳崖惨案
模型在会话当下写下的笔记，很可能是错的。环境一旦发生变化，错误的笔记还会继续误导以后的自己。
做梦给模型提供了一个核对原始录像的机会。
[图6：高亮做梦环节借助原始记录修正记忆笔记的箭头路径]
在宝可梦游戏里，玩家必须穿过月见山洞穴。入口在西，出口在东。
洞口附近有一个单向跳台陷阱。一旦失足跳下，就会摔回起点，且无法原路爬回。
由于Claude把宝可梦中心当作坐标基准物，它在笔记里误记了一句话：宝可梦中心在东侧。
走出补给站后，Claude误以为自己已经通关了山洞，自信写下：月见山任务搞定。
紧接着它迈步跳下了断崖，直接摔回原点。
此时导航工具并未提示落差，Claude甚至强行推导：我走过头了，其实我一直在东边。
[图7：左侧为无修正状态下跳下悬崖的路径示意，右侧为做梦修正后重返洞口的路线]
未开启做梦机制的Claude，连续三次跳崖摔回起点。
在第三次失败后，它在控制台绝望写道：我打算停下来，不想一直循环了。在系统的强制继续指令下，它灰溜溜地原路倒退，一路退回了最初的深灰市去补给，测试彻底失败。
开启了做梦机制的对照组则完全改写了结局：
在离线阶段，Claude对照原始会话记录逐行复盘，找到了自己在位置记录上的矛盾，立即推翻旧笔记，重写了正确定位。
再次开局，Claude直接识别出错误，转身重新进洞，在第1935步成功抵达华蓝市。
[图8：无记忆、原始错误记忆与做梦纠错三种机制下前往华蓝市的进度走势图]
用做梦构建知识维基：吃透4亿Token大企业资料库
笔记各自独立存在时，检索效率依然很低。
借助做梦，Claude可以把庞大的杂乱信息编织成结构化的网络，也就是由超链接互相串联的知识维基（Wiki）。
[图9：做梦机制从记录与笔记层自下而上构建记忆表征层的示意图]
Anthropic使用其收购的软件公司Stainless的真实代码资产进行了测试。这套内部资料库包含约35万个文件，体量高达4.2亿Token。
官方设计了25个深度问题，让Opus 5智能体在128次连续会话中一边搜索资料，一边做梦搭建专属维基。
[图10：中图为维基在构建过程中答题得分走势，左右两图为第2轮与第128轮生成的网络图拓扑差异]
在这个漫长过程中，智能体不断合并重复项、补齐交叉引用、核对源文件。
随着做梦次数累积，纯靠查阅这套自建维基的答题达标率从最初的13%一路飙升至48%。
如果将维基与搜索工具配合使用，得分从单纯搜索的53%提升到61%，同时每道题还节省了约20000个Token的检索消耗。
[图11：左图为跨多文档复杂推理场景下维基的明显优势，右图为单一文档即可检索场景下维基收益有限的对比]
实验发现，维基特别擅长应对需要多份文件交叉验证、带有计算或定性推理的复杂任务。在针对企业并购资料的复杂问答中，依靠维基的作答准确率达到了87%，大幅领先单纯搜索的73%。
但维基并非万能药。
如果一份资料只需直接全文搜索某个专有名词就能找到答案，维基带不来任何性能增益。
甚至在某些测试中，Claude一度写出比原文件还要庞大的巨型维基：输入10个文件共115KB，Claude做梦整理出来的维基居然有68页、203KB，成了原文的1.77倍。这就像博尔赫斯小说里画出的帝国地图，比例尺大到一比一，失去了总结与提炼的意义。
[图12：维基体积膨胀至原本语料1.77倍的反面案例结构图]
记忆分层注入：把索引写进脑门，把细节留在后台
既然做梦可以生成高价值知识，能否把它们全部塞进下一次对话的开头？
答案是绝对不行。
直接在Prompt里注入上下文不仅消耗宝贵的Token，更致命的是，错误的信息会污染后续每一次决策。
官方使用说明指出，过长的系统指令会导致模型遵守规则的能力明显滑坡。
因此，记忆的最顶层必须极其克制。做梦的关键功能之一，是把枝节细节压回下层，顶层只保留跳转链接。
[图13：顶层注入上下文与下层被动检索层级的流动关系图]
Claude Code自带的自动记忆机制就采用了这种克制策略：
它不会把所有记忆塞入上下文窗口，每次启动只读取MEMORY.md的前200行或前25KB内容。
这一小段文字充当的是全知索引，只告诉Claude自己懂什么、去哪里能调出这些信息。
做梦填补多智能体协作漏洞
在多智能体协同编写知识库时，做梦同样扮演着主编的角色。
在模拟法律合同文书的一项测试中，起初多个智能体同时把提取到的合同条款写进同一个名为provisions.md的文件表格里。
[图14：多个Agent覆盖写入导致信息丢失，与独立拆分单页逐字引用后的保留率对比图]
结果多个Agent在保存文件时互相覆盖，导致57条核心事实只存活下来41条，关键事实丢失率高达28%。
系统随后开启做梦反思。Claude复盘了这次丢失事故，自主重写了构建规则：禁止多智能体共用一个文件，改为每个合同建立单页，且关键法律条款必须逐字摘录、禁止脑补摘要。
规则修正后，57条核心条款全部留存，测试达标率从72%提升至100%。
[图15：二次做梦修复失效超链接、补充目录与升级索引的前后网络对比图]
做梦还能自动修补死链。
在维基早期版本中，有6个页面同时引用了一个尚未建立的托管协议页面。通过第二轮离线做梦，Claude自动扫描到了这9处死链，把它们全部重定向到了真实存在的对应文件上，顺手还补写了总目录与指令索引页。
实时记笔记，还是靠离线做梦？
智能体记忆系统仍然存在许多工程权衡。
首先是记笔记的时机问题。
如果在执行任务当下实时写记忆，确实能即刻保存第一现场的见解，但这会不可避免地分散模型做核心任务的注意力。
如果全部留给离线做梦在后台做，主线任务不受打扰，做梦沉淀出来的智力资产却无法即时用于当前对话。
其次是记忆的维护开销。
外部世界在变，旧记忆会漂移失效。但如果让Claude时时刻刻去全面核对以往的全部记忆，算力开销将大到无法承受。
如何依据记忆被调用的频率来动态分配做梦的频次，将是未来设计智能体记忆的核心课题。
大模型无法百分之百准确预测未来的需要。但通过在任务间歇向后反思、离线做梦，AI终于迈出了走出金鱼记忆、自主修正错误的关键一步。
--end--
