Anthropic 揭秘：Claude 靠”做梦”整理记忆
11 月 6 日，Anthropic 在官网发表研究文章《The components of agent memory》，首次系统拆解 Claude 智能体记忆的设计思路。文章的核心是一个颇具画面感的概念——”做梦”（dreaming）：让 Claude 在会话结束后离线”回放”自己的工作记录，纠正记错的笔记，把零散经验整理成结构化的知识，再带进下一次会话。这不是一次产品发布，而是一份带测试数据的工程总结，但它把 AI 智能体最难解决的问题之一摊开讲清楚了：模型怎样才能越用越聪明，而不是每次从零开始。
先划清边界：什么才算智能体记忆
Anthropic 给”智能体记忆”下了一个很窄的定义：Claude 从经历中学到、跨会话保留下来、存成以后能读到的上下文，三点缺一不可。文章明确排除了三种容易混淆的东西：改模型权重（那是训练）、单次对话里临时学到的内容（会话结束就丢了）、以及上下文快满时把旧对话压成摘要（那叫压缩，不叫记忆）。
在这个定义下，记忆被分成四层，自下而上分别是：会话记录——全部原始对话与操作的可搜索日志；记忆笔记——Claude 在工作过程中自己写下的经验、规则和提醒；记忆表征——把笔记整理成的结构化形式，最典型的是互相链接的 wiki；注入上下文——每开一个新会话就自动塞进上下文的少量关键信息，更深的内容按需检索。”做梦”就在这四层之间工作：把下层的东西核对、提炼，再往上送。
“做梦”是怎么工作的
“做梦”是一个离线过程，发生在两次会话之间。Claude 重新读一遍自己过去的会话记录，拿它去核对之前写下的笔记：记错的改掉，重复的合并，过时的替换，还能把一堆散落的笔记整理成互相链接的 wiki 页面，并决定哪些事实值得每次开新会话都自动加载。重要的是，这个过程不碰模型权重——记忆始终是一堆 Claude 能读的文本文件，变的只是文件里的内容。
这个想法的灵感来自 Letta 与加州大学伯克利分校研究人员在 2025 年提出的”睡眠时计算”（sleep-time compute）：利用模型两次交互之间的空闲时间，提前消化和重组已有的知识，就像人脑在睡眠时巩固记忆。Anthropic 在今年 5 月的 Code with Claude 大会上就以研究预览的形式推出了 dreaming，运行在 Claude Managed Agents（面向开发者的托管智能体服务）上；这次的文章则是第一次公开它背后的设计与测试结果。
测试数据：记忆到底有多大用
Anthropic 用了五组跨度很大的测试：数据库问答基准、宝可梦游戏、内部文档 wiki，以及两组法律任务。结果总体是正面的，但细节比标题数字更有意思。
在 CL-Bench 1.0 的数据库问答任务里，带记忆的模型全面跑赢无记忆的基线：Opus 5.5 从 0.655 升至 0.838，Opus 5 从 0.564 升至 0.828。但弱一点的模型受益有限，Sonnet 4.6 只从 0.330 涨到 0.364——不过在另一组设置里，提示它主动读记忆、验证假设之后，分数可以达到 0.641。这说明记忆本身只是原材料，怎么用它同样关键。
最能说明问题的是一局宝可梦红。Claude 在一张记忆笔记里把方向记反了，之后三次走到同一个地方又折回去，始终到不了下一座城市。跑了一轮 dreaming、拿原始记录核对并改掉那条笔记之后，它才走出困境。另一个反直觉的发现是：记得多不等于记得好。Sonnet 3.7 在一局游戏里写了 413 个记忆文件、225 个文件夹，只拿到 1 枚徽章；另一个模型只写了 9 个文件，却拿下 4 枚。Anthropic 由此总结的一条设计原则是：告诉模型记忆是干什么的，但别规定它具体怎么记、怎么用。
最重的一组测试用上了 Anthropic 今年 5 月收购的软件公司 Stainless 的约 35 万份内部文件，约 4.2 亿 token。Opus 5 用 128 次 dreaming 把这些文件整理成 wiki，再回答 25 道相关问题：只用 wiki 时得分从 13% 升至 48%；wiki 加搜索从 54% 升至 61%，而单独搜索是 53%，而且每道题还能省约 2 万个 token。在法律任务里，需要跨多份文档推理的题目，wiki 拿下 87%，搜索只有 73%；但只用一份文件就能回答的题目，wiki 没有带来额外好处。
背景：为什么记忆这么难做
Anthropic 在文章里花了不少篇幅讲记忆的难处。最核心的矛盾是时间差：Claude 写笔记的时候，并不知道以后会用到什么。Anthropic 把每条记忆笔记看作一次”预测”——写下一条规则，是在预测这个模式以后还会出现；写下一个已验证的事实，是在预测以后的会话会愿意直接信任它、不再核查。预测总会出错，所以笔记会错、会过时，而一旦错误的记忆被注入每个新会话，错误会被反复传播。
这也是 dreaming 存在的理由：把”写记忆”和”整理记忆”分开。工作时先大胆记，事后再用原始记录当裁判，慢慢筛出真正值得留下的东西。代价同样真实：dreaming 要额外花算力，多久”做梦”一次、记还是不记、事后整理还是边干边整理，都还没有定论。
影响与展望
目前，dreaming 仍是 Claude Managed Agents 里的研究预览功能，需要申请才能用，Dreams API 一次可处理 1 到 100 个会话，按模型 token 费率计费；跨会话的记忆库功能处于 beta 阶段。Claude Code 的自动记忆则只加载 MEMORY.md 文件的前 200 行或 25KB 作为索引。普通 Claude App 用户现在还用不上这套机制，日常对话里的记忆仍是原来的聊天记忆。
也要对测试数字保持清醒：全部结果都来自 Anthropic 自己的测试，宝可梦的对比是每个模型各跑一次，Stainless 的语料库不对外公开，无法独立复现。wiki 做到 48% 听起来不高，但它是在没有搜索工具的情况下、只靠整理出来的知识答题，意义在于证明”整理”本身有价值。
对整个智能体行业来说，这篇文章的价值不在于某个数字，而在于它把记忆从”往上下文里硬塞”推向”离线整理”：记忆不再是越长越好，而是一套需要设计、测试和维护的系统。Anthropic 还随文章放出了 dreaming 与 wiki 的 cookbook，供开发者照着搭自己的版本。如果这套机制成熟，长任务智能体的可靠性可能上一个台阶——模型不再只是每次重新读档的玩家，而是真正带着经验上路的助手。