Anthropic 拆解 Claude 智能体记忆：“做梦”整理经验，提升长期任务表现

据 IT之家 11 月 7 日报道，Anthropic 于 11 月 6 日发布研究文章《The components of agent memory》，探讨 Claude 智能体如何跨会话保存、筛选和修正知识。研究提出一种被称为“做梦”（dreaming）的机制：利用两次交互之间的空闲时间回顾日志、纠正错误、提炼规则，再将结果整理为可复用的知识。这里的“做梦”并非让 AI 产生梦境，而是对历史经验进行离线整理，目标是改善长周期任务表现。

从聊天记录到长期知识，记忆需要四层配合

Anthropic 将智能体记忆拆分为四层：会话日志、记忆笔记、知识表征，以及最终注入模型上下文的信息。它们分别承担保留原始经历、记录重点、组织知识和支持当前决策的作用。因此，智能体有记忆，并不等于把所有聊天记录重新塞给模型。

• 会话日志：保留交互过程，为后续核查提供依据。
• 记忆笔记：筛选重要事件和可能再次用到的信息。
• 知识表征：以 Wiki 等形式组织经验，形成可检索的结构。
• 上下文注入：将相关记忆带入当前任务，辅助判断与行动。

这套机制的关键是取舍。来源显示，Claude 可以在会话中标记重要事件或写下笔记，但必须判断哪些内容值得长期保留。Anthropic 将记忆理解为对未来需求的预测：保存一条经过验证的规则，意味着预期它还会派上用场。

测试显示：记得更多，不一定做得更好

在持续学习基准 CL-Bench 的数据库问答任务中，据来源所列结果，Claude Opus 5.5 和 Sonnet 5.5 使用记忆后的平均得分分别为 0.838 和 0.833，无记忆基线分别为 0.655 和 0.644。研究观察到，较强模型能够形成从失败、反思到验证、总结规则的学习闭环。

《宝可梦红》测试则体现了记忆质量比文件数量更重要：Claude Fable 5 维护 10 个记忆文件，获得 4 枚徽章；Sonnet 3.7 写下 413 个文件，仅获得 1 枚徽章。这一对比不宜单独归因于文件数量，但提示了有效记忆应偏向策略、计划和经过测试的规则，而非持续变化的屏幕状态。

纠错同样重要。一次测试中，Claude 错记宝可梦中心的位置并迷路，系统通过核对原始会话修正了记忆，随后抵达下一座城市；未修正记忆的运行则反复折返，未完成目标。

产业解读：长期智能体需要会维护的知识库

企业文档测试进一步展示了知识整理的价值。面对约 35 万份文档，Claude 通过多轮“做梦”构建 Wiki；当整理规模从 2 次会话扩展到 128 次，25 个问题的达标率从 13% 提升至 48%。将 Wiki 与搜索工具结合后，综合得分由 54% 升至 61%。这些结果对应特定测试条件，并不代表所有企业任务都会获得同等提升。

对自动化工具和企业 AI 应用而言，这项研究的启示是：长期能力不仅取决于模型能读多少，还取决于经验如何被验证、更新和调用。不过，这不等同于模型权重获得持续训练。何时写入记忆、如何处理过期信息、怎样防止错误累积，仍是 Anthropic 指出的挑战。相比单纯扩大历史记录，建立可追溯、可纠错的记忆流程，可能更值得智能体产品关注。