Anthropic 让 Claude 学会做梦：空闲时复盘记忆，任务表现明显提升

Anthropic 发布了一篇关于智能体记忆的研究文章，核心思路有点意思：让 AI 像人睡觉时整理记忆一样，在空闲时间做梦。

记忆分成四层

研究把智能体的记忆拆成四层：会话日志、记忆笔记、知识表征（比如 Wiki）和注入上下文。模型在对话中会标记重要事件、写进笔记，但并非什么都值得存，它得判断哪些信息未来真的有用。

Anthropic 有个观点：记忆本质上是对未来的预测。记录一条验证过的规则，等于预期以后还会用到它。

做梦就是离线复盘

所谓做梦机制，是让模型在两次交互之间的空档回顾日志、修正错误、提炼规则、更新知识库。就像一个打游戏迷路的人，回头看看走过的路，把错误路线从脑子里划掉。

在《宝可梦红》的测试里，Claude 曾把宝可梦中心的位置记错，结果一直迷路。系统比对原始会话记录修正记忆后，它才顺利走到下一座城市；没修正的那次则反复折返，任务失败。

记得少反而更强

测试还发现少而精更有效：Claude Fable 5 只维护 10 个记忆文件，拿到 4 枚徽章；Sonnet 3.7 写了 413 个文件，只拿到 1 枚。研究认为，模型应该优先保存策略、计划和验证过的规则，而不是不断变化的屏幕状态。

数字上的提升

在持续学习基准 CL-Bench 的数据库问答任务里，带记忆的 Claude 明显优于无记忆基线：Opus 5.5 平均得分 0.838，无记忆是 0.655；Sonnet 5.5 是 0.833，无记忆 0.644。

企业文档测试中，约 35 万份文档通过多轮做梦逐步构建 Wiki。随着复盘规模从 2 次会话扩到 128 次，25 个问题的达标率从 13% 升到 48%；再把 Wiki 和搜索工具结合，综合得分从 54% 提高到 61%。

Anthropic 也承认，记忆还有不少难题：什么时候写、怎么保持更新、如何避免错误越积越多。但方向已经很清楚，让 AI 在干完活后回头总结，把零散经验变成能复用的长期知识。