11 月 6 日消息，Anthropic 发布最新研究文章《The components of agent memory》，完整拆解 Claude 智能体的记忆系统实现逻辑。借鉴人类大脑睡眠巩固记忆的生理机制，团队提出名为Dreaming（做梦） 的离线计算范式，让 AI 在交互空闲时段复盘历史日志、修正记忆错误、沉淀结构化知识，以此解决长周期任务下智能体跨会话记忆混乱、信息失效、幻觉遗留等痛点Anthropic。

研究中所定义的智能体记忆，专指 AI 从用户交互、任务执行中习得、能够跨会话持久留存的经验知识，保存在独立存储中供后续会话读取。该记忆体系不改动模型权重，区别于单轮对话的上下文学习，也不等同于会话摘要压缩，完全依靠外部文件、笔记、知识库完成经验沉淀。

按照人脑记忆形成逻辑，人类海马体会实时记录经历，在睡眠休息阶段回放体验，把有效信息整合进入大脑皮层，形成长期记忆。Anthropic 把这套思路迁移到 Agent：智能体在运行过程产生完整交互日志；当没有用户请求、系统处于空闲状态，启动 “做梦” 流程，重读历史会话记录，完成纠错、提炼规则、构建知识图谱等工作，把短期经验转化为可用的长期记忆。

“记忆本质上是对未来的预测”。Claude 在会话过程中，会自行识别关键事件，输出记忆笔记，预判哪些信息未来会再次用到并保存；但实时写入也会带来问题：会话当下做出的记录有可能本身出错，或是随着环境变化而过时，错误记忆会在后续会话反复被调用，造成任务失败，而 “做梦” 就是专门用来修复这类缺陷的后台机制。

“做梦” 机制承担五大核心工作：修正已有记忆笔记中的错误；构建 Wiki 式关联知识表征；筛选高价值记忆提升层级，预加载至新会话上下文；围绕特定任务目标定向组织记忆；补齐多轮会话遗留的知识缺口。但预加载记忆需要严格控制体量，过量内容会占用 token 资源，还会降低模型指令遵循能力，因此高层级记忆需要持续精简维护。

为验证整套记忆体系有效性，Anthropic 开展多组基准与仿真游戏实验。

在持续学习基准 CL‑Bench 数据库问答任务，测试模型能否从答错案例中自我总结规则。早期 Sonnet 4.6 仅能生成未经验证的猜想；Opus 5 首次完成完整学习闭环，记忆文件内包含验证过的执行规则、历史答案、任务陷阱提示。新一代 Opus 5.5、Sonnet 5.5 依托记忆获得显著性能增益。

研究团队用《精灵宝可梦：红》游戏开展长周期仿真测试，对比不同版本模型记忆取舍能力。Sonnet 3.7 无差别记录全部战斗、道具、NPC 信息，10000 步生成 413 个记忆文件，大量记录快速失效，后期把算力消耗在检索海量记忆上，游戏进度仅拿到 1 枚徽章；而 Fable 5 只保存策略、计划、经过验证的游戏规则，仅维护 9 个记忆文件，拿到 4 枚徽章；Opus 5.5 依靠精简动态更新的记忆，甚至通关游戏。实验证明：模型自主判断信息重要性，优于人工预设死板保存规则，强行要求只记录失败案例，反而会削弱记忆带来的性能收益Anthropic。

一个典型故障案例直观展示 “做梦” 纠错价值：Claude 游玩时错误记录建筑方位，被错误记忆误导，反复掉入地图陷阱、原地循环无法推进；执行 “做梦” 流程后，模型对照原始会话日志发现笔记错误并重写修正，后续顺利通关对应关卡。

针对大规模企业文档场景，团队使用 35 万份、合计约 4.2 亿 token 的内部文档测试 Wiki 知识表征效果。随着 “做梦” 迭代会话由 2 轮提升至 128 轮，文档问答任务得分从 13% 提升至 48%；Wiki 知识库搭配检索工具效果最优，综合得分从纯检索的 53% 提升至 61%，单题还可节省约 2 万 token 消耗。但 Wiki 并非万能：如果答案可以从单一文档直接检索获取，Wiki 不会带来收益；极端情况下 Wiki 甚至膨胀到超过原始文档体量，失去抽象总结意义。在模拟企业并购法律文书任务中，通过迭代优化记忆构建指令，法律事实完整录入率由 72% 提升至 100%Anthropic。

尽管取得多项实验正向结果，智能体记忆仍存在诸多待解决难题。实时写入记忆会抢占主任务算力；离线 “做梦” 要消耗额外计算资源，无法做到对全部记忆持续校验更新；模型当下很难精准预判未来哪些信息具备价值，记忆依旧会混入幻觉和过时内容。

Anthropic 表示，记忆系统不会完全替代原始会话检索，未来会继续探索记忆触发时机、记忆更新频率、不同层级记忆维护策略，进一步完善面向长期自主 Agent 的记忆基础设施。整套架构为未来 7×24 小时持续运行的 AI 智能体提供关键底层能力参考。