Anthropic：智能体记忆，梦境式整理

1. 从记录到下一次会话的上下文，以四层结构连接

记忆是将经验中获得的知识存储下来，供下一次会话读取。它分为四层：可探索的工作记录、保留重要内容的笔记、串联这些内容的维基，以及在下一次会话中预先加载所需信息的上下文。底层是原始资料，上层是整理后的知识与可直接使用的记忆。

梦境是在会话之间的空闲时间回顾记录、修正或重新整理笔记的过程。Anthropic 将 Letta 和加州大学伯克利分校研究者提出的空闲时间计算，即不执行任务期间进行的计算概念，应用于记忆整理。

2. 由智能体判断如何使用记忆时，效果更明显

Anthropic 在 CL-Bench 1.0 数据库任务中，为每个问题开启新会话，仅延续记忆目录。模型在得到正确答案的反馈后，可以分析失败原因，并留下供下一题使用的规则。据公司公布的数据，使用记忆后，平均奖励，即任务得分的平均值有所提高，但增幅因模型而异。

表：CL-Bench 数据库任务中各模型的平均奖励

条件：CL-Bench 1.0 数据库任务，使用 Claude Managed Agents。每个问题开启新会话，使用记忆时保留目录。依据原文图片的替代文本。

单位：平均奖励

据公司公布的数据，Sonnet 4.6 仅使用记忆时提升较小，但在被要求读取记忆并在作答前检验假设后，得分升至 0.641。Sonnet 5 即使没有额外指示，也会在十次中有九次先读取记忆。

Anthropic 表示，对于能力较强的模型，让其判断内容的重要性，比固定要求记住哪些内容更有效。仅要求记录失败时，记忆带来的性能提升会减弱。

3. 好的记忆不在于多，而在于能够复用

《宝可梦 红》实验比较了每个模型单次运行至约 1万步时的记忆。据公司公布的数据，相比积累详细记录的 Sonnet 3.7，留下策略与后续计划的 Fable 5 用更少的文件获得了更多徽章。

表：宝可梦实验中的记忆规模与游戏进度

条件：每个模型运行一次，对比约 1万步时的情况。Fable 5 的文件数包含顶层文件。

Sonnet 3.7 从约 1万步开始，在 17 步内忙于创建六个文件、删除九个文件，没有在游戏中采取行动。该案例表明，相比记录可在画面中重新确认的状态，留下供下一步行动使用的策略更有用。

4. 梦境修正错误，并绘制通往所需记忆的地图

Anthropic 展示了宝可梦实验中的一个案例：梦境通过核对记录，修正了一条误记山口恢复设施位置的笔记。使用修正后记忆的运行返回山中，并抵达下一座城市。保留错误记忆的运行则三次折返先前的路线，最终未能翻越山地。

维基是连接主题知识与笔记的页面集合，充当寻找所需记忆的地图。Anthropic 针对约 35万份内部文档、约 4亿2千万个 token，评估了 25 个问题。据公司公布的数据，Opus 5 通过梦境扩充维基后，结合搜索的得分高于仅使用维基。

表：随着维基扩充，答案满足评分标准的比例变化

条件：使用相同的内部文档与 25 个问题进行评估。对比 Opus 5 构建维基的梦境会话达到 2 次与 128 次时的情况。

单位：%

据公司公布的数据，结合维基与搜索还为每个问题节省了约 2万个 token。在并购资料的 24 个问题中，对于需要串联多份文档的项目，使用维基时得分为 87%，仅使用搜索时为 73%。

5. 记忆质量同时消耗计算与存储空间

探索过程中节省的部分成本，会转移到维护记忆所需的计算与存储空间上。据公司公布的数据，在一项法律任务中，由 10 份文档、115KB 内容整理出的维基，扩展为 68 个页面、255 个链接和 203KB。运行梦境同样需要计算，注入下一次会话的上下文也会占用 token。

在可直接从单份文档中找到答案的法律任务中，维基没有明显优势。每次都加载错误笔记，也可能导致错误反复出现。

Anthropic 将顶层记忆保持精简，通过链接查找细节。Claude Code 也只加载 MEMORY.md 的前 200 行或 25KB，将其用作索引，即便于快速查找内容的列表。

开发者可以考虑根据信息的易变程度或访问频率，调整梦境的运行时机。

智能体记忆的核心不在于存储更多内容，而在于验证记录，并按照下一项任务的需要分层整理。