AREX Feed Article
Anthropic 发文拆解 Claude 记忆机制：会话之间的 dreaming 整理所学、纠正错误
美国时间 2026 年 11 月 6 日（北京时间 11 月 7 日凌晨），Anthropic 在上宣布发布 Engineering Blog 新文章。推文说，记忆（Memory）是让 Claude 从经验中学习的能力，而这篇文章分享的是一个被称作 dreaming（做梦）的离线过程，如何帮助 Claude「整理它学到的东西、纠正自己的错误，并在下一次更轻松地找到它所需要的信息」。
文章用《宝可梦 红》的一次运行演示了这种纠错：一条把 PokéCenter 方位写反的记忆笔记，让 Claude 反复从同一处悬崖跌回走过的路线，始终没能翻过 Mt. Moon，最后干脆宣布停工；改用 dreaming 对照会话转录重写笔记之后，Claude 在累计第 1,935 个动作抵达了此前从未走到的 Cerulean City。文章的进度曲线还显示了另外两组对照：在同一条以 3,000 个累计动作为窗口的进度线上，带着原始错误笔记的运行一路退回山前的 Pewter City，完全不给记忆的运行则全程没有抵达目的地。
记忆分四层，dreaming 在层与层之间搬运
文章把「agent memory」定义为：Claude 从经验中获得、并在会话之间保存下来供日后读取的知识，经验包括它与用户的交互和被指派的任务。这个定义排除了另外三种「学习」：改写模型权重（weights，训练时设定的内部参数）、单次对话内的 in-context learning，以及 compaction——Claude 把旧对话轮次压缩成摘要，以便在新的上下文窗口里继续干活。
结构上，文章把记忆画成一个四层体系：最底层是 transcripts，即可检索的会话事件日志；第二层是 memory notes，Claude 在会话进行中写下的显著观察；第三层是 wiki 这类由 Claude 自己编写和维护的知识表示，把零散笔记连成一张可导航的网；最顶层是 injected context，由代理运行框架（harness）在每次会话开始前预先载入的上下文。dreaming 的工作箭头从最底层的转录出发，指向上面各层，也在相邻上层之间双向流动。
这套设计参照的是人脑。文章引用神经科学研究说，海马体负责即时编码经历，但大部分固化发生在离线时段——睡眠和静息时，海马体重放近期经历，把它们蒸馏并整合进储存知识的新皮层。Agent 记忆套用同样的分工，其近亲是 Letta 与 UC Berkeley 研究者在 2025 年 4 月提出的 ：让模型用交互间隙的空闲算力重组已有上下文。Anthropic 已经把这一步做进 Managed Agents（研究预览版）：把它叫作 dreams，一次 dream 读入现有记忆存储和最多 100 段历史会话转录，产出一个重新整理过的新副本——合并重复、替换过时条目、浮现新洞见——原始存储保持不动，不满意可以整份丢弃。 和 里已有可运行的最小实现。
文章还提醒，记忆本质上是一种预测：写下一条规则，等于判断它描述的模式还会被用到——而 Claude 在会话当下并不知道未来会需要什么。
一条写反的笔记，让 Claude 在 Mt. Moon 前折返三次
出错的任务是《宝可梦 红》里的 Mt. Moon：一座西边进、东边出的山洞，入口附近有一段单行台阶（ledge），踩上去会把玩家直接丢回走过的路线，没有明显的路爬回来。Claude 把山洞入口处的 PokéCenter 当作导航地标——它会不会踩上台阶，取决于它认为 PokéCenter 在山的哪一侧。
某一刻，Claude 把 PokéCenter 的位置写反了：记成了东侧。走出 PokéCenter 时，它宣布「Mt. Moon 在我身后了」，并把笔记更新成「Mt Moon DONE」。Mt. Moon 并不在它身后。几步之后，它踩上台阶、跌回来路；导航工具不显示落差，它又推断是「我向西冲过头了」，以为自己一直站在正确的一侧。
在这局带着未修正笔记的运行里，Claude 一共三次跌回原路。第三次之后，它写下「我打算停下来，而不是继续打转」，直到系统的自动回复要求它继续，它才动身退回山前的 Pewter City 打算疗伤、补给。这一局到结束也没能到达 Cerulean City。
Anthropic 随后把包含错误地标的记忆文件夹交给 dreaming 处理：Claude 把笔记逐条对照会话转录——转录是它当时言行的原始记录，等于一份 ground truth——发现了错误，重写了笔记。换成修正后的记忆，Claude 直接回到 Mt. Moon 洞口重新进洞，这一次走到了 Cerulean City。文章用这组对照演示了 dreaming 的第一种用途：把写错的记忆纠回来。
什么值得记：两代模型的宝可梦记忆目录
dreaming 修正的是已经写下的记忆，而决定记忆质量的另一半，是 Claude 当场记什么。Anthropic 用《宝可梦 红》考察这种判断力：每局开始时给模型一个可读写的记忆文件夹，看它往里放什么。
对比的是 Claude Sonnet 3.7 和 Claude Fable 5 各自打到约 10,000 步时的记忆目录。Sonnet 3.7 假定一切都可能有用：每场战斗、每件道具、每个 NPC（非玩家角色）都常常单独占一个文件，最终写下 413 个记忆文件、分散在 225 个文件夹里，总计约 97.8 万字符——换来 1 枚徽章。麻烦在于《宝可梦》的游戏状态每回合都在变，事无巨细的记录持续过时，Claude 不得不花越来越多的时间翻自己的记忆而不是玩游戏：约第 10,000 步时，它开始建第四套「master」记忆文件，接下来 17 步里创建了 6 个文件、删掉 9 个，游戏本身一步没走。
Fable 5 只在两个文件夹里写了 9 个文件，外加一个顶层的 global.md，合计 10 个文件、约 4.3 万字符，拿到 4 枚徽章。它的取舍标准是：屏幕上每回合都能读到的信息——钱数、地图位置——不值得存；值得存的只有游戏不会主动告诉它的东西：策略、计划、验证过的规则。global.md 充当仪表盘，放着当前目标、打道馆的预案和它自己定下的记忆使用规则；locations 文件夹存特定路线的走法，gameplay 文件夹存它摸索出的游戏规律。在连续 7 颗精灵球抓不到 Magikarp——游戏里最容易抓的宝可梦之一——之后，它在笔记里写下的规则是：「如果连续 3 颗以上精灵球失败，就改变按键时序（在菜单步骤之间多插几次 wait）——这么做完下一次就抓到了。」
文章还提到 Opus 5.5 用同样的路数通关：保持一个追踪当前目标和下一步的小文件夹，边玩边重写。Sonnet 3.7 的大档案袋真正拖住它的，是那些不断过时的细节。
在 CL-Bench 上量一量记忆值多少分
判断力之外，文章还测了记忆对任务成绩的贡献，用的是 ——一个 2026 年 5 月发布、专门衡量 agent 利用记忆完成长程任务能力的基准。其中的数据库任务让 Claude 查数据库回答一连串问题：每答完一题，它会被告知正确答案，并可以写记忆帮未来的自己。测试跑在 Claude Managed Agents 上，每道题都从全新会话开始，唯一的例外是一个跨会话持久的记忆目录。
文章报告的得分（出自 Anthropic 自己的评测）是：给一个记忆目录后，Claude Opus 5 的平均得分从 0.564 升到 0.828，Opus 5.5 从 0.655 升到 0.838，Sonnet 5.5 从 0.644 升到 0.833，Opus 4.7 从 0.383 升到 0.700，Sonnet 5 从 0.306 升到 0.610；Sonnet 4.6 只从 0.330 微涨到 0.364。
差距出在怎么用记忆。Sonnet 4.6 的记忆目录里是一堆散落文件，每份列着几条没验证过的猜测；Opus 4.7 把笔记汇总成一份参考文档，并开始标注哪些事实核实过、哪些还没有；Sonnet 5 会在评分器确认答案后把它标记为已确认，答错了就写更正。Opus 5 是这些模型里第一个把学习环闭合的：它的条目大多包含一条规则、它是怎么知道这条规则为真、此前问题的答案，以及沿途发现的陷阱警告。Opus 5.5 和 Sonnet 5.5 也做到了闭环。
引导方式也影响成绩，文章的结论是：告诉 Claude 记忆是干什么的，但别规定怎么用。只说「有一个记忆文件夹可用」，就足以让 Opus 4.7 和 Opus 5 有效使用记忆；反之，设定「只记录失败」这条规则后，Opus 5 的记忆增益损失 0.234，Opus 4.7 损失 0.150——对更强的模型，把判断显著性的自由留给它反而更有效。引导对旧模型帮助最大：Sonnet 4.6 常常不读记忆文件、也不验证自己的猜想，被明确要求「答题前先读记忆、然后显式测试猜想」后，得分从 0.364 提高到 0.641，接近翻倍；而 Sonnet 5 不需要提示，10 次里有 9 次会主动先读记忆。对前沿的 Claude 模型，Anthropic 通常只给一句简单指引——用户要求记、或者明显值得记的时候，写一条记忆笔记——剩下的判断交给 Claude。
128 轮 dreaming，把 35 万份文档织成 wiki
dreaming 的另一种产出是知识表示：文章拿 wiki 做了主要演示。Wiki 是由 Claude 编写和维护的一组页面，汇总它对某个主题知道的东西，并链接到其他笔记——这些链接相当于地图，让 Claude 在越来越大的记忆库里高效定位。
文章用 Stainless——Anthropic 今年 5 月收购的一家软件公司——的内部文档语料测试 wiki 的价值：约 35 万个文件、约 4.2 亿 token，围绕语料出 25 道评测题，给 Claude 一个搜索工具，外加指令「用 dreaming 建一个 wiki」。Opus 5 代理在 128 个会话里探索文件、写或修正带链接的 wiki 页、合并重复条目、对照源文件核验说法，每个会话通过共享日志接着上一个会话的进度做。结果：dreaming 从 2 个会话扩到 128 个，25 道题的得分从 13% 涨到 48%；对应的 wiki 从 103 页、766 条链接，长到 222 页、12,893 条链接。
Wiki 不是搜索的替代品。只给搜索工具，得分停在 53%；只靠 wiki，最好成绩是 48%；两者都给，得分随 wiki 长大从 54% 升到 61%，而且每道题比单用搜索省下约 20,000 token。
边界同样清晰。文章用 Harvey LAB 基准和一组并购文档做了对比：一道 24 问的并购题里，超过一半的问题要把信息横跨多份文档拼起来、不少还要做判断或算术，Claude 参考 wiki 时在这类问题上得分 87%，只用搜索是 73%；但在另一道 LAB 任务里，评分标准几乎都能靠文本检索单份文档命中，wiki 没有带来可见增益。还有更尴尬的情况：某次任务里 wiki 长得比源文档还大——10 份文档共 115 KB，建出的 wiki 有 68 页、255 条链接、203 KB，是语料的 1.77 倍。文章借博尔赫斯《论科学的精确性》里那张与帝国等大的地图自嘲：这张地图什么都没抽象掉。
Dreaming 也负责事后修补。LAB 的 wiki 里有时会出现指向不存在页面的链接，第二遍 dreaming 在一个任务里找到 9 条指向缺失页面的链接、把它们改指向已有页面，并新增 3 个页面（含一个索引）；这一遍下来，wiki 从 38 个条目、225 条链接变成 41 个条目、278 条链接。
指令怎么写也会决定 wiki 里能留下什么。在一道模拟公司收购、以合同条款为评分核心的 LAB 任务里，最初的指令没说清合同条款是重点，多个代理同时往一个共享的 provisions.md 表格里写条款，互相覆盖，依据这份 wiki 生成的法律简报只覆盖了 57 项评分事实中的 41 项（72%）。文章随后让 Claude 自己反思失败、提出修改指令、重建 wiki：新指令把每份合同分给单独的页面、由单个代理撰写、条款逐字引用而不是摘要进共享表。重建之后，简报达成了全部评分标准。
还没解决的事：什么时候做梦，算力花在哪
文章结尾留下的问题比答案更具体。第一个是时机：Claude 可以在会话当场就写记忆，好处是在源头抓住重要细节、下一回合就能用，坏处是分心；dreaming 可以把记忆整理挪到后台，但它的产出未必赶得上下一次会话立刻用上。第二个是保鲜：记忆会从一开始就写错，也会随着环境变化过时，dreaming 能修，但要花算力——让 Claude 持续核对全部记忆并不现实，可行的方向是把 dreaming 聚焦在容易变化的信息上，或按记忆被访问的频率调整做梦的节奏。
注入最顶层的上下文更须克制：注入的内容占用宝贵的 token，一条错误笔记会被带进每一个会话，而且载入不等于执行——文章提到，Claude Code 的文档提醒，越长的指令文件遵循度越低。Claude Code 的 auto memory 因此只把 MEMORY.md 的前 200 行或 25 KB 载入每个会话，让这个开头充当索引，标明 Claude 知道什么、去哪找。
文章以克尔凯郭尔的话起头——生活只能倒着被理解，必须正着去经历——并承认设计 agent 记忆正卡在同一个两难里：没有哪个模型能真正预知未来轮次会需要什么，dreaming 给 Claude 的只是一个回看过去、用算力整理记忆的机会。至于这套机制最终走向哪里，文章没有给结论：「记忆系统会随着 Claude 能力的增强而演化，关于如何设计 Claude 的记忆系统，我们要学的还有很多。」