Anthropic于11月6日发布研究文章《The components of agent memory》，系统拆解Claude智能体如何实现跨会话记忆、信息筛选、错误修正与知识整理。研究提出，AI智能体可借鉴人脑在睡眠中整理记忆的机制，在交互空闲时间反思历史记录、纠正错误并构建知识结构，从而提升长周期任务的表现。
该研究将智能体记忆划分为四个层次：会话日志、记忆笔记、知识表征（如Wiki）以及注入上下文。在此基础上，研究引入名为“做梦”（dreaming）的机制，允许模型在两次交互之间的空闲时段回顾会话日志、修正错误、提炼规则并更新知识库。研究团队认为，这一过程类似于人脑在睡眠中巩固记忆，将即时经验逐步转化为可复用的长期知识。
在具体实现上，Claude会在会话过程中标记重要事件或写入记忆笔记，但并非所有信息都值得保存，模型需要判断哪些内容在未来具有实际价值。Anthropic指出，记忆本质上是一种对未来的预测，例如记录一条已验证的规则，意味着模型预期未来会再次依赖它。这一判断机制决定了记忆写入的取舍标准。
在持续学习基准CL-Bench的数据库问答任务中，具备记忆能力的Claude模型表现明显优于无记忆基线。Claude Opus 5.5和Sonnet 5.5在使用记忆后，平均得分分别达到0.838和0.833，而二者无记忆基线分别为0.655和0.644。研究显示，更强的模型能够自主形成“失败—反思—验证—总结规则”的学习闭环。
在《宝可梦红》游戏测试中，Anthropic发现“少而精”的记忆策略更为有效。Claude Fable 5仅维护10个记忆文件，获得4枚徽章；而Sonnet 3.7写下了413个文件，仅获得1枚徽章。研究认为，模型应优先保存策略、计划和经测试验证的规则，而非不断变化的屏幕状态等即时信息。
“做梦”机制还展现出纠错能力。当Claude错误记录了宝可梦中心的位置并因此迷路时，系统通过比对原始会话记录修正记忆，使其最终成功抵达下一座城市；而未修正记忆的运行则反复折返，未能完成目标。这一案例表明，基于原始日志的记忆校验能够有效抑制错误累积。
在约35万份企业文档的测试中，Claude通过多轮“做梦”逐步构建Wiki知识库。随着“做梦”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，综合得分从54％升至61％。测试结果说明，记忆整理频次的增加与知识表征的完善对任务完成率有正向影响。
Anthropic同时指出，智能体记忆仍面临多项挑战，包括何时写入记忆、如何保持记忆更新、如何避免错误累积等。研究团队表示，未来AI或将更善于在完成任务后回顾经验，把零散交互转化为可迁移、可验证的长期知识。该研究为智能体在长周期任务中的持续学习提供了可参考的架构思路，记忆分层与空闲反思机制或将成为企业级AI应用提升可靠性的方向之一。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
