Anthropic 拆解 Agent 记忆的构成：从 dreaming 到让 Claude 学会判断什么值得记

Anthropic 分享了他们给 Claude 设计记忆系统的思路：把记忆当作对未来需求的预测，用空闲时间反思日志来整理笔记。文章用 CL-Bench 数据库任务和 Pokémon Red 两个评测，展示了不同模型在记忆组织能力上的差距，以及一条关键经验——告诉 Claude 记忆是干什么的，但别规定它怎么用。

记忆是什么：跨会话保留的经验知识

• 这里的 agent 记忆指 Claude 从与用户交互和任务执行中获得、并在会话之间保留的知识，以可读取的上下文形式存储。
• 不包括改模型权重、单次对话内的 in-context learning，也不包括 compaction（用摘要替换旧对话轮次以腾出上下文窗口）。
• 类比人脑：海马体即时记录经历，睡眠时大脑离线重放并提炼，把重要内容整合进长期知识。

Dreaming：用空闲时间整理记忆

• Agent 的工作大多记录在日志或 transcript 里，Letta 和 UC Berkeley 提出的 sleep-time compute 让模型利用交互间隙重组上下文。
• 同样的思路可用于记忆：让 agent 反思日志、修正错误、生成新笔记和表示，这个过程常被称为 dreaming。
• Claude 可以在会话中给重要事件打标签，方便日后检索，或直接写入 memory notes 文件夹。

CL-Bench 实测：不同模型的记忆能力差距

• CL-Bench 1.0 的数据库任务要求 Claude 查库答题，答错后可写记忆帮助未来答题，每个问题都在全新会话中开始，唯一例外是能读取跨会话的记忆目录。
• Sonnet 4.6 只会散乱地记下未经检验的猜测；Opus 4.7 开始把笔记整合成单一参考文档并标注哪些事实已验证；Sonnet 5 会在答案被确认后打标记、答错时写更正。
• Opus 5 是第一个真正闭环的模型：它的记忆条目包含规则、规则的依据、历史答案和踩坑警告；Opus 5.5 和 Sonnet 5.5 也都做到了闭环。

Pokémon Red 实验：会判断什么值得记的模型走得更远

• Sonnet 3.7 什么都记：413 个文件、225 个文件夹，最后只拿到 1 个徽章；游戏状态变化快，详细记录不断过时，它甚至连续 17 步只在整理记忆文件、没在玩游戏。
• Fable 5 只写了 9 个文件加一个 global.md，拿到 4 个徽章。它只记游戏不会主动告诉你的东西——策略、计划、验证过的规则。
• Fable 5 的 global.md 相当于仪表盘，存放当前目标、打道馆的预案和它自己定的记忆使用规则；连续 7 个精灵球抓不到 Magikarp 后，它写下了调整按键时机的经验规则。
• Opus 5.5 用类似的小型记忆文件夹跟踪目标和下一步，边玩边重写，最终通关。

怎么引导 Claude 写记忆

• 实测发现，告诉 Claude 记忆是干什么的就够了，不必规定怎么用——在 CL-Bench 上只说有记忆文件夹可用，Opus 4.7 和 Opus 5 就能显著提升表现。
• 团队也测试过每次给一条具体的记忆写入规则，对比有无规则时的收益差异。
• 核心判断标准：屏幕上随时能读到的信息（如金钱、位置）不值得存，只有需要自己推导且不写下来就会消失的知识才值得记。