Anthropic揭秘智能体记忆 空闲时做梦纠错

人类靠睡眠巩固记忆，AI 或许也一样。Anthropic 11 月 6 日发布研究文章《The components of agent memory》，系统拆解了 Claude 智能体的跨会话记忆架构：借鉴人脑海马体在睡眠中回放、巩固记忆的机制，让模型在两次交互之间的空闲时间“做梦”——回读历史日志、修正错误、提炼规则、更新知识库。

按照这套设计，智能体记忆分为四层：原始会话日志、记忆笔记、Wiki 式知识表征，以及预加载进新会话的上下文。Anthropic 强调，记忆本质上是一种“对未来的预测”——写下一条经验证的规则，就是在预测未来的自己还会用到它。

在持续学习基准 CL-Bench 的数据库问答任务中，记忆的价值一目了然：Opus 5.5 和 Sonnet 5.5 开启记忆后平均得分分别达到 0.838 和 0.833，而无记忆基线只有 0.655 和 0.644。更强的模型还能自发形成“失败—反思—验证—总结规则”的学习闭环，Opus 5 是第一个跑通全流程的模型。

《宝可梦红》游戏测试则给出一条反直觉结论：记忆贵精不贵多。Claude Fable 5 只维护 10 个记忆文件就拿到 4 枚徽章，而 Sonnet 3.7 写下 413 个文件仅得 1 枚——模型应优先保存策略、计划和经验证的规则，而不是不断变化的屏幕状态。“做梦”机制还能自动纠错：当 Claude 记错宝可梦中心的位置而迷路时，系统比对原始日志修正记忆，最终顺利抵达下一座城市。

在约 35 万份企业文档的测试中，Claude 通过多轮“做梦”逐步构建起 Wiki：做梦规模从 2 次会话扩展到 128 次，25 个问题的达标率从 13％ 提升到 48％；再结合搜索工具，综合得分从 54％ 升至 61％。Anthropic 表示，何时写入、如何保鲜、怎样避免错误累积仍是开放问题，但方向已经清晰：让 AI 把零散交互变成可迁移、可验证的长期知识。

编译自 Anthropic，原标题：“The components of agent memory”