AI前沿

Claude 学会做梦了:Anthropic 把智能体记忆拆成四层,35 万文档达标率 13% 干到 48%

一、把记忆拆成四层,做梦是贯穿四层的那道工序

11 月 6 日,Anthropic 发布工程博客《The components of agent memory》,作者 Lance Martin。文章开头引了克尔凯郭尔那句「生活只能向后理解,但必须向前度过」,然后承认一件事:设计智能体记忆时,他们撞上了同一个死结——你必须在还不知道什么会重要的时候,就决定什么值得存。

先把定义划清楚。这里说的 agent memory,指 Claude 从经验里获得的、跨会话保留下来、存成以后能读的上下文的知识。它明确排除三样东西:改权重、单次会话里的上下文学习,以及 compaction,也就是用摘要替掉旧回合以便继续跑。

再往上搭四层:最底下是可搜索的事件日志 transcripts;上面是 Claude 自己写的记忆笔记 memory notes;再上面是记忆表示,比如一个互链的 wiki;最顶上是每次会话开头注入的上下文。dreaming 不是第五层,它是贯穿这四层的一道离线工序——在两次交互之间的空闲时间,回头读日志、改错笔记、合并成结构、决定哪些规则要提到顶层预加载。

记忆本质上是一种对未来的预测。写下一个已验证的事实,就是在赌未来的某个会话会直接信它、不再复核。这个赌注押得准不准,才是记忆质量的真问题。

二、会闭环的模型,和不闭环的模型差在哪

测试用的是 CL-Bench 1.0 的数据库问答任务:每道题都在全新会话里开始,唯一的例外是 Claude 可以读一个跨会话持久化的记忆目录,跑在 Claude Managed Agents 上。

不同代际的表现差异很有意思。Sonnet 4.6 只走到「对错误答案生成猜想」这一步,目录里散着一堆文件,每个文件列几条没验证过的猜测。Opus 4.7 开始把笔记合并成单一参考文档,并标注哪些事实已核、哪些未核。Sonnet 5 会在评分器确认后把答案标成 confirmed,答错时写一条纠错。Opus 5 是第一个真正闭环的:条目里同时有规则本身、这条规则凭什么成立、对应哪道早期题目、以及一路上踩过的陷阱警告。

数字上,Opus 5.5 在有记忆的情况下从 0.655 升到 0.838,Sonnet 5.5 从 0.644 升到 0.833。两个模型都闭环了,剩下的差距主要落在无记忆基线上。

三、少而精赢过多而杂,而且别指挥强模型记什么

宝可梦红的对照最能说明问题。Fable 5 只维护了 9 个记忆文件加一个仪表盘,拿到 4 枚徽章;Sonnet 3.7 写了 413 个文件,只拿到 1 枚。结论是:该存的是策略、计划和验证过的规则,不是每一帧的屏幕状态。

纠错能力也在这里显形。有一次 Claude 把宝可梦中心的位置记错了,于是一路折返迷路;dreaming 拿笔记跟原始会话记录对账,改掉那条错笔记,它才走到下一座城市。没做纠错的那次跑,就一直没能完成目标。

规模化的实验在 35 万份内部文档上:让 dreaming 从 2 轮一路加到 128 轮,逐步搭出一个 wiki,25 道题的达标率从 13% 爬到 48%;把 wiki 和搜索工具合起来用,综合分从 54% 到 61%,而只用搜索是 53%。

最反直觉的一条:告诉强模型「只记失败」「必须写成固定格式」这类硬规则,效果反而更差。只丢一句「你有一个记忆文件夹可用」,让它自己决定记什么,结果更好。这条对天天手写 prompt 的人应该有点刺痛。

落地细节也披露了:Claude Code 的自动记忆只注入 MEMORY.md 的前 200 行或 25KB,超出部分不注入——指令文件必须短到模型真的会照做。文章末尾承认还有三个开放问题没解:什么时候该写入、怎么保鲜、怎么防止错误累积。这是一篇方法论文章,不是产品发布,没有新 API。