Anthropic讲解智能体记忆与“做梦”：记忆让CL-Bench上测试的六个模型全部提分，做梦纠正了错误笔记并构建维基，但证据都是Anthropic自测，dreams仍是不支持ZDR和HIPAA的研究预览

2026年11月6日，Anthropic工程博客发表了Lance Martin撰写的《智能体记忆的组成》（The components of agent memory），讲Claude智能体如何在会话之间保留知识。Anthropic把智能体记忆定义为Claude从经验中学到、并作为上下文保存下来供以后读取的内容，不包括模型权重的改变、单次对话内的学习以及压缩（compaction）。文章描述了四层结构：从对话记录，到笔记，到维基这类表示，再到每次会话都会加载的上下文。它还提出一个后台过程，称为“做梦”（dreaming），回看对话记录来修正并重组这些层次。所有结果都来自Anthropic自己的测试。

第一项测试用的是CL-Bench 1.0，这是一个让智能体回答一连串数据库问题、并在每题之后告知正确答案的基准。Claude每道题都从全新的会话开始，只有一个记忆目录被保留下来，文章把它与无状态基线作了比较。图中所列六个模型的平均奖励全都上升：Opus 5.5从0.655到0.838，Sonnet 5.5从0.644到0.833，Opus 5从0.564到0.828，Opus 4.7从0.383到0.700，Sonnet 5从0.306到0.610，Sonnet 4.6从0.330到0.364。文章还描述了使用记忆的习惯如何逐代改善：Sonnet 4.6写下零散的、未经验证的猜测；Opus 4.7标出哪些事实已核对；Opus 5是第一个闭环的，它记录一条规则以及它如何知道这条规则为真，并附上陷阱警告。

第二项测试看的是对“该存什么”的判断。在《宝可梦 红》中，文章比较了各一次运行：大约一万步时，Claude Sonnet 3.7写了225个文件夹里的413个记忆文件，拿到1枚徽章；Claude Fable 5只有两个文件夹里的9个文件，外加一个顶层global.md，拿到4枚徽章。文章的解释是，Sonnet 3.7记下了屏幕本来就显示的内容，如金钱和位置，这些很快过时，查找起来还费时；Fable 5保留的是计划和经过检验的规则，这些东西只有模型自己写下来才存在。Opus 5.5也保留了一个小文件夹并通关。两次单独运行只是一个例证，不是统计结论。

在引导方面，Anthropic说，告诉Claude记忆是做什么用的会有帮助，但不要告诉它怎么用。只要告诉Claude有一个记忆文件夹，就足以让Opus 4.7和Opus 5有效使用。告诉它们只记录失败，则使两者失去了记忆带来的大部分好处。较旧的模型从更强的提示中获益更多：让Sonnet 4.6在回答前先读记忆并检验自己的猜测，使它的分数几乎翻倍；而Sonnet 5在没被要求的情况下，10次里有9次先读记忆，Sonnet 4.6则不到一半。

“做梦”是主要的新想法。因为Claude在工作时写笔记，一条错误的笔记可能在以后的会话中被信任。在一个宝可梦的例子里，Claude误记某座建筑在月见山（Mt. Moon）的东侧，由此认为山洞已在身后，结果从一个单向的台阶掉回了先前走过的路线。在一次做梦把这条笔记与会话记录核对并改正之后，Claude重新进入山洞并到达华蓝市（Cerulean City）；带着未更正笔记的那次运行，三次掉回路线，始终没有到达。文章还展示了做梦构建维基：对Stainless（Anthropic在5月收购的公司）约35万个内部文件、大约4.2亿个token，随着Opus 5智能体在2到128个会话中构建维基，25个问题的得分从评分标准的13%升到48%。维基加搜索的得分在维基增长时从54%升到61%，单用搜索为53%，并且每个问题节省约2万个token。在24个并购问题中，需要多份文件的题目用维基得87%，用搜索得73%。在一些法律任务上，维基没有明显增益，其中一个任务里维基甚至比文件本身还大。

还有两个结果与指令有关。多个智能体写入同一张共享表格的维基，只留下了57个评分合同事实中的41个，即72%。Claude在反思循环中重写了构建指令，让每份合同有自己的页面并逐字引用后，57个事实全部保留。第二轮做梦还把指向一个缺失页面的九条链接重新指向了现有页面。文章提醒，注入的上下文必须保持很小，因为每条笔记在每次会话中都消耗token，错误的笔记会被带到各处。Claude Code的自动记忆只加载其MEMORY.md索引的前200行或25 KB。

Managed Agents文档补充了产品事实。一个dream是一个异步任务，它读取一个现有的记忆库和1到100个过去的会话，生成一个新的、重新整理过的库，不修改输入。通常需要几分钟到几小时。状态是研究预览，需申请访问，需要managed-agents-2026-04-01和dreaming-2026-04-21两个beta头，且不符合零数据保留（ZDR）和HIPAA的资格。文档说，指令用来引导综合，但针对具体行的命令式修改通常不会产生变化。

我们的看法：这是一份有用的设计选择地图，是一份设计与实验报告。证据来自Anthropic自己，宝可梦对比是两次单独运行，维基结果来自一个公司语料和少数法律任务，而做梦要消耗算力。构建智能体的团队可以借鉴这些想法：保持注入层很小，让强模型判断存什么，并用会话记录核对笔记。需要Zero Data Retention或HIPAA资格的部署，不能依赖当前研究预览版dreams取得这些资格。这些测试我们一个都没有运行过。