跳到正文

Anthropic 拆解 Agent Memory:Dreaming 纠错、建 Wiki,并上浮到会话注入层

东京时间 11 月 7 日凌晨,Anthropic 工程团队发布《The components of agent memory》,系统讲解会话笔记、Dreaming 离线整理与注入层;Pokémon、Stainless wiki 等数字均为厂商自测。

小杜

约 4 分钟读完

Anthropic 拆解 Agent Memory:Dreaming 纠错、建 Wiki,并上浮到会话注入层

东京时间 11 月 7 日凌晨(官方标注发布日 2026-11-06;Anthropic 官方 X 帖 UTC 21:16 ≈ 东京时间 11 月 7 日 06:16),Anthropic 工程团队发了长文 The components of agent memory。核心问题不是「再加一个向量库」,而是:Agent 怎么在会话里写笔记、怎么在空闲时用 Dreaming 回头整理,以及哪些东西该预加载进下一次会话。对做 Agent / Claude Code harness 的工程师,这篇把「记忆」拆成了可落地的组件。

Agent Memory 组件示意:会话笔记 → Dreaming → 注入层(据 Anthropic 工程博文整理)

他们怎么定义 Agent Memory

文中的 Agent Memory,指的是 Claude 从经验里学到、并跨会话保留、之后还能读回来的知识——典型形态是可读写的 memory 目录或笔记。它不包括:改权重、单次对话里的 in-context learning,以及把旧轮次压成摘要的 compaction。

类比人类:海马体负责当场编码,睡眠时再巩固进新皮层。Agent 侧对应两件事:

  1. 会话内写笔记:把 salient 事件打标,或直接写进 memory store;
  2. Dreaming(离线整理):在交互间隙回看日志/transcript,纠错、写新笔记、建结构表示,甚至决定下次会话预加载什么。

作者把 Letta / UC Berkeley 的 sleep-time compute 接到这条线上:空闲算力用来整理已有上下文。

笔记是对「未来需要什么」的预测

写一条规则,等于预测「以后还会用到」。他们在 Continual Learning Bench(CL-Bench)1.0 的数据库问答任务里测了这一点:每题新开会话,但可读写一个持久 memory 目录;答完后告知正确答案,允许写记忆帮助后面的题。

厂商自测观察:Sonnet 4.6 能写猜测但文件散、未验证;Opus 4.7 合并成参考并区分已核对;Sonnet 5 会在评分后标记确认;Opus 5 起(含 5.5)开始闭合学习环——条目里常见「规则 + 为何可信 + 既往答案 + 陷阱警告」。

另一组更直观的对比是 Claude Plays Pokémon:约 1 万步时,Sonnet 3.7 写了 413 个文件 / 225 个文件夹,只拿到 1 枚徽章;Fable 5 只有 9 个文件 + 顶层 global.md,拿到 4 枚。差异不在「记得更多」,而在记什么——屏幕上每帧能读到的金币、坐标不该进 memory;策略、路线计划、实测规则才该留下。Opus 5.5 也走「小而活」的目录,并通关了游戏。

工程启示:对前沿模型,说明 memory 用途往往够用;定死「只记失败」反而可能削弱增益。弱模型更需要「先读 memory、再验证理论」——Sonnet 4.6 提示后基准分接近翻倍(厂商自测)。

Dreaming 能做什么:纠错、建 Wiki、上浮、补洞

纠错:会话里写错的笔记会被后续会话当真。Mt. Moon 例子里,错误的「PokéCenter 在东侧」让 Agent 反复掉下单向悬崖;对同一 memory 跑 Dreaming、对照 transcript 改笔记后,Agent 重新进洞并抵达 Cerulean City。未校正 / 无 memory 的对照跑都没过山。

建表示(wiki):对收购公司 Stainless 约 35 万文件、约 4.2 亿 token 的语料,用 Dreaming 增量建 wiki。厂商自测:dreaming 从 2 轮扩到 128 轮时,25 题评分从 13% → 48%;wiki + 搜索约 61%,优于仅搜索约 53%,且每题大约省 2 万 token。合并案问答里,需要跨多文档综合的项:wiki 87% vs 仅搜索 73%。也有反例——单文档可检索的法律 brief,wiki 无明显增益;wiki 甚至可能膨胀到比原文还大,抽象失败。

上浮到注入层:Dreaming 可把少数笔记推到「每会话预加载」。代价是占上下文、错笔记会污染所有会话,且长指令会降低遵从度。Claude Code 的 auto memory 做法是:只注入 MEMORY.md 的前 200 行或 25KB 当索引,其余按需再读。

按目标塑形 / 补缺口:法律收购任务里,多 Agent 共写一张合同条款表时,57 条事实只保住 41(72%);改成「一合同一页、逐字引用」后到 57/57(100%)。第二轮 Dreaming 还能修断链(一例修了 9 处死链并补索引页)。

对工程实现意味着什么

  1. Memory ≠ RAG 全文库:优先存「推不出来的规则与计划」,别存屏幕/工具随时能读的状态。
  2. 在线写 + 离线 Dreaming:在线保证即时可用,离线负责校正与结构压缩;两者有延迟与算力权衡。
  3. 注入层要极瘦:索引式 header + 深层按需检索;错注入比没记忆更危险。

小杜点评

这篇最有用的不是「Dreaming」这个词,而是把 Agent 记忆拆成写什么、何时整理、何物常驻上下文三层,并给出可复现的失败模式:记太多、记错、wiki 过大、注入过长。我们自己做 Agent 平台时,可以先落地「可挂载的 memory 目录 + 会话结束后的整理 job」,用 transcript 做 ground truth 纠错,再考虑是否要 wiki;注入层严格卡在索引大小。别一上来就堆向量库——先把 salience 判断和离线校正做对,收益通常更直接。

参考来源

评论

正在确认登录状态…