Anthropic 研究拆解 Claude 智能体记忆：记忆笔记、显著性判断与 dreaming

Anthropic 发布研究文章，介绍其为 Claude 智能体设计记忆系统的思路与多组评测。文章把智能体记忆定义为 Claude 从交互和任务中获得、并在会话之间保留为可读上下文的知识，不包括改动权重、上下文学习和压缩。 第一块是记忆笔记与显著性判断。Claude 可以在会话日志中实时标记显著事件，或写入记忆文件夹。在 Continual Learning Bench (CL-Bench) 1.0 的数据库问答任务中，Claude Sonnet 4.6 只提出未验证的错因猜想，Claude Opus 4.7 把笔记整合成参考文档并标注核实状态，Claude Opus 5 首次闭合学习闭环，记录规则、答案与陷阱警示；Opus 5.5 和 Sonnet 5.5 也闭合了闭环。在 Pokémon Red 测试中，Sonnet 3.7 在 225 个文件夹里写了 413 个记忆文件，只拿到一枚徽章；Fable 5 只在两个文件夹写九个文件加一个 global.md，却拿到四枚徽章，因为它只记录策略、计划和已验证规则，不存屏幕上可读的金钱与位置。文章还发现，只给笼统指引比规定具体写入规则更有效，例如只记录失败会让 Opus 5 和 Opus 4.7 从记忆中获得的提升损失大半。 第二块是 dreaming，即利用交互间隙离线整理记忆。文章举了月见山的例子：Claude 错误记下宝可梦中心在东侧，走下悬崖后误判方向，三次掉回原路线；对记忆文件夹运行 dreaming 后，Claude 拿笔记与会话记录核对并改写，最终抵达华蓝市。dreaming 还能构建 wiki 表示。在 Stainless 约 35 万个文件、约 4.2 亿 token 的内部文档语料上，dreaming 从 2 个会话扩展到 128 个会话，25 个问题的得分从 13% 提升到 48%；同时使用搜索和 wiki 时综合得分从 54% 升到 61%，仅用搜索为 53%，并为每个问题节省约 20,000 个 token。 文章也记录了失败情形：在 Harvey LAB 基准的收购合同任务中，多个智能体同时写入共享合同条款表导致互相覆盖，生成的简报只写入 57 条事实中的 41 条（72%）；改为每份合同独立页面、逐字引用条款后，评分标准满足度达到 100%。另一项 LAB 任务中 wiki 变得比源文件还大，没有抽象出任何东西。 文章最后列出开放问题：何时创建记忆、如何让记忆保持最新、dreaming 需要消耗算力且难以检查全部记忆。Claude Code 的自动记忆只加载 MEMORY.md 的前 200 行或 25 KB 作为索引，以保持注入层精简。