Anthropic 博文社交封面：agent 记忆组件
Anthropic 研究博文《The components of agent memory》官方 OG 图（已裁为 16:9）。, Anthropic

要点

  • 定义收窄：agent 记忆指跨会话保留、可再读的经验知识；不含权重更新、单次对话内学习，以及用摘要替换旧轮次的 compaction。
  • 组件：会话内写 memory notes；空闲时用 dreaming（sleep-time compute）对照 transcript 纠错、建 wiki、把条目提升到会话开头注入层。
  • 可核对数字：宝可梦约 1 万步时 Sonnet 3.7 写 413 文件 / 225 文件夹拿 1 枚徽章，Fable 5 写 9 文件 / 2 文件夹加 global.md 拿 4 枚；Stainless 约 35 万文件语料上，dreaming 从 2 轮到 128 轮，25 题得分从 13% 到 48%。
  • 可证伪点是这些评测叙述与组件分工能否对照原文；不是「Claude 已经拥有人类式长期记忆」。

Anthropic 工程团队在 2026 年 11 月 6 日发布《The components of agent memory》。作者 Lance Martin 把问题说得很具体：agent 一边干活一边写日志，但跨会话要用的知识，不能指望权重自动改写，也不能只靠一次对话窗口。

博文给出的分工接近一种工程双轨：会话内把值得记住的事写成 memory notes；空闲时用「dreaming」对照原始 transcript 纠错、建索引式 wiki，并把少量条目提升到下一次会话开头注入。检验应落在 CL-Bench、宝可梦进度与 Stainless 问答分数这些命名评测，而不是落在「Claude 已经有人类海马体」的拟人说法。

[1]

硬事实（https://www.anthropic.com/research/components-of-agent-memory；Published Nov 6, 2026；访问于上海时区当日）：

  • 定义：agent 记忆是来自用户互动与任务、跨会话保留、之后可再读的上下文；明确排除权重更新、单次对话内学习，以及用摘要替换旧轮次的 compaction。
  • 参考：Letta 与 UC Berkeley 提出的 sleep-time compute；文中把空闲时整理记忆称作 dreaming。
  • CL-Bench 1.0：每题新开会话，但可读写持久 memory 目录。Claude Opus 5 首次「合上学习环」：多数条目含规则、如何确认该规则，以及对陷阱的警告。Opus 5.5 与 Sonnet 5.5 也合上环；有记忆时分数与 Opus 5 大致相当，但无记忆基线略高。
  • 宝可梦：约 1 万步时，Sonnet 3.7 写了 413 个记忆文件、跨 225 个文件夹，获 1 枚徽章；Fable 5 写 9 个文件、2 个文件夹加顶层 global.md，获 4 枚徽章。Opus 5.5 以小文件夹通关。
  • 引导：要求「只记失败」会削弱 Opus 5 / Opus 4.7 从记忆得到的增益。给 Sonnet 4.6 加上「答题前读记忆并显式检验假说」的提示，分数接近翻倍；Sonnet 5 在无此提示时有 9/10 次会先读记忆，Sonnet 4.6 不到一半。
  • dreaming 纠错：错误笔记把宝可梦中心放在 Mt. Moon 东侧，未纠正时多次掉下单向台阶并放弃；dreaming 对照 transcript 改笔记后，沿正确路径进入洞穴并抵达华蓝市。
  • Stainless 语料：约 35 万文件、约 4.2 亿 token；25 题评测。dreaming 从 2 个会话扩到 128 个，得分从 13% 升到 48%。wiki 加搜索从 54% 升到 61%（随 wiki 增长），仅搜索约 53%；仅 wiki 最高 48%；wiki 加搜索约每题省 2 万 token。
  • Harvey LAB / 并购材料：多文档问题 wiki 87% 对仅搜索 73%；部分任务无增益；有一例 wiki 体积超过原始文档。合同条款页：多 agent 共写共享表保留 41/57 条（72%）；每合同一 agent、逐字引用后 57/57（100%）。
  • Claude Code auto memory：只把 MEMORY.md 的前 200 行或 25 KB 注入会话。
[1]

证据强度：这是公司工程一手叙述，带命名评测与具体文件计数，不是第三方复现。宝可梦 413 对 9 的文件量、徽章数、Stainless 13%→48%、合同条款 72%→100%，都可以对照原文图注与段落复核。

可检验路径：打开博文核对 CL-Bench 学习环描述、宝可梦记忆目录对比、Mt. Moon 纠错路径，以及 Stainless / LAB 分数。若日后公开复现显示「只记失败」并不削弱增益，或 wiki 增益无法复现，应下调对 dreaming 必要性的外推。

钢人：把记忆写成「对未来需要什么的预测」，比堆日志更贴近长程任务失败模式。Fable 5 少写屏幕上每回合可读的状态、多写计划与已验证规则，比 Sonnet 3.7 的全量归档更省注意力。

[1]

最强钢人：空闲时对照 transcript 整理记忆，能把会话内误判（如错误地标）在下次行动前改掉；wiki 把分散文档链成可遍历地图，对跨文档问题有博文给出的分数差。

钢人风险：评测多为内部设定，样本路径有限（宝可梦对比常写「一次 run」）；Stainless 语料来自 Anthropic 收购的公司，外部无法直接复核。博文也承认：wiki 可能膨胀到比原文更大、注入层过长会降低遵守率、dreaming 需要算力且无法保证即时可用。海马体类比是修辞，不是神经科学主张。

「合上学习环」指记忆条目含可检验规则与来源，不是宣称模型已获得人类式情景记忆。

[1]

对做 agent 产品的团队，未来六个月可观察的是：公开基准是否出现可复现的 dreaming 对照；MEMORY.md 一类注入层是否仍被刻意压小；「只给目录、少给细则」是否继续优于固定写入规则。对读者，验收应是文件计数、徽章/分数与纠错前后路径差异，而不是「AI 已经会睡觉记东西」的口号。

[1]

这篇博文的检验对象应是：会话内重点笔记与空闲 dreaming 在 CL-Bench、宝可梦与 Stainless/LAB 叙述中的可核对差异（例如约 1 万步时 413 文件 / 1 徽章对 9 文件 / 4 徽章，dreaming 2→128 轮 13%→48%）；不是「Claude 已有人类海马体」。组件分工写清楚了，它是一份可核对的记忆系统设计笔记；对不上数字，它仍是一则带隐喻的工程故事。

【No.2】

[1]