智能体记忆的另一半是离线「做梦」，不是更多便签

Anthropic 工程博文以齐克果「向前生活、向后理解」起笔，底下的产品判断很具体。Claude 可以一边干活一边写笔记，但真正要紧的，往往是会话空闲后对照原始记录改过的那些笔记。 实验室把这一步叫「做梦」，承接 Letta 与加州大学伯克利「睡眠时算力」的思路。当场标记显著性是必要的。它不够，因为一条写错或过期的笔记，会被之后每一次会话当真。

实际发布了什么

文中把智能体记忆定义为：Claude 从经验（含用户交互与任务）获得、跨会话保留、可再读的上下文。它不包括改权重、单次对话内学习，也不包括用摘要替换旧轮次的压缩。

在 Continual Learning Bench（CL-Bench）1.0 上，Claude 在新会话里答数据库题，随后看到评分器正确答案，并可写记忆供后题使用。Sonnet 4.6 留下未验证猜测。Opus 4.7 开始合并参考并标记未确认事实。Sonnet 5 与 Opus 5 闭合回路，写下已验证规则与陷阱警告。Opus 5.5 与 Sonnet 5.5 在有记忆时与 Opus 5 大致持平，无记忆基线略高。

宝可梦红考察「该记什么」。Sonnet 3.7 几乎什么都存（225 个文件夹共 413 个文件），约 1 万步时只拿到 1 枚徽章，还把回合花在改「总控」笔记上。Fable 5 只留 9 个文件加 global.md，拿到 4 枚徽章，记的是屏幕不会每回合重印的策略。Opus 5.5 用小文件夹跟踪目标与下一步并通关。

引导实验反对把记忆规则写死。只说「有记忆文件夹」就够帮更强模型。强制「只记失败」大幅削弱 Opus 5 与 Opus 4.7 的记忆增益。较旧的 Sonnet 4.6 在被要求先读记忆并检验假说后分数近乎翻倍；Sonnet 5 无需提示也有 9／10 次先读记忆。

做梦是离线半边。一次 Managed Agents 宝可梦局里，Claude 误写日月山宝可梦中心在东侧，宣布山洞已完成，走过单向台阶后循环。做梦对照会话记录改正地标后，Claude 重新进洞并朝华蓝市前进。未纠正与无记忆的回合都没翻过山。

做梦也建 wiki：在约 35 万份 Stainless 内部文件（约 4.2 亿 token）上，128 轮协调会话把 25 题评分标准从 13% 拉到 48%。搜索加 wiki 随 wiki 变厚从 54% 到 61%，单搜索约 53%；仅 wiki 最高 48%，每题约省 2 万 token。Harvey LAB 并购多文档题上，wiki 87%、搜索 73%。另一 LAB 任务里，多代理共写一张合同表只保住 41／57 条评分事实；反思回路改指令为「每合同单代理、逐字引用」后 57／57。第二轮做梦还修了悬空链接并加索引。

做梦可把笔记提升到每会话预加载层。Claude Code 自动记忆只加载 MEMORY.md 前 200 行或 25 KB 作索引。错误注入笔记浪费每会话 token，过长说明还会降低遵从。

台面上的证据

主要数字来自 Anthropic 自跑的 Managed Agents：CL-Bench 模型阶梯、宝可梦文件夹与徽章、日月山纠正对照、Stainless wiki 缩放（2→128 轮）、LAB 多文档与合同事实计数，以及 MEMORY.md 上限。睡眠时算力概念引自 Letta／伯克利。文中无独立第三方复现。

钢人与缺口

钢人。 当场记笔记本质是预测未来需求，而环境状态会过期。对照会话记录的离线回放是自然的第二阶段，类似海马回放到皮层。宝可梦与 CL-Bench 阶梯让「显著性」可测，而不只是比喻。

缺口：主评测均由 Anthropic 自跑。做梦要算力与会话记录；节奏与重检范围仍开放。Wiki 可能胀到超过原文（博尔赫斯地图问题），或在答案本就在单文档可搜时帮助有限。若做梦失败，注入记忆会污染每一次会话。此处「做梦」是工程化的空闲算力，不是生物睡眠。

谁该在意，下一步看什么

智能体平台与编排团队应把记忆做成两阶段：会话内写入规则，加定时纠正／压缩任务。评测设计应在状态变化下打记忆质量，而不只看召回条数。只发「持久记忆文件夹」、不做离线审计的产品，应预期日月山式的静默失败。

未来六个月看：公开 Claude 产品是否暴露做梦日程；CL-Bench 式记忆回路是否出现在 Anthropic 之外；随模型更善按需搜索，MEMORY.md 式注入预算是否继续收紧。

收束

这篇博文耐看的句子不是「智能体需要更多便利贴」。而是：离线做梦的工作，是纠正并压缩会话内显著性写错或写乱的部分，免得那些草稿成为之后每一次会话的先验。 六个月后，要么智能体栈公开带会话核对的「睡眠」通道，要么「记忆」产品继续放大第一稿笔记。