11 月 7 日，"Claude AI 做梦更聪明"冲上热榜。前一天（美东时间 11 月 6 日），Anthropic 在官网发布研究文章《The components of agent memory》，首次系统拆解 Claude 智能体如何跨会话记忆、筛选、纠错和整理知识。这里说的"做梦"不是比喻玄学，也不是模型在后台训练自己，而是智能体在两次任务的空闲时段，回头翻看自己此前的会话记录，对照原始日志纠正错误笔记、删除过时内容、提炼规则并重搭知识结构。Anthropic 公布的核心实验数字是：把"做梦"从 2 轮增加到 128 轮，25 道测试题的达标率从 13% 提升到 48%。IT之家知乎
不过，论文里的另一组数字同样重要：在一个任务中，整理出来的 wiki 知识库长得比原始文件本身还大；在另一批任务里，"做梦"整理出的记忆对成绩几乎没有帮助。换句话说，这篇研究真正的主题不是"AI 学会做梦"这个噱头，而是一套关于智能体记忆该记什么、错了怎么改的工程答案。Anthropic
"做梦"的机制：先判断记什么，再趁空闲改错
会话进行中，Claude 会在日志里标记它认为重要的事，并随手写下记忆笔记；等到两次交互之间空下来，再用闲置的算力重新整理这些上下文。Anthropic 把整个体系搭成四层，自下而上依次是可检索的会话日志、Claude 自己写的记忆笔记、由前两层加工出的知识表征（比如互相链接的 wiki），以及每次新会话一开始就直接注入上下文的少量精华笔记。这套分工借鉴的是人脑的记忆巩固：海马体即时捕捉经历，只有一部分会在睡眠中被"重放"进新皮层；论文同时把概念源头标注给了 Letta 与加州大学伯克利分校提出的"睡眠时计算"（sleep-time compute）研究。知乎IT之家Anthropic
实测数字：纠错和跨文档整合是收益最大的地方
收益最直观的实验发生在 Stainless——Anthropic 今年 5 月收购的软件公司——的内部文档库上：约 35 万份文件、大约 4.2 亿 token，配一套 25 题的评测集。让 Opus 5 智能体反复"做梦"写 wiki、合并重复内容、对照源文件核查论断，"做梦"规模从 2 次会话扩展到 128 次后，25 题达标率从 13% 升至 48%，把 wiki 与搜索工具结合后综合得分又从 54% 提到 61%。在一组并购文档的 24 个法律问题上，一半以上题目需要跨多份文档拼信息，Claude 查整理好的 wiki 得分 87%，只用文件搜索是 73%。AnthropicIT之家知乎
游戏测试给出的结论更反直觉。玩《宝可梦 红》时，早期模型 Sonnet 3.7 觉得什么都值得存，在 225 个文件夹里写了 413 个记忆文件，结果大量记录随游戏进程过时，它花在翻检记忆上的时间越来越多，最终只拿到 1 枚徽章。而 Fable 5 只在两个文件夹里写 9 个文件、外加一份全局笔记，拿到 4 枚徽章。另一个案例里，Claude 记错了月见山出口的方向、反复摔回原路，对这份错误记忆跑一轮"做梦"后，它对照会话日志发现了错处并改写笔记，随后顺利抵达下一座城市。Anthropic知乎
Anthropic 还试过给模型定规矩：当"做梦"被要求只记录失败时，强模型从记忆中获得的收益反而被砍掉大半。论文的结论是，对前沿模型，交给它自主判断什么值得记，比预先设规则更有效，固定规则甚至可能削弱表现。相反，明确的行为引导只对较弱模型帮助明显：被提示"作答前先读取记忆、再验证假设"后，Sonnet 4.6 在基准上的得分几乎翻倍。知乎Anthropic
论文自己先写了"做梦"帮不上的地方
这篇研究没有只报喜。在一项法律简报任务中，评分项大多能从单份文档直接搜到，"做梦"整理出的 wiki 与纯搜索相比没有明显性能提升；在另一项任务里，Claude 做出了一个极其详尽、实际上什么都没抽象出来的 wiki。成本账也没有被回避："做梦"要消耗算力，Anthropic 承认让模型持续核查所有记忆并不现实，更可行的思路是把"做梦"聚焦在容易过时的信息上，或按记忆被访问的频率调校节奏。注入上下文的顶层笔记同样必须克制——Claude Code 的自动记忆只加载 MEMORY.md 的前 200 行或前 25 KB，其余内容留在下层、靠链接索引。知乎Anthropic
围绕这项研究的落地争议也在同步发酵。知乎相关讨论下，有工程师把这套机制理解为"用后台空闲算力提前预计算，换取线上推理的低延迟低成本"，并认为命门在于预测用户后续需求的准确性，更适合固定长上下文、大概率有追问的场景。这属于社区解读而非论文表述——论文谈的是整理已发生的记忆，而不是预测下一个问题，两种说法的收益边界并不相同。知乎
从产品功能到一篇论文
"做梦"并非第一次出现在公众视野。今年 5 月的 CodewithClaude 旧金山开发者大会上，Anthropic 就为托管智能体发布了 Dreaming（记忆重组）、Outcomes（自动评分）与多智能体编排三件套，法律 AI 公司 Harvey 使用后任务完成率提升约 6 倍。那次发布只有功能名和客户数据，缺一份技术说明。这次的不同在于，Anthropic 把架构、评测方法、失败案例连同尚未解决的问题一起摊开，并附上了 cookbook 供开发者上手实验"做梦"与知识 wiki。微博
对普通用户，能感知的变化是长任务里那个反复"失忆"、把说过的事当新问题的助手，开始有了会在后台自我复盘的版本；对正在构建智能体的开发者，这篇论文给出的信号更明确：下一阶段记忆系统比拼的不是往上下文里塞多少，而是先决定什么值得记住。
