Claude记忆机制公开：AI靠“做梦”重放经历，学会通关宝可梦？

Claude背后那套独特的记忆机制，如今完整亮相了，核心就一句话——

做梦。

让模型趁着会话之间的空档，用闲置算力悄悄睡上一觉。在梦里，它会把过去的经历重新过一遍，把记错的地方纠正过来，再把零散信息梳理成能跨会话反复使用的知识。

还没学会做梦的老版本Claude，玩宝可梦能把自己玩到崩溃。连着三次从单向悬崖掉回原来的路，它干脆在执行记录里罢工了：

我还是停下来吧，省得一直原地打转。

学会做梦以后，它不光能滤掉无效干扰、轻松通关；啃完35万份复杂企业文档后，回答准确率更是直接涨到接近五成。

从前AI做题要思考，如今打个游戏还得先睡一觉？？

用离线计算沉淀长期知识

Claude做梦这套思路，的确是从人类记忆机制里取的经。

人睡觉时为什么要做梦？

神经科学的研究显示，白天海马体接收的是高密度的短期碎片记忆；

等到休息阶段，大脑会把白天的经历回放一遍，对零散事实做筛选、沉淀和结构化，一点点整合进大脑皮层，变成长期知识。

Anthropic把这种“即时记录加离线整理”的路子，搬进了Agent记忆系统。

现有Agent架构往往卡在两难里：

任务轮次一多，上下文窗口就膨胀，推理延迟和调用成本跟着猛涨；

可要是靠粗粒度的长文本摘要或向量检索（RAG），关键的技术细节又容易漏掉，逻辑链条被切得七零八落。

Anthropic的办法是引入空闲计算（Sleep-time compute），在用户离线或交互暂停时启动Dreaming流程。

这套架构把Agent记忆分成四个层级：

原始会话记录：底层真实日志，含交互输入、模型输出、工具调用参数与执行反馈；

记忆笔记：Agent执行任务时记下的局部经验要点；

记忆表示层：跨会话维护、结构化并带超链接的网状知识库；

注入上下文：新会话启动时预加载的高优先级索引信息。

交互暂停、系统空闲时，模型在后台启动Dreaming流程，调取原始会话记录，对笔记内容做交叉校验，改掉逻辑矛盾，再更新全局记忆表示。

之所以要离线整理记忆，是因为记录记忆的核心目的，是给后续任务提供有效的先验。

基础的记录方式，偏向于把详尽的操作流水账存下来；

在Anthropic眼里，真正管用的记忆，得能提炼出通用的操作规则、排错记录，还有可复用的决策链路，这样后续会话才能直接拿来用。

413份笔记不如10份核心规则

这套机制到底灵不灵，《宝可梦》被拉来当“主考官”。

像Sonnet 3.7这样的早期Claude，记起东西来事无巨细：打完一只野怪存个文件，捡到精灵球存个文件，路边NPC说了句废话也要单独存一份。

这么攒下来，它一共留下了413份记忆文件，分散在225个文件夹里，文本量接近98万字符。

维护负担因此变得很重。

接下来的17个操作步骤中，模型新建了6份文件，又删掉9份……

问题是，大部分算力都耗在整理笔记上，游戏里的角色愣是一步没动。

最后只拿到一枚道馆徽章，成绩相当惨淡。

换成更高级的模型（比如Claude Fable 5和后来的Opus系列），它们学会的头一件事就是断舍离。

金币多少、人在哪个坐标、血条剩多少？这些在游戏界面上一眼就能看清的显式信息，一律不记。整个系统只建了10份核心文件，包括9份分类模块和1个顶层global.md，合计4.3万字符。

抓大放小的策略换来了更高的推关效率：Claude操控的角色一路冲进道馆，连拿四枚徽章通关。

那新版本记的又是什么？

是界面上不会直接给出的策略知识。比如连丢7个精灵球都没抓到鲤鱼王，它就总结出规律：“连续3次捕捉失败，应调整按键等待间隔”。

CL-Bench 1.0数据库基准测试里，这套把“错误样本、归因分析、验证结果与最终规则”整合起来的机制，让Opus 5.5的平均得分从没有长期记忆时的0.655提高到0.838。

前面提到的月见山悬崖死循环，正好检验了做梦的纠错能力。

要是没有做梦机制，Claude拿着那份写着“Mt Moon DONE”却方向相反的错误笔记，只会不断强化错误认知，甚至给自己找借口说“我只是往西走过头了”，最后心态崩掉，原地罢工。

引入Dreaming之后，离线算力介入了。

模型带着审视的眼光重新翻看原始底层日志，对照真实坐标反馈，当场发现：“不对，我的笔记方位记反了！”

接着它在后台把那份有问题的路线笔记撕掉重写。

第二天醒来重新上线，掉头穿过山洞，一口气翻过悬崖直奔华蓝市。

结构化知识网络

单机游戏之外，离线做梦机制在处理大规模企业资料时，同样表现出结构化的优势。

Anthropic拿出了被其收购的软件公司Stainless的内部资料——

Anthropic用到了被其收购的软件公司Stainless的内部资料，约35万份文档、总计4.2亿Token。随后，Claude Opus 5被派去搭建企业知识库，另有25道高难度跨文档综合问题等着它作答。

两轮会话之间，模型一直在“做梦”，把零散内容串成一张带超链接网络的企业维基百科：

第2轮结束：生成103个页面、766条关联链接；

到第128轮，页面已增至222个高聚合页面，链接达12893条。

测试数据显示，只靠这张知识网络作答，得分从初期的13%提升至48%；

知识网络再加上原始文档检索，整体得分从纯检索的53%提升至61%；

资源消耗上，用了这套组合方案后，平均每道题少消耗约2万个Token。

需要跨文档整合信息时，Wiki的优势更突出。

并购材料分析这类跨文档多跳推理任务中，靠结构化知识网络作答的准确率为87%，单独依赖文档检索则是73%。

不过，研究团队也提到知识抽象可能带来冗余和信息丢失。

一次测试中，原始输入只有115KB，Claude生成的知识文件却有203KB，是原始文档的1.77倍，摘要反倒失去了压缩的意义。

还有一次，多个Agent协同编辑共享合同表格，由于缺乏并发控制，各智能体互相覆盖内容，原有57项关键事实丢了16项。

研究人员接着让Claude分析失败原因，并调整知识库构建指令。

改法是：每份合同交给独立Agent整理，合同条款尽量保留原文，不再让多个Agent共同修改同一份汇总表。

Wiki重新构建后，生成的法律简报满足了全部57项评分标准。

Dreaming还能修复知识库里的失效链接。

有一次，Claude发现9条链接指向一个并不存在的Wiki页面。

重新检查后，它把这些链接改为指向已存在的正确页面，同时新增3个页面，包括索引和说明文档。

补充知识、纠正错误、维护页面之间的关系，这些事Dreaming都能参与。

但这些操作同样要消耗计算资源，整理出的Wiki越复杂，后续维护的工作量也越大。

记忆还得控制体积

知识库可以不断扩展，可能进入Claude上下文的信息却不能无限增加。

Anthropic在文章中专门提到了Claude Code的自动记忆设计。

新会话启动时，系统并不会把整个自动记忆目录全部载入。它只读取 MEMORY.md 文件开头的 200 行，或者最多 25KB 的内容。

这段内容充当索引，让 Claude 先弄清楚自己存过哪些信息、对应的文件放在哪里。

等到确实需要细节，它才会去读取或检索更下层的记忆。

那些用得频繁、后续任务常要用到的内容，可以往上提，放到更容易取到的位置。

不必每次直接加载的细节则继续留在下层，只保留相关索引即可。

话说回来，Dreaming 本身也要消耗算力。

如果前台一边干活一边记录太多东西，任务推进就会受影响；可要是全丢给后台整理，一些重要信息又可能赶不上下一次操作。

另外，历史记录会随着环境变化慢慢过时。比如代码库已经重构过，原先的操作规则可能就不适用了。

所以，记忆什么时候建、隔多久查一次、哪些内容值得长期留着，都得按任务场景来调。

Anthropic 眼下也没拿出一套能通用于所有任务的标准化做梦节奏。