刚刚，Anthropic公开Claude内部记忆架构设计

Claude 的记忆，是一座四层金字塔

最底层是完整对话与任务记录，也就是可搜索的 transcripts；向上是 Claude 主动写下的 memory notes；再向上是 Wiki 等结构化知识表示；最顶层则是每次新会话自动注入的上下文。

Dreaming 不是第五层存储，而是贯穿四层的维护引擎。它回查原始记录，修正笔记，组织 Wiki，再把最重要的索引推向顶层。

四层之间也不是一次性搬运。新经验可以先落在笔记里，稳定知识经过多次使用后逐步上升，失效内容则被下推或删除。记忆因此有了生命周期。

这也划清了记忆边界：训练带来的权重变化、单次对话内的学习，以及为延长当前任务而做的上下文压缩，都不属于这里讨论的跨会话记忆。

记得更少，反而走得更远

架构解决了放在哪里，下一个问题是写什么。CL-Bench 1.0 的数据库任务中，Claude 每次都在新会话答题，只能读取跨会话保留的记忆目录。答错后，它可以记录失败、提出解释、验证解释，再沉淀为下次可用的规则。

Opus 5 的平均奖励从无记忆时的 0.564 提升到 0.828。真正的跃迁不是多存了几条事实，而是模型开始保存规则、验证依据和已知陷阱，自己闭合学习循环。

图 3｜多个 Claude 模型都能从记忆中获益，但形成完整学习循环的能力不同。

宝可梦实验进一步说明，记得多不等于记得好。约一万步时，Sonnet 3.7 写下 413 个文件、分布在 225 个文件夹中，只拿到一枚徽章；Fable 5 只保留 10 个文件，却拿到四枚徽章。

差别在于显著性判断。位置、金钱等每回合都能从屏幕看到的信息，不值得反复存档；策略、计划和验证过的规则，不写就会消失。Sonnet 3.7 曾连续 17 步忙于增删记忆，完全没有推进游戏。

目录膨胀会反过来拖慢 Agent，因为检索和维护都要消耗本可用于行动的步数。记忆不是免费资产，它本身也有成本。

图 4｜左侧记忆庞杂，右侧只保留目标、路线与玩法策略。

模型越强，越不需要死板规则

既然显著性如此重要，能否直接规定只记失败？实验结果恰好相反。只记失败让 Opus 5 和 Opus 4.7 的记忆收益分别减少 0.234 和 0.150，因为成功经验、已验证事实同样可能影响后续任务。

但旧模型仍需要脚手架。Sonnet 4.6 加入记忆后只有 0.364；明确要求答题前读取文件并验证猜想，分数升至 0.641，接近无记忆基线 0.330 的两倍。

因此，Anthropic 给前沿模型的策略是：告诉 Claude 记忆为什么存在，但不替它决定每一次该怎么记。

图 5｜精细提示能帮助旧模型，固定规则却会削弱更强模型的自主判断

Dreaming 用原始记录纠正错误记忆

在线写入仍可能出错。宝可梦的月见山任务中，Claude 错把宝可梦中心记在山洞东侧，又据此写下月见山已经完成。错误笔记不断被后续会话信任，角色三次跌回旧路线，最终未能抵达下一座城市。

图 7｜同一段游戏经历，修正后的记忆让 Claude 返回山洞而非继续前进。

Dreaming 介入后，Claude 将笔记与原始 transcript 对照，发现位置错误并改写记忆。使用修正笔记的运行在第 1935 个累计动作抵达 Cerulean City；原始记忆与无记忆两组都没有走到那里。

这次纠错没有依赖人工标注，而是让模型重新面对产生笔记时的证据。原始记录由此成为整个记忆系统的校验锚点。

这个案例揭示了整套架构的关键：记忆不是事实本身，而是可被原始经验校验的缓存。

图 8｜Memory plus dreaming 到达下一座城市，另外两组未能越过月见山。

128 轮离线整理，把文件堆变成知识地图

纠错之后，Dreaming 还能创造新的记忆表示。Anthropic 使用 Stainless 约 35 万个文件、4.2 亿 token 的内部语料，让 Opus 5 在 128 个会话中持续撰写、合并、修剪并互链 Wiki 页面。

在 25 道评测题上，只用 Wiki 的得分从 13% 提升到 48%；Wiki 加搜索从 54% 提升到 61%，高于单独搜索的 53%，同时每题少消耗约 2 万 token。Wiki 的价值不是取代搜索，而是先提供地图，再减少盲目搜索。

图 10｜从两次到 128 次会话，页面与链接持续增长，Wiki 加搜索的效果最好。

这种收益依赖任务结构。需要跨文档组合信息时，Wiki 得分 87%，单独搜索为 73%；答案集中在单篇文档时，优势不再明显。另一项任务中，Wiki 甚至膨胀到原始文档的 1.77 倍。

所以，知识地图必须压缩信息，而不是把语料换一种方式抄一遍。

最珍贵的顶层，只放一个小索引

整理好的知识如何进入下一次任务？Dreaming 可以把高频、重要的笔记提升到 injected context，由 harness 在新会话开始时自动加载，Claude 不必先意识到应该搜索什么。

顶层却不能无限扩张。注入内容会占用 token，错误也会被带入每次会话，过长指令还会降低遵循度。Claude Code 的 auto memory 因此只加载 MEMORY.md 的前 200 行或 25 KB，其余细节留在下层，按需读取。

顶层是目录，不是仓库；Dreaming 的工作之一，就是不断把细节下沉并留下链接。

图 13｜顶层自动注入，下层按需读取或搜索，形成不同成本的记忆访问路径

目标写对，记忆才会朝正确方向生长

记忆如何组织，还取决于它服务什么目标。法律合同任务中，多个 Agent 起初共同维护一张条款表，相互覆盖导致信息丢失，最终只保留 57 项关键事实中的 41 项，完成度为 72%。

图 14｜从共享表格改为每份合同独立建页后，57 项事实全部保留。

Claude 反思失败后改写了构建指令：每份合同由单个 Agent 独立建页，条款逐字保留。结果 57 项事实全部保留，简报评测标准满足率达到 100%。

第二轮 Dreaming 还能跨会话补洞：将九个指向不存在页面的链接改到已有页面，并新增三个页面。它不仅整理已有经验，也在修复经验之间的连接。

图 15｜第二轮整理修复九个断链，并增加索引等三个页面。

结语

Anthropic 这次给出的，不是一套万能记忆模板，而是一条清晰主线：经验先被记录，再被筛选、验证、连接，最后以最小上下文进入未来。

图 6｜记忆可靠性不来自一次写入，而来自原始记录与笔记之间的持续校验。

边界同样明确。在线记录会分散当前任务注意力，离线整理需要额外算力，记忆还会随环境变化而漂移。下一步需要继续平衡整理频率、更新成本与任务收益。

评估也不能只看存取是否成功，还要追踪旧记忆是否仍然正确、检索是否节省行动，以及整理开销能否换来持续收益。

对长期运行的 Agent 来说，真正重要的或许不是存下全部过去，而是持续把过去变成可靠、紧凑、可调用的未来上下文。

The components of agent memory
https://www.anthropic.com/research/components-of-agent-memory

JOTO 企业落地观察

• 企业部署智能体时，Claude 的四层记忆架构表明：跨会话记忆不能简单叠加向量数据库，而需设计分层生命周期管理机制——原始记录需长期保留作为校验锚点，中间层笔记需支持动态升降级，顶层注入必须严格限宽。这对企业级智能体的可观测性与可审计性提出新要求。
• 这类系统的取舍在于：Dreaming 引擎的离线整理能力虽强，但其128轮迭代式Wiki构建依赖大量高质量会话数据与计算资源。企业在构建自身RAG知识工程时，需权衡‘全自动Dreaming’与‘人工引导式知识蒸馏’的成本效益，尤其当领域知识更新频次低于整理周期时。
• 对AI安全治理而言，Claude将‘原始记录作为校验锚点’的设计，意味着企业若要复现该架构，必须确保transcripts层不可篡改、不可删除、不可压缩——这直接关联到日志留存合规性、审计追溯能力及记忆漂移风险控制，不能仅靠应用层加密或哈希。
• 在FDE驻场共创场景中，客户常要求Agent‘记住上次会议结论’，但Claude实验证明：错误记忆一旦注入顶层，会持续误导后续行动。因此FDE需协同客户定义‘显著性规则’（如仅保留签字确认条款、跳过口头闲聊），而非泛泛要求‘增强记忆能力’。