Anthropic 发布研究称,AI 智能体跨会话记忆的核心难题不在于能存多少,而在于能否在当下判断哪些信息值得留存、哪些应当舍弃。该公司以 Claude 在《宝可梦红》游戏中的表现为例:旧版 Claude Sonnet 3.7 在约 1 万步游戏过程中创建了 413 个文件、分布在 225 个文件夹里,几乎为每场战斗和每个道具单独建档,结果大量笔记迅速过时,模型有时只顾整理笔记而忘了推进游戏,最终只拿到 一枚徽章。新版 Claude Fable 5 则把记忆压缩到少数几个文件,只记录经过验证的策略与规则,不重复屏幕上已可见的信息,最终获得 四枚徽章,进展约为前者的四倍。

Anthropic 指出,智能体在写下笔记的那一刻,并不知道未来什么信息会派上用场,因此每条笔记都是对未来的押注。全量存档看似保险,实则让模型被过时数据淹没。研究还发现,记忆指令的效果因模型能力而异:对较强模型而言,诸如“只记录错误”这类刚性指令反而抹掉了大部分优势;而较弱的旧模型则能从明确指令中受益,例如被要求每次回答前先读笔记。Anthropic 建议向 Claude 说明记忆的用途,让模型自行决定如何使用。

比存储策略更棘手的是错误笔记被盲目信任。为此,Anthropic 提出名为 “Dreaming” 的后处理流程,其思路借鉴了 Letta 与加州大学伯克利分校的研究。该流程在空闲时段让 Claude 回顾此前会话的记录,核对笔记与原始对话是否一致,并据此修正错误、构建结构化的知识库。在《宝可梦红》测试中,Claude 曾错误记下某地标在山脉的哪一侧,导致它三次掉进同一个陷阱、几乎放弃目标;经过一次 Dreaming 处理后,Claude 发现并纠正了该错误,才得以穿过月见山抵达华蓝市。

Dreaming 也被用于整理大规模知识库。Anthropic 称,Claude 曾基于其收购的软件公司 Stainless 约 35 万份内部文档构建了一个相互链接的 wiki,并在过程中修补缺口、去重和修复失效链接。当 wiki 与搜索结合使用时效果最佳,wiki 扮演补充而非替代角色。在另一项法律领域测试中,对于答案分散在多份文档中的问题,使用 wiki 的 Claude 得分 87%,仅用搜索时为 73%;对于简单查找任务,两者表现大致相当,wiki 的体量有时甚至超过源文档本身。

Anthropic 也坦承记忆机制仍有未解难题:任务中途记笔记会分散智能体注意力,Dreaming 消耗额外算力且结果存在延迟,wiki 和笔记需要定期维护,否则错误与幻觉会不断累积。该公司还警告不要自动将过多记忆加载到每次会话中,因为这会占用上下文窗口,并把错误笔记传递给未来每一次会话。上述测试均来自 Anthropic 自身。整体结论是,有用的智能体记忆更多取决于保留正确信息并在事后纠错,而非尽可能多地存储。

Dreaming 于 今年 5 月作为 Claude Managed Agents 的研究预览功能推出,该服务可读取现有记忆库及最多 100 个历史会话,删除重复与过时条目并生成重组后的记忆库,同时保留原始数据不变。发布之初,Dreaming 仅支持 Claude Opus 4.7 和 Sonnet 4.6。值得注意的是,OpenAI 也将其在 6 月 overhaul 后的 ChatGPT 记忆功能称为“Dreaming”,显示主要大模型厂商在智能体记忆方向上正形成某种命名与思路的趋同。