技术解读基于 Anthropic Engineering 研究文 The components of agent memory（2026-11-06）。
克尔凯郭尔说：人生只能向后理解，却必须向前活。Anthropic 工程团队在给 AI Agent 设计记忆时，也撞上类似悖论——经验要在当下捕获，但真正有用的长期知识，往往要在事后整理才站得住。这篇研究文把 Agent Memory 拆成几块可工程化的组件：会话内记笔记、显著性（salience）判断，以及用空闲算力回放日志的 dreaming（sleep-time compute）。下面按机制、评测与开放问题重组，给做 Agent / Context Engineering 的读者。
1. 先划清边界：什么叫 Agent Memory
文中对「agent memory」的定义很窄、也很好用：
- 包含：模型从经验（用户交互、任务过程）中获得、并能跨会话保留、之后作为可读上下文再用的知识（例如记忆目录里的笔记文件）。
- 排除：权重更新；单会话内的 in-context learning；compaction（用摘要替换旧轮次、在新窗口里继续干活）。
也就是说，这里的 memory 不是「再训一遍」，也不是「同一条对话里临时记住了什么」，而是经验知识的跨会话持久化。
2. 两条流水线：在线记笔记 vs Dreaming
人类侧的类比是：海马体在线快速编码，离线（睡眠/安静休息）再回放、蒸馏并写入新皮层。工程上不必执着于生物学隐喻，可直接看成两条互补流水线：
- 在线（Online session notes）：会话日志 / transcript 不断产生；模型对「当下显著」的事件打标签，或立刻写成 memory notes。
- Dreaming（sleep-time compute）：交互空闲时，用算力回放日志——纠错、新建表示（如 wiki）、把重要内容提升到更高记忆层级、或按目标塑形记忆。
Letta 与 UC Berkeley 提出的 sleep-time compute，正是「用空闲时间重组已有上下文」；Anthropic 把它落到 Agent 记忆整理上，并称这一过程为 dreaming。
在线记笔记的好处是：显著细节立刻可用；代价是分心占用主任务注意力，且「此刻觉得重要」未必等于「未来真的需要」。Dreaming 把整理推到后台，但产出未必马上进入当前会话。两条路径不是二选一，而是分工。
3. Memory 本质是「对未来需要什么」的预测
写下一则规则，等于预测：未来会话还会用到它。写下一则已验证事实，等于预测：未来 Agent 可以信任它、不必再核对一遍。随着模型变强，这类预测质量明显上升——CL-Bench 上的学习闭环把这一点量化得很清楚。
CL-Bench：错 → 假说 → 验证 → 规则
Continual Learning Bench（CL-Bench）1.0 衡量 Agent 能否用 memory 扛住长程任务。文中举例：一系列要查库作答的问题；答完后告知正确答案，并允许写入 memory 以利后续题。评测里，每道题开新会话，唯一例外是可从跨会话持久的 memory 目录取文件。
理想闭环是：答错 → 记录失败 → 提出假说 → 测试假说 → 沉淀为「如何答未来题」的已验证规则。不同模型成熟度差很大（原文结论，按原文模型名）：
| 阶段 | 模型（原文） | 记忆侧表现 |
|---|---|---|
| 停在假说 | Claude Sonnet 4.6 | 目录里散落文件，多是未验证猜测 |
| 开始整理 | Claude Opus 4.7 | 合并成单一参考文档，区分已核对 / 未确认 |
| 标记对错 | Claude Sonnet 5 | 经 grader 确认后标记；答错则写修正 |
| 闭合环路 | Claude Opus 5 | 多数条目含规则、如何得知为真、历史答案、陷阱警告 |
| 同样闭合 | Claude Opus 5.5、Claude Sonnet 5.5 | 有 memory 时分数与 Opus 5 大致相当；无 memory 基线略高 |
要点不在「多写几份笔记」，而在能否把反馈变成可复用的已验证规则，并跨会话读到它。
4. 显著性判断：Pokémon 里「滥记」vs「精记」
在线笔记质量，取决于模型能否在不知道「后面会发生什么」时，判断什么值得记。团队用 Pokémon Red（长程导航与决策）做显著性压力测试：开局给可读写 memory 文件夹，对比约 1 万步时的记忆目录。
- Claude Sonnet 3.7：假定「什么都可能有用」，滥记——约 413 个文件 / 225 个文件夹，只拿到 1 枚徽章。问题不只是体积：游戏状态持续变化，细账很快过期；到第 1 万步附近，它甚至开出第四套「master」记忆，17 步内新建 6 个文件、删除 9 个，却一步游戏动作都没做——在「整理记忆」上自我消耗。
- Claude Fable 5：约 9 个文件 / 2 个文件夹，加顶层
global.md，拿到 4 枚徽章。它记的是游戏不显式给出、只能推理出来的东西：策略、计划、试出来的规则。例如连续 7 个球都抓不住 Magikarp 后，写下「若 3+ 球连续失败，改变按键时机（菜单步骤间多插 wait）——一改就中」。金钱、地图位置等屏幕每回合都能读的状态，不必入库。
global.md 像仪表盘：当前目标、道馆预案、自己的 memory 使用规则；locations 存路线计划，gameplay 存机制心得。更小的记忆文件夹，反而走得更远。 Opus 5.5 类似：小目录跟踪目标与下一步，边玩边改写，并通关。
工程直觉：好 memory 不是录像带，而是不可从当前观测直接读出、却会影响未来决策的压缩知识。
5. 如何引导写 Memory：说「用途」，别规定「怎么写」
CL-Bench 上，仅告知「有 memory 文件夹可用」这类笼统指引，就足以让 Opus 4.7、Opus 5 有效用 memory，并带来明显增益。
再测「每条实验一条硬规则」时：若规定「只记录失败」，Opus 5 与 Opus 4.7 从 memory 拿到的增益大幅缩水——对强模型，预置过窄规则会削弱它们自己的显著性判断。
弱/旧模型则需要更具体提示：Sonnet 4.6 常不读 memory，也不测假说；提示「答题前先读 memory，并显式测试理论」后，分数近乎翻倍。Sonnet 5 则无需催促，10 次里约 9 次会先读 memory（Sonnet 4.6 不到一半）。
对前沿 Claude，团队倾向简单指引：人要求时、或明显值得记时再写——判断留给模型。
6. Dreaming 的四类（加一类）作用
会话内笔记可能一开始就错，或环境变了之后漂移；后续会话却可能信任它。Dreaming 用原始 transcript 当 ground truth，回放并改写笔记。
6.1 纠错（Pokémon Mt. Moon）
Mt. Moon 西进东出，入口附近有单向悬崖陷阱。Claude 以入口旁 PokéCenter 为地标，却曾错记「PokéCenter 在东侧」，走出后写「Mt Moon DONE」，随即掉回来路。Dreaming 对照 transcript 改掉坐标后，它回到洞口继续，最终到 Cerulean City；未纠错或无 memory 的 run 则反复掉崖，甚至放弃式绕回 Pewter。
6.2 建表示：Wiki 与 Stainless 语料
Dreaming 可增量维护 wiki（主题页 + 页间链接），给检索提供「地图」。用收购的 Stainless 内部语料（约 35 万文件、约 4.2 亿 tokens）+ 25 题评测：仅 search 探索，再指令 Opus 5 经 dreaming 建 wiki；dreaming 从 2 轮扩到 128 轮，25 题 graded criteria 从约 13% → 48%。早期像新员工，多梦几轮后知识图变密。
Wiki + Search 优于单用：wiki 随规模增长，search+wiki 综合分约 54% → 61%；仅 search 约 53%；仅 wiki 最佳约 48%。二者并用约每题省 2 万 tokens。Harvey LAB / 并购文档上也显示：跨文档综合与判断题，wiki 常带来增益（文中并购问答 wiki 约 87% vs 仅 search 约 73%）；若标准答案多在单文档可检索命中，wiki 增益不明显；若 wiki 膨胀到比原文还大，则抽象失败（博尔赫斯式「与帝国同大的地图」）。
6.3 提升记忆层级（注入每会话上下文）
Dreaming 可把笔记「上浮」到层级顶端，由 harness 预注入每会话上下文——无需先知道「该搜什么」。但注入吃 token，错注会污染每一局；长指令还会降低遵循度。故顶层必须保持小；dreaming 大量工作其实是下沉细节、留下链接。Claude Code auto memory 同理：不把全部 auto memory 塞进窗口，只加载 MEMORY.md 前约 200 行或 25KB 作索引。
6.4 按目标塑形 + 补缺口
Dreaming 指令可按任务目标塑形。LAB 收购任务中，未强调合同条款时，多 Agent 共写一张条款表会互相覆盖，brief 仅覆盖 41/57 条款事实（约 72%）；经「反思失败 → 改指令 → 重建 wiki」后，改为一合同一页、单 Agent、逐字引用，覆盖升至 57/57（100%）。
另：会话内笔记视野窄；dreaming 可跨多会话找模式。二次 dreaming 曾把九条指向缺失页的链接改指已有页，并补三页（含索引）。
7. 仍开放的问题
- 何时记：在线记立刻可用但分心；dreaming 不抢主任务但延迟可用。
- 如何保鲜：错误预测、环境漂移；dreaming 可修但耗算力——不宜全量常扫，宜聚焦易变信息或按访问频率调节奏。
- Transcript search vs 表示：search 可做底座；wiki 等表示 + search 有时更强，但表示要持续维护，防错误与幻觉堆积。
模型对显著性已进步，却仍无法真正预知未来轮次。Dreaming 提供「向后看」的算力窗口：整理、纠错、维护表示，让未来会话更容易拿到该拿的东西。记忆系统会随模型能力继续演化——「怎么设计 Claude 的 memory」本身仍是开放研究。
—
信源
- Anthropic Engineering，《The components of agent memory》，Published Nov 6, 2026。作者 Lance Martin 等。文中评测涉及 CL-Bench、Pokémon、Stainless 语料、Harvey LAB 等，模型名与分数均按原文。
配图为据原文机制生成的技术示意图（非官方截图），仅供排版参考。
