IT之家 11 月 7 日消息，Anthropic 于昨日（11 月 6 日）发布了一篇题为《The components of agent memory》的研究报告，详细剖析了 Claude 智能体如何在跨会话中实现记忆、筛选、纠正错误及知识整理。

该研究指出，AI 智能体可以借鉴人脑在睡眠中整理记忆的机制，在空闲时段回顾历史记录、修正错误并构建知识体系，从而显著改善长期任务的表现。

研究将智能体记忆划分为四个层次：会话日志、记忆笔记、知识表征（例如 Wiki）和注入上下文。同时引入了“做梦”（dreaming）机制，让模型在两次交互间的空闲期回顾日志、纠正错误、提炼规则并更新知识库。

研究团队认为，AI 可以像人脑在睡眠中巩固记忆那样，将即时经验逐步转化为可重复使用的长期知识。Claude 会在会话中标记重要事件或写入记忆笔记，但并非所有信息都需保留，它需要判断哪些内容在未来真正有用。

Anthropic 指出，记忆本质上是对未来的预测，例如保存一条已验证的规则，意味着模型预期未来会再次依赖它。

在持续学习基准 CL-Bench 的数据库问答任务中，具备记忆能力的 Claude 模型表现明显优于无记忆基线。Claude Opus 5.5 和 Sonnet 5.5 在使用记忆后，平均得分分别达到 0.838 和 0.833，而二者无记忆基线分别为 0.655 和 0.644。更强的模型能够自主形成“失败 — 反思 — 验证 — 总结规则”的学习闭环。

在《宝可梦红》游戏测试中，Anthropic 还发现“少而精”的记忆更有效。Claude Fable 5 仅维护 10 个记忆文件，却获得 4 枚徽章；而 Sonnet 3.7 写下 413 个文件，仅获得 1 枚徽章。研究认为，模型应优先保存策略、计划和经测试的规则，而非不断变化的屏幕状态。

“做梦”机制还展现出纠错能力。当 Claude 错误记录了宝可梦中心的位置并因此迷路时，系统通过比对原始会话记录修正记忆，让其最终成功抵达下一座城市；未修正记忆的运行则反复折返，未能完成目标。

在约 35 万份企业文档的测试中，Claude 通过多轮“做梦”逐步构建 Wiki。随着“做梦”规模从 2 次会话扩展到 128 次，25 个问题的达标率从 13% 提升至 48%；将 Wiki 与搜索工具结合后，综合得分从 54% 升至 61%。

Anthropic 表示，智能体记忆仍面临何时写入、如何保持更新、如何避免错误累积等挑战。未来 AI 或将更善于在完成任务后“回顾经验”，把零散交互转化为可迁移、可验证的长期知识。

IT之家附上参考地址

• The components of agent memory

相关阅读：

• 《告别知识截止日：谷歌让 AI 学会“睡觉”，边用边学还不忘旧知识》