索伦·克尔凯郭尔曾言：“生命只能向后理解，但必须向前生活。”在为AI智能体设计记忆系统时，我们面临着类似的困境。
人类通过海马体捕捉当下体验，并在睡眠等离线状态下重放这些体验，将其巩固为新皮层中的长期知识。受此启发，智能体记忆也可采用类似的分工模式：Letta与加州大学伯克利分校研究人员提出的“睡眠计算”概念，即利用交互间的空闲时间重新组织上下文。这一过程被称为“做梦”，它能帮助智能体通过反思日志来纠正错误、生成新笔记，从而优化记忆结构。
本文旨在分享我们对智能体记忆的探索，特别是“做梦”机制如何帮助Claude获得更有效的记忆，以及各组件对记忆组织的贡献。
记忆笔记：对未来需求的预测
所谓“智能体记忆”，指Claude从经验（如用户交互、分配任务）中获取并跨会话保留的知识，保存为后续可读的上下文。它不同于模型权重调整、单次对话内的上下文学习或用于压缩上下文的摘要。
在人脑中，化学信号会将重要记忆标记为优先重放。同理，Claude可在会话中标记显著事件，写入如“记忆笔记文件夹”的存储中。然而，在未知未来的情况下，如何判断当下的显著性？
记忆本质上是对未来需求的预测。记录一条规则，意味着智能体预测该模式将在未来再次相关。随着迭代，Claude在此类预测上愈发精准。
在Continual Learning Bench (CL-Bench) 1.0基准测试中，Claude需通过数据库查找信息回答问题。答错后，它会记录失败、提出理论、测试并转化为规则。不同模型表现各异：
- Claude Sonnet 4.6能生成错误理论，但记忆文件分散且未经测试；
- Claude Opus 4.7将笔记整理为单一文档，标记已确认与未确认事实；
- Claude Sonnet 5在评分器检查后标记答案，并在错误时编写更正；
- Claude Opus 5首个形成闭环，其条目包含规则、验证依据及对陷阱的警告。
Claude Opus 5.5和Sonnet 5.5同样形成了闭环，利用记忆捕获已验证规则。尽管无记忆基线性能略高，但借助记忆，它们的得分与Opus 5相当。
Claude已学会判断显著性
我们通过《宝可梦红》游戏评估Claude对“什么值得记忆”的判断力。游戏挑战复杂的长周期导航，模型需在运行中读写记忆文件夹。
对比Claude Sonnet 3.7与Claude Fable 5各运行约10,000步后的结果，差异显著：
- Sonnet 3.7假设一切皆相关，不加选择地记录每场战斗、每件物品，最终在225个文件夹中生成413个文件，仅获一枚徽章。由于游戏状态不断变化，其详细记录迅速过时，导致后期大量资源耗费在浏览记忆而非玩游戏上。
- Fable 5仅生成9个文件及一个
global.md顶级文件，获得四枚徽章。它仅记录游戏未明确告知的信息（如策略、计划），而忽略每回合可读取的状态（如金钱、位置）。
Fable 5的global.md充当仪表板，保存目标与计划；locations文件夹保存导航计划；gameplay文件夹保存策略。例如，在连续多次捕捉失败后，它记录下“改变时机”的有效策略。凭借精简的记忆，Fable 5进展远超Sonnet 3.7。Opus 5.5采取类似方法，最终击败了游戏。
引导策略：自主判断优于硬性规则
实验发现，告知Claude记忆的用途但不规定具体用法效果更佳。在CL-Bench中，仅提示“有记忆文件夹可用”，便使Opus 4.7和Opus 5性能显著提升。
相比之下，设定硬性规则（如“仅记录失败”）反而削弱了强模型的性能，使其失去大部分记忆带来的提升。对于较弱模型（如Sonnet 4.6），明确提示“回答前读取记忆并测试理论”可使其基准分数翻倍；而Sonnet 5则能自动执行此操作。
对于前沿Claude模型，最佳实践是提供简单指导，将显著性判断权留给模型自身。
“做梦”纠正记忆偏差
基于会话中即时判断写入的记忆可能存在错误或漂移。“做梦”允许Claude对照原始转录文件验证笔记。
在《宝可梦红》月见山关卡中，Claude曾错误记录宝可梦中心位置，导致反复陷入单向平台陷阱。在未纠正的运行中，它三次掉落并试图放弃。而在引入“做梦”机制后，Claude对照转录文件发现并修正了位置错误，随后顺利通关。
“做梦”构建新的记忆表征
通过“做梦”，Claude可构建如wiki般的记忆表征，即一组链接到其他笔记的页面集合，形成知识地图。
在使用Stainless内部文档语料库（约35万文件）的测试中，随着“做梦”会话从2次增至128次，Claude在25个问题上的性能从13%提升至48%。结合搜索工具与wiki，综合得分从54%升至61%，且每题节省约20,000个令牌。
在Harvey LAB法律简报基准测试中，对于需跨文档整合信息的并购问题，查阅wiki的得分（87%）显著高于仅使用搜索（73%）。但在仅需单文档检索的任务中，wiki优势不明显，甚至可能因过度详细而变得冗余。
“做梦”优化记忆层级与焦点
“做梦”可将关键笔记提升至记忆层级顶部，作为上下文注入新会话。为避免消耗过多令牌，顶层记忆需保持精简。Claude Code仅加载MEMORY.md的前200行或25 KB作为索引，其余细节置于下层并通过链接访问。
此外，“做梦”可使记忆聚焦特定目标。在LAB基准测试中，初始生成的wiki因共享表总结不佳，仅覆盖72%的合同条款事实。经“做梦”循环反思后，Claude重写指令，为每个合同创建独立页面并逐字引用，使事实覆盖率提升至100%。
“做梦”还能填补会话留下的空白。在构建wiki时，第二轮“做梦”发现了缺失页面链接，将其重新指向现有文档或新增索引页，完善了知识结构。
结语：向后思考，向前生活
智能体记忆系统设计仍面临诸多挑战：何时创建记忆？如何保持更新？虽然实时记录能捕获显著性，但会分散注意力；“做梦”虽将记忆创建推至后台，却需消耗计算资源。
将转录搜索作为基础，结合wiki等表征，是当前有效的路径。但维护表征需防止错误积累。“做梦”赋予了Claude“向后看”的机会，利用算力组织记忆、纠正错误并维护高效的知识地图。随着模型能力演进，记忆系统的设计也将持续迭代。