刚刚，Anthropic公开Claude内部记忆架构设计 | 人人都是业务经理

Agent 能跨会话记住事情，不等于它真的拥有了可靠的长期记忆。真正困难的是：什么值得记住，错误记忆由谁修正，新会话应该优先看到什么，以及记忆维护本身要消耗多少上下文和算力。

Anthropic 最近公开了 Claude 内部记忆架构的设计思路。重点不是简单增加一个数据库，而是让在线记录和离线整理形成闭环：Agent 先记录经历，再由 Dreaming 过程回查原始记录、修正笔记、组织 Wiki，最后把最重点的索引注入下一次会话。

这套设计对开发者很有参考价值。记忆体系如果只会“越存越多”，最终会拖慢 Agent；如果只记失败，也会丢掉已积累证的成功积累。可靠记忆需要生命周期、证据链、分层访问和持续压缩。

Claude 的跨会话记忆可以拆成四层：

Dreaming 不是第五层存储，而是贯穿四层的维护引擎。它从原始 Transcript 中寻找证据，修正已有 Note，组织 Wiki 页面，再把高频且重点的内容压缩成顶层索引。

四层之间不是一次性搬运。新积累可能先写入笔记，经过多次使用和验证后上升到 Wiki；失效、重复或被证据推翻的内容则被下沉或删除。记忆因此拥有了生命周期，而不是一张永久增长的事实表。

需要特别区分四类概念：模型训练产生的权重变化、单次会话内的学习、为延长当前任务而做的上下文压缩，以及真正跨会话保存的记忆。它们解决的问题、成本和安全边界都不一样。

在 CL-Bench 1.0 的数据库任务中，Claude 每次都从新会话开始，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，再把已经确认的规则沉淀为下一次可用的积累。

Opus 5 的平均奖励从无记忆时的 0.564 补全到 0.828。真正带来跃迁的不是多存几条事实，而是保存了规则、验证依据和已知陷阱，形成了“执行、复盘、验证、沉淀”的学习循环。

宝可梦实验说明，记得多不等于记得好。约一万步运行后，Sonnet 3.7 写下 413 个文件，分布在 225 个文件夹中，却只拿到一枚徽章；Fable 5 只保留 10 个文件，却拿到四枚徽章。

位置、金钱这类每回合都能从屏幕读取的素材，不值得反复写入；策略、路线和验证过的规则，才是跨会话记忆的高价值内容。Sonnet 3.7 曾连续 17 步忙于增删记忆，完全没有推进游戏。

记忆目录会反过来影响 Agent：文件越多，检索和维护越耗步数，真正的任务空间越少。记忆不是免费资产，它需要预算，也需要垃圾回收策略。

一个直觉做法是规定“只记失败”。实验结果却显示，成功积累和已验证事实同样重点。只记录失败，会让 Opus 5 和 Opus 4.7 的记忆收益分别减少 0.234 和 0.150。

旧模型往往需要更多脚手架。Sonnet 4.6 加入记忆后平均奖励只有 0.364；明确要求它在答题前读取文件并验证猜想后，分数升至 0.641，接近无记忆基线的两倍。

因此，前沿模型更适合被告知“记忆为什么存在”，而不是被一套固定规则强行规定每次必须记什么。能力越强，越应该把显著性判断交给模型，同时让证据校验和权限边界留在体系层。

在线写入最危险的问题是：一次错误判断可能被后续会话反复继承。宝可梦月见山任务中，Claude 错把宝可梦中心记在山洞东侧，并据此写下“月见山已经完成”。错误笔记不断被后续会话信任，角色三次回到旧路线，最终没有抵达下一座城市。

Dreaming 会把笔记重新和原始 Transcript 对照，找到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，而原始记忆和无记忆两组都没有到达。

这个案例说明，记忆不是事实本身，而是可被原始积累校验的缓存。原始记录是证据锚点，笔记是压缩后的工作材料；两者必须保留可追溯关系。

Anthropic 使用 Stainless 的约 35 万个文件、4.2 亿 Token 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，只使用 Wiki 的得分从 13% 补全到 48%；Wiki 加搜索达到 61%，高于单独搜索的 53%，同时每题少消耗约 2 万 Token。