Agent 下一场竞赛，不是更大的上下文窗口，而是会不会“做梦”。

Anthropic 工程博客《The components of agent memory》把这件事说透了：会话里先写笔记抓住显著性，空闲时用 dreaming 回看 transcript，纠正错笔记、搭 wiki 式记忆，再把少数笔记抬到每会话预加载层。模型越强，越像人——边干边记，睡一觉再整理。

【会话里写笔记，空闲时做梦】

记忆不是把聊天记录塞回上下文。Anthropic 的定义很干净：跨会话保留的经验知识；不含改权重、单轮 in-context，也不含 compaction。

Pokémon 实验把“记什么”撕开了。Sonnet 3.7 约一万步时写了 413 个文件、225 个文件夹，却只拿 1 枚徽章——把能从屏幕读到的金钱、坐标也记进文件夹，状态一变全过期，后半段在整理记忆，不在打游戏。Fable 5 只留 9 个文件加一份 global.md，拿了 4 枚徽章：记策略、路线计划和已验证规则——游戏不告诉你的东西。

更扎心的是 Mt. Moon：Claude 把宝可梦中心记错成东侧，信了自己的笔记，三次掉下单向台阶。跑一轮 dreaming，对照 transcript 改掉错误位置，它才会重新进洞、走到华蓝市。

错误记忆比没有记忆更危险。它会被下一会话当真。

【告诉它“记什么用”，别规定“怎么写”】

CL-Bench 上，只说“有记忆文件夹可用”，Opus 就能建立学习闭环：错题、假说、验证、写成规则。一旦硬性规定“只记失败”，Opus 5 和 Opus 4.7 从记忆里拿到的增益反而大幅缩水。

Claude Code 的 auto memory 也走同一条路：只注入 MEMORY.md 前 200 行或 25KB，当索引，不当百科全书。注入层太长，遵守率会掉——官方文档也提醒过，指令文件越长，遵守越差。

这和许多团队给 Agent 写死“必须记这七类字段”的习惯正好相反。强模型需要的是目的，不是表格模板。弱模型才要手把手教读记忆、测假说；到了前沿模型，规定写法往往会把增益抹掉。

【记忆层，正在变成新的产品面】

Stainless 约 35 万文件、约 4.2 亿 token 的内部语料上，dreaming 从 2 轮拉到 128 轮，问答 graded criteria 从约 13% 升到 48%。wiki 加搜索，比单用搜索更省，大约每题少 2 万 token。跨文档综合题上，wiki 约 87%，单用搜索约 73%；单文档能搜到的任务，wiki 优势就不明显——地图画得比帝国还大，也就抽象失败了。

同日对照也很齐：斯坦福相关团队的 Memorilla 只用 16 个 memory tokens，FactKG 84.33% 对全上下文 80.43%，表示源文档大约少 108 倍 token；开源侧 pipeshub 一类“上下文层”也在把权限感知检索做成 Agent 的底座。路线不同，问题同一句——别再把“更长窗口”当唯一解。

锐一点说：下一轮 Agent 产品差异，会从“能不能调工具”转向“空闲算力花在整理记忆上了没有”。会话内笔记抓当下，dreaming 负责纠错和建图，预加载层只放真正每次都要的索引。谁先把这三层跑通，谁的 Agent 才像越用越懂你的仓库，而不是每次都像新员工。

对做 coding agent 的人更实在：别只堆 RAG 切片。先定记忆分层——当场写、空闲整理、每会话注入；再盯一件事：错误笔记有没有被 transcript 打回。否则你训的不是“越用越懂”，是“越用越自信地错”。

官方：https://www.anthropic.com/engineering/components-of-agent-memory
Memorilla：https://arxiv.org/abs/2610.21375

#AgentMemory #Dreaming #Claude