给 AI 装记忆,难的不是存,是删。Anthropic 11 月 6 日公开了 Claude 跨会话记忆的完整设计,最反差的一组数据来自《宝可梦》实验:什么都记的模型写了 413 个文件,1 万步只拿到 1 枚徽章;只写 9 条笔记的模型拿了 4 枚,进度反超。
一、记忆是一场赌注
Anthropic 给「智能体记忆」划了清晰边界:跨会话保留、以后能读回来的经验笔记。改权重不算,单次对话里的学习不算,压缩摘要也不算。
记忆分四层:会话日志 → 笔记 → wiki 这类表示 → 每次会话注入的上下文。
官方给了一句挺准的话:写下一条记忆,就是赌这条规律下次还会用到。
越往上越贵。注入层最省事也最危险——记错了,之后每次会话都会带上。Claude Code 的做法是只加载 MEMORY.md 前 200 行、25KB 当索引。
二、越强的模型,越不该管
CL-Bench 数据库任务:每道题开新会话,唯一能接力的就是记忆目录。
- Opus 4.7 用上记忆:0.383 → 0.700
- Opus 5 用上记忆:0.564 → 0.828
- 加一条「只记失败」的规则:Opus 5 和 4.7 都丢掉大半涨幅
Anthropic 的结论就一句:告诉模型记忆是干什么用的,别教它怎么用。老模型靠明确规则能翻倍(Sonnet 4.6 从 0.330 到 0.641),强模型要的是自己判断什么值得记。
差距在「用不用」上也看得见:Sonnet 5 答题前 10 次有 9 次会先读记忆,Sonnet 4.6 不到一半。
宝可梦对照组方向一致:Sonnet 3.7 觉得什么都重要,413 个文件塞满 225 个文件夹,记录持续过期,光整理记忆就没时间玩;Fable 5 只留计划和规则,9 个文件走得更远。
三、做梦:离线把笔记改对
笔记会写错,也会过期。Anthropic 的办法是让模型在会话之间重读日志、纠错、补结构——借睡眠研究的说法叫 dreaming,学界叫 sleep-time compute。
三个结果:
- 纠错:一条写错的宝可梦中心位置让 agent 反复掉下悬崖;做梦对照日志改写后,第 1935 步抵达华蓝市。不纠错、没记忆的两组都没走到。
- 建 wiki:35 万文件语料上跑 128 个会话,wiki 单独作答从 13% 提到 48%;wiki 加搜索 54%→61%,只用搜索持平 53%,每题还省约 2 万 token。
- 对着目标改:法律文书任务里,每份合同单独成页、条款原文引用,关键事实从 41/57 补到 57/57,满分率 72%→100%。
四、代价写在明面上
Anthropic 同时列了这套方案的账:错误注入会污染所有会话;wiki 会膨胀——115KB 语料长出 203KB 的 wiki,比原文还大;做梦要额外算力,频率得调。
还有个没解决的问题:什么时候写记忆。会话中边干边记会分心,全部推到离线又不及时,官方承认这仍是开放问题。
它明确说这是设计笔记和评测,不是产品发布。但方向清楚:记忆正从工程细节变成智能体的核心能力,存什么、什么时候改,比存多少更重要。
参考来源
- Anthropic — The components of agent memory (2026-11-06):https://www.anthropic.com/research/components-of-agent-memory
- Letta / UC Berkeley — sleep-time compute:https://arxiv.org/abs/2504.13171
- Google Research — SLEEP framework:https://research.google/blog/the-sleep-framework-a-new-way-for-llms-to-retain-knowledge-in-continual-learning/