让 AI 先“睡一觉”再干活：Anthropic 讲了 Claude 怎么整理自己的长期记忆

先说一个小故事。Anthropic 让 Claude 玩《宝可梦 红》，早期模型 Sonnet 3.7 觉得什么都可能有用，每场战斗、每件道具、每个路人都单独建一个文件，玩到约一万步时写了 413 个记忆文件，才拿到 1 枚徽章。新一些的 Fable 5 只写了 9 个文件加一份总览 global.md，拿到 4 枚徽章。差别不在记得多，在会挑。

01记忆其实是在“押注未来”

官方的看法是：写下一条规则，等于预测这条规则以后还用得上。问题是写的时候，AI 并不知道接下来会发生什么。所以 Anthropic 的思路是两步走：干活时随手记，任务之间再“做梦”——名字取自人睡觉时大脑回放白天经历、把有用的沉淀成长期知识。

这里的“记忆”指跨对话保留的经验笔记，不包括改模型参数、单次对话内的上下文，也不包括把旧对话压缩成摘要。

02四层结构：原始记录在最底下

1. 原始记录（transcripts）：完整的对话和操作日志，当作可追溯的证据。
2. 记忆笔记（memory notes）：Claude 自己提炼的经验、规则。
3. 记忆的整理形态（representations）：比如维基，一组互相链接的主题页面，相当于给笔记画地图。
4. 注入上下文（injected context）：每次新对话开头直接放进去的那一小部分。

“做梦”就是在这几层之间来回走：用原始记录去核对笔记，把笔记整理成维基，再挑最要紧的升到最上层。最上层必须保持很小，否则占用上下文，一条错笔记还会被带进每次对话。官方提到 Claude Code 的自动记忆只加载 MEMORY.md 的前 200 行或 25 KB，就是这个思路。

03做梦能抓出写错的笔记

在《宝可梦》的月亮山一关，Claude 把宝可梦中心的位置记反了，写下“月亮山已通过”，结果走下一个单向断崖，回到了原路。没有纠错的那次运行，它掉下去三次，最后一路退回上一座城镇，始终没到下一个城市。对同一份记忆做一次“做梦”，Claude 对照原始记录发现了错误并改写，之后直接回洞穴重进，约 1935 步到达目标城市。

04做成维基：有用，但不是万能

官方用约 35 万份、约 4.2 亿 token 的内部文档（来自被收购的 Stainless）出了 25 道题。让 Opus 5 的智能体跑 128 轮做梦、边读边写边合并维基，只靠维基答题的得分从 13% 升到 48%；维基加搜索工具从 54% 升到 61%，单用搜索是 53%，并且每题约省 2 万 token。

在一道并购材料的题上（需要跨多份文件综合、还要算数），用维基得 87%，只用搜索 73%。但在另一些题里，答案本来就在单个文件里，维基没有明显帮助；有一次维基甚至比原始文件还大（1.77 倍），官方自己打了个比方：地图画得和国土一样大，等于什么也没概括。

05对普通用户的几点参考

• CL-Bench 数据库问答任务里，Opus 5.5 带记忆目录后平均得分从 0.655 升到 0.838；这是官方在 Managed Agents 环境下的结果，不是你日常聊天里能直接复现的数字。
• 对较强的模型，只告诉它“有个记忆文件夹”比规定“只记失败”更好；后一条规则让 Opus 5 的记忆收益掉了 0.234。
• 让多个智能体同时往同一张共享表里写，会互相覆盖：合同条款那题只保住 57 条中的 41 条，改成每份合同一个独立页面后全部保住。
• 想自己试，官方给了两个入口：做梦的 cookbook 和 knowledge-wiki 示例（见文末来源）。