Claude的Agent记忆：怎样把过去的记录，变成值得再次使用的经验？
有效记忆需要筛选、纠错、组织与按需检索；记住更多不等于更可靠，回答阶段的节省也不能替代完整维护成本。
依据Lance Martin／Anthropic于 2026-11-06发表的原始文章，本站 2026-11-09核对。实验包括不同模型、单次游戏轨迹及内部公司资料；没有统一任务分母，部分数据不公开。未独立运行模型、审计内部语料或复现基准；Dreaming不是在本日首次发布，也不等于训练模型权重。
本次变化：首次完整分析：四条结论与同号论述，三张本站重绘，保留任务分母、对照条件、整理预算与反例。
Opus 5.5 / memory：0.838 mean reward · 比较基线 Opus 5.5 / stateless 0.655 · CL-Bench 1.0数据库任务；每题新会话，记忆目录跨会话；非整个基准总分。
Sonnet 5.5 / memory：0.833 mean reward · 比较基线 Sonnet 5.5 / stateless 0.644 · CL-Bench 1.0数据库任务；每题新会话，记忆目录跨会话；非整个基准总分。
Opus 5 / memory：0.828 mean reward · 比较基线 Opus 5 / stateless 0.564 · CL-Bench 1.0数据库任务；每题新会话，记忆目录跨会话；非整个基准总分。
Opus 4.7 / memory：0.7 mean reward · 比较基线 Opus 4.7 / stateless 0.383 · CL-Bench 1.0数据库任务；每题新会话，记忆目录跨会话；非整个基准总分。
Sonnet 5 / memory：0.61 mean reward · 比较基线 Sonnet 5 / stateless 0.306 · CL-Bench 1.0数据库任务；每题新会话，记忆目录跨会话；非整个基准总分。
Sonnet 4.6 / memory：0.364 mean reward · 比较基线 Sonnet 4.6 / stateless 0.330 · CL-Bench 1.0数据库任务；每题新会话，记忆目录跨会话；非整个基准总分。
Search only：53 % grading criteria · 比较基线 相同内部语料与 25题；wiki条件需要前置整理 · 约 350000文件、420M tokens；最多 128次整理会话；不代表完整任务成功率。
Wiki only：48 % grading criteria · 比较基线 相同内部语料与 25题；wiki条件需要前置整理 · 约 350000文件、420M tokens；最多 128次整理会话；不代表完整任务成功率。
Wiki + search：61 % grading criteria · 比较基线 相同内部语料与 25题；wiki条件需要前置整理 · 约 350000文件、420M tokens；最多 128次整理会话；不代表完整任务成功率。
并行探索：互补检查维度，不表示跨实验因果
Memory can be a prediction about what the future will need; Steering Claude to write memory并行探索：互补检查维度，不表示跨实验因果
Dreaming can build new memory representations; Figure10并行探索：互补检查维度，不表示跨实验因果
Dreaming can correct memory; Dreaming can build new memory representations; Dreaming can focus memory on a specific goal; Thinking backward, looking forward原始记录提供可追溯依据，笔记和wiki提供组织，常驻上下文只保留有限索引。
同一个外部文件夹，对不同模型和提示方式的帮助差异很大。
更好的回答分数与每题token节省，是特定语料和预算下的结果。
保留重要事实、避免互相覆盖，并让读者回到原文。
文章把Agent记忆定义为跨会话保存、之后可读取的经验，排除模型权重学习、单会话内学习和上下文压缩本身。它区分原始transcript、记忆笔记、wiki等表示，以及每次会话预先注入的内容。前者保留事件；后几层是模型对未来需要什么的判断，可能遗漏、过期或出错。
Dreaming可以在会话之间对照原始记录纠错、合并笔记或构造链接。但错误笔记若被提升到常驻上下文，也会反复污染后续会话。原文以Claude Code的MEMORY.md索引为例，描述只加载前 200行或 25 KB；这是该产品所述行为，不是所有Agent的统一记忆上限。
适用边界：离线整理输出也必须有出处和失效机制。Dreaming需要计算；模型有机会重新检查记录，不等于每次都能纠正真实世界中的错误。
返回核心结论CL-Bench 1.0数据库任务要求模型连续回答问题；每题开始于新会话，只有记忆目录跨会话保留，回答后得到正确解以帮助后续问题。原文图中的 30题运行均值及平均reward属于这个任务，不是整个CL-Bench的综合分，也不是生产数据库查询的成功率。
图中Opus 5.5从 0.655到 0.838，Sonnet 5.5从 0.644到 0.833，Opus 5从 0.564到 0.828；Sonnet 4.6仅从 0.330到 0.364。作者观察到较强模型记录已验证规则，而较旧模型容易保留未测试猜测。给Sonnet 4.6增加读取笔记和检验理论的指令，另一次设置达到 0.641；提示条件与模型版本必须一起保留。
“只记录失败”的额外规则还会削弱部分模型的记忆收益。因此不能从单条最佳提示推导通用规则；应在目标任务上比较无记忆、默认记忆和引导记忆，并检查保存的规则是否有验证依据。
返回核心结论Stainless内部资料实验约含 350000文件、420M tokens，评测 25道问题。Opus 5代理最多用 128次会话构建和修订wiki，共享日志协调。仅wiki评分随整理从 13%升到 48%；wiki与搜索结合从 54%到 61%，仅搜索为 53%。这些是满足评分条件的比例，不是答对问题数或完整任务成功率。
原文称wiki结合搜索每题还能节省约 20000 tokens，但这不包含把资料整理成wiki的完整前置投入。原图横轴从 2M到 128M dreaming tokens，表示每次会话 1M的预算，而非实测消耗；不能仅用回答阶段节省宣布总体降本；需要按实际查询复用次数、更新频率、模型单价和纠错开销核算。
适用边界：内部资料未完整公开，本研究不提供独立复算或面向任意企业语料的收益保证；本文也不据此推算未经验证的回本查询次数。
返回核心结论法律任务展示了wiki的边界：对 24个并购问题中的跨文档、判断或算术项目，wiki条件报告 87%，搜索条件 73%；但另一LAB任务的要求大多可从单份文件直接搜索，wiki没有清楚收益。还有一个wiki大于原文件的案例，说明压缩与抽象并非自动发生。
另一个合同任务中，多Agent同时改共享表，生成材料只保留 57个被评分事实中的 41个。经过反思及重写构建指令，改为每合同单页、单写入者并逐字保留条款后，57个事实均可覆盖。这里同时改变了任务组织、写入方式与保真要求，不是孤立证明某个单一变量造成全部提升，更不是法律意见可靠性认证。
游戏中的位置笔记也会写错；一次离线对照transcript的纠错改变了后续路线。但个别游戏轨迹不能估计普遍成功率。部署时更应记录来源、验证状态、最后复核和替代版本，并检查缺失页面及过期事实，控制自动注入层的大小。
返回核心结论The components of agent memory · Lance Martin / Anthropic ·2026-11-06 · Unnumbered original HTML article dated2026-11-06 · 首次发布 2026-11-06
地图首次发布 2026-11-09T03:13:25.209602+00:00 · 地图修订 2026-11-09T03:13:25.209602+00:00