Anthropic刚发了一篇研究文章，讲AI记住以前干的活，办法叫"做梦"，Claude 每干完一段活，就在后台把这段经历回顾一遍，记错的改掉，乱的理顺，下次一上手就知道之前做到哪了。

第零个，"做梦"要消耗算力，所以可能需要优先整理那些容易变化的信息。就是说，智能体的成本不只发生在用户交互的那一刻，还会延伸到后台的离线整理。

第一个，记忆确实有用，而且模型越强，用得越好。在一个数据库任务基准上，Opus 5.5加了记忆，从0.655 提升到0.838；Opus4.7从0.383提升到0.700。Sonnet 4.6只从0.330升到0.364，但改用更细的提示，让它去读，检验记忆后，能到 0.641。

第二个，宝可梦的对比最直观。Sonnet 3.7玩的时候，建了413 个记忆文件、分 225个文件夹里，结果只拿到1个徽章，大量步数浪费在整理过时的记录上。Fable 5只写了大约 10 个文件，却拿到了4个徽章。

第三个，别替强模型规定该记什么。研究者试过一条规则："只记录失败的经验"。结果强模型的收益反而下降。强模型自己判断什么值得记，不用别人。

第四个，纠错。有一条记错的地标笔记，让 Claude 在月见山里反复走回头路。经过"做梦"纠正后，Claude在第 1935 步走到了华蓝市；没纠正的那一组，没走出这座山。

【版权声明】本文内容来源于亲爱的数据，版权归原作者及原媒体所有。本站仅作信息分享，不构成任何商业用途；如涉版权问题，请联系本站删除。

发布时间：2026-11-07 18:14:11