Anthropic 在官方工程博客公开了 Claude 智能体的完整记忆系统：让模型在交互间歇利用空闲算力「做梦」，通过反复回放和重组历史会话记录来修正错误、沉淀经验，把跨会话的长期记忆从概念做成了明确的工程架构。国内科技账号「AI寒武纪」对发布内容的解读梳理了其中的测试细节。
这套系统沿用此前 Letta 与加州大学伯克利分校提出的「睡眠期计算」思路，把人脑的记忆分工照搬给智能体：日常交互生成的日志先作为原始记录留存，重要观察写入记忆笔记，再逐层提炼成记忆表征，最终按需注入上下文，做梦机制贯穿各层。官方明确划出边界——这套记忆指跨会话留存、以纯文本形式被后续读取的经验，不包括改动模型权重、单次对话内的上下文学习，以及把旧对话压缩成摘要的替换机制。
会不会记笔记，直接拉开了模型差距。在评估长程记忆的 CL-Bench 1.0 数据库任务中，Claude Sonnet 4.6 只留下一堆未经检验的零碎猜测，Opus 4.7 开始把笔记整合成单份参考文档并区分已证实与未证实的细节，Sonnet 5 会在被判错后写下勘误，Opus 5 是第一个完整跑通「记录—验证—勘误」学习闭环的模型，笔记里连证明方法和踩坑记录都有；此后的 Opus 5.5 与 Sonnet 5.5 均能自主完成闭环，凭经验沉淀拿到超过 0.83 的最终得分。
宝可梦红的实测把差距拍在了桌面上。跑满一万步时，Sonnet 3.7 认为「一切都有用」，疯狂记录了 413 个文件、97.7 万个字符，到第一万步前后甚至花 17 个操作步骤整理文件夹而游戏零推进，最终只拿到 1 枚道馆徽章；对照组的 Claude Fable 5 只维护 9 个文件、4.3 万字，屏幕上直接可见的数值一概不存，只记推导规律、长期规划和通关策略——连续 7 次扔精灵球抓不到鲤鱼王后，它在笔记里写下「连续 3 次失败就在菜单按键间插入等待」并随即捕获成功，拿下 4 枚徽章，Opus 5.5 则凭一份极小的任务规划文件直接通关。规则实验给出了反向结论：引导提示词能把 Sonnet 4.6 的基线得分从 0.330 提到 0.641，但强加「只记失败」的死规则让 Opus 5 与 Opus 4.7 的记忆增益分别暴跌 0.234 和 0.150——对前沿模型，重点筛选权要交给模型自己。
做梦的真正价值在出错的时刻兑现。宝可梦月见山一役，Claude 因误记「宝可梦中心在东侧」而自信跳下单向跳台，未开做梦的对照组连续三次摔回起点后宣告放弃；开启做梦的组别在离线阶段对照原始记录逐行复盘，推翻错误笔记重写定位，再次开局后第 1935 步抵达华蓝市。企业场景的增益同样可观：Anthropic 用收购的软件公司 Stainless 约 35 万个文件、4.2 亿 Token 的真实代码资产测试 25 个深度问题，Opus 5 智能体在 128 次连续会话中边搜边做梦搭建知识维基，纯查维基的答题达标率从 13% 升至 48%，维基配合搜索从 53% 提到 61%、每道题省下约 2 万个 Token 的检索开销，企业并购资料的复杂问答准确率 87% 对纯搜索的 73%。维基也有失控的时候——10 个文件共 115KB 的语料被整理成 203KB、68 页的「巨型维基」，体积反超原文 1.77 倍。
架构的另一端是克制。官方明确反对把记忆全部塞进上下文窗口：错误信息会污染后续每一次决策，顶层注入必须只留「全知索引」——Claude Code 的自动记忆每次启动只读 MEMORY.md 前 200 行或 25KB，细节全部留在后台按需调取。多智能体协作里做梦还兼着主编的活：多个智能体合写合同条款时互相覆盖，57 条核心事实丢了 28%，做梦复盘后自主重写规则，改为单页逐字摘录，57 条全部留存、测试达标率从 72% 提到 100%，顺手修补了 9 处死链。剩下的都是工程权衡：实时记笔记分散主线注意力，全留做梦又无法即时复用，如何按记忆被调用的频率动态分配做梦频次，是这套架构走向下一站的必答题。