跳到主要內容
研究與觀察AI 工程
AI ENGINEERING / AGENT MEMORY
AI 工程 · 長期記憶治理

Claude Dreaming 怎麼運作?AI Agent 的記憶整理與工程風險

Anthropic 讓 Claude 回顧歷史 Session,修正與重整 Agent 記憶。從 Dreams API、企業 Wiki 實驗到資料治理,理解離線整理的用途、效果與風險。

AI 生成揭露|本篇資料整理與主要文字由 AI 完成,Luke Hou 負責選題與審閱;文中工程設計建議並非已完成的產品實測。

TL;DR

AI Agent 可以跨工作階段保存筆記,卻也可能把當時的誤解一起留下。Anthropic 提出的 Dreaming(離線記憶整理)讓 Claude 在主要工作之外回頭閱讀歷史紀錄,修正錯誤、合併重複資訊,並為下一次工作準備較可靠的記憶。官方已提供 Managed Agents 的 Dreams API 研究預覽版,採非同步方式產生一份獨立的新記憶儲存庫,開發者再決定是否採用。這種整理不會直接更新模型權重,也不能視為所有 Claude 產品都已預設啟用的背景功能。

研究顯示,整理後的 Wiki 對某些跨文件問題有幫助;單純增加 Wiki 頁數,卻也可能讓資訊比原始文件更難管理。工程上真正需要驗證的,是記憶是否能回到來源、適用於正確版本,以及錯誤是否會在整理過程中被放大。

Takeaways|重點整理

  • 會記得,不等於記得正確。 原始 Session、持久筆記與每輪預載的上下文各有責任,摘要應能追溯歷史證據。
  • Dreaming 是可審閱的版本整理。 Managed Agents Dreams API 接收現有 Memory Store 與過去 Session,輸出另一份儲存庫,保留原版以供比較。
  • 研究成果有任務差異。 在 Anthropic 的跨文件併購問答項目,Wiki 輔助取得 87% 的評分條件滿足率,直接搜尋為 73%;容易從單份文件找答案的其他任務則未呈現相同優勢。
  • 知識庫可能長得太大。 一個 LAB 案例將 115 KB 原始文件整理為 203 KB Wiki,顯示整理也有成本。
  • 先守住資料與發布權限。 整理候選應經證據、版本、隱私與授權審核,不能直接升格為正式操作規則。

一段錯誤筆記,足以讓 Agent 走回原路

在 Anthropic 公布的《Pokémon Red》研究案例中,Claude 曾把月見山附近寶可夢中心的位置記錯。後續工作階段採信這份記憶,因而反覆走向錯誤路線。研究團隊讓 Claude 重新檢視遊戲紀錄、修正筆記;修正後的跑法成功前往華藍市。

這個案例引出長期 Agent 的一個難題:當時為了快速交接而寫下的摘要,到了下個工作階段可能被當作既定事實。人會帶著錯誤的印象重返現場,Agent 也可能沿用先前的錯誤判斷。好在完整事件紀錄還在,模型便有機會回頭核對。Anthropic 原始研究

Dreaming 的出發點,就是讓系統在主要任務之外安排這段回顧。它使用過去的工作紀錄校正原有筆記,將有用資訊重新組織,再交由後續工作階段取用。這個「夢」是工程上的比喻,指離線計算與記憶整理,沒有關於模型意識或人類睡眠的技術主張。

記憶並非只有一份長摘要

Anthropic 將跨 Session 記憶拆成不同層次。最底層是完整工作紀錄(Transcripts):模型說過什麼、工具回傳什麼、事件先後如何。其上是 Memory Notes,用來記下值得再次使用的經驗。再往上是 Wiki、知識索引等 Representations;最頂層則是新工作階段啟動時直接載入的少量資訊(Injected Context)。

這個區分很重要。假使某個 Agent 曾經把「定位器失效」寫成錯誤原因,後續又找到相反的 DOM 證據,原始記錄應保留兩個階段的觀察,而可重用記憶則應標示早期假說已被推翻。只保留最後一句「已修好」會失去原因;只保留最初假說,則會讓錯誤延續。

Dreaming 可以從歷史 Session 重新整理這些層次:校正筆記、合併重複 Wiki 頁面、補上來源連結,並挑選真正值得在下一輪預載的資訊。預載越多,消耗的上下文空間也越多;把所有歷史塞入開場,沒有比缺少記憶更可取。Anthropic:記憶層次與 Dreaming

Dreams API 實際提供了哪些能力?

截至 2026/11/13,Claude Platform 將 Dreams 列為 Managed Agents 的 Research Preview,需要申請權限。開發者呼叫 API 啟動非同步工作,提供一份既有的 Memory Store,以及 1~100 個歷史 Session。Dream 會使用這些紀錄整理記憶,產生另一份 Memory Store;輸入儲存庫保持原樣,因此可先比較、審核,再決定是否讓下次 Session 採用。Claude Platform Dreams 官方文件

可以將過程理解為:

  1. 平常工作:Agent 執行任務,將事件寫入 Session 紀錄,將必要經驗寫入持久記憶。
  2. 離線整理:開發者選取歷史 Session,啟動 Dream;整理器對照原始紀錄,產生修正及重新組織的候選記憶。
  3. 驗證候選:檢查來源依據、過期或矛盾內容、權限與資料敏感度;未通過就捨棄候選。
  4. 下一次工作:經授權後讓新的 Session 使用已確認版本,並保留回退到前一版的能力。

以上四步是建議的工程治理流程,並非 Dreams API 自動替開發者完成所有人工核准與正式發布。API 會依模型 Token 用量計費,較長歷史紀錄通常需要更多整理成本。開發者應依官方狀態及錯誤處理規格設計非同步輪詢、取消、失敗與部分輸出處置。

資料資格尤其需要在導入前確認。官方文件指出,託管 Managed Agents 不符合 Zero Data Retention(ZDR)的要求;自架 Managed Agents 的 ZDR 例外需依具體部署文件另行核對,而 Managed Agents 子功能均不符合 HIPAA 使用資格。涉及病患資料或正式醫療環境時,必須先完成資料分類、合法目的、供應商條款與安全審核,不應直接把診療紀錄、病患截圖或敏感 Session 匯入。Dreams:Availability and Data handling

Claude Code 的 Auto Memory 和 Dreaming 有什麼不同?

Claude Code 的 Auto Memory 會在工作過程中保存使用者偏好、專案指示或歷史經驗;啟動新工作階段時,它可以讀取記憶索引,再按需開啟更多檔案。官方文件列出 MEMORY.md 的預載上限為前 200 行或 25 KB。這是「在工作時累積、在下次開始時使用」的記憶機制。

Dreaming 處理的是另一個時間點:它從先前多段工作歷史出發,回頭比較、去重、校正與重新整理記憶。兩者可以在架構概念上互補,卻不是同一個已自動串接的產品功能。Claude Code Memory 文件

Context Compaction(上下文壓縮)也容易被混淆。壓縮主要讓同一個長任務在上下文視窗不足時繼續;跨 Session 的記憶整理,則需要管理保存什麼、何時淘汰、怎麼追查來源。至於「每個 Claude 使用者閒置時就會自動做夢」的說法,必須先確認產品、版本和官方發布範圍。

實驗數據告訴我們什麼?

Anthropic 在約 35 萬份文件、4.2 億 Tokens 的企業語料上,以 25 題觀察 Wiki 隨工作階段累積的效果。只使用 Wiki 時,評分條件滿足率從 13% 提升到 48%;Wiki 加搜尋工具則從 54% 提升到 61%,搜尋工具單獨使用的比較組為 53%。這組結果支持「整理過的知識結構搭配原始搜尋」值得研究,也提醒我們:單靠 Wiki,末期的 48% 仍低於純搜尋的 53%。Anthropic:企業 Wiki 測試

對跨文件問題的改善更明顯,但必須看清楚評分範圍。

Anthropic 研究案例報告數據讀者應如何解讀
企業 Wiki,25 題Wiki 13%→48%;Wiki+搜尋 54%→61%指定資料與評分條件的變化,不是通用正確率
併購文件跨文件彙整、判斷與計算項目Wiki 87%;直接搜尋 73%對應圖 11 的特定項目,不等於全部 24 題的整體答對率
另一項 LAB 單文件可查型任務Wiki 沒有明顯增益結構化整理未必能勝過直接查找
另一項 LAB Wiki 體積案例原始 10 份/115 KB;Wiki 68 頁/203 KB比原始文字大約 1.77 倍,須計算維護與整理負擔

87% 與 73% 是同一研究內需要串聯多份文件、進行判斷或計算的項目比較。Wiki 體積的 203 KB 與 115 KB,則來自另一項 LAB 任務;不應將它寫成上述 25 題或 24 題實驗的建置成本。這些均是研究團隊公布的結果,公開資料尚不足以推算企業或醫療工作流導入後的實際收益。Anthropic:Figure 11、Figure 12

研究也給了一個很實際的提醒:多人同時維護共享記憶時,覆寫與摘要遺失會讓原始條件消失。由不同 Owner 分別保留合約原文,再透過索引串接,在該 LAB 案例改善了最後可支持的評分事實。不論是 Wiki 或 Agent 記憶,可靠性始終取決於資訊的來源與寫入責任。

gbrain 與 Dream Fusion 帶來哪些不同啟發?

同樣談長期知識整理,Garry Tan 的 gbrain 與 Dream Fusion Agent Skill 有不同的切入方式。

方法核心工作產出與審核邊界
Anthropic Dreaming依歷史 Session 校正、整理記憶新的 Memory Store;是否採用由開發者決定
gbrain Dream Cycle定期維護知識頁、連結、索引及衍生資料指令與外部排程範圍須分清;正式知識仍需治理
Dream Fusion對重複、過時或矛盾的 Wiki 舊頁產生融合提案人工確認後保留來源、衝突、時間線與舊頁導覽

gbrain 的排程指南列出 gbrain dream 的 lint、backlinks、extract、sync、embed、synthesize 等工作;另有外部 Agent 編排的夜間維護範例。不能把後者的全部工作都視為單一內建命令的預設行為。gbrain 官方排程指南

Dream Fusion 則把焦點放在知識頁面「何時應該合併」。兩份舊摘要可能各自保有有效的歷史證據,融合時需要一個可追溯的承接頁,也要記錄尚未解決的矛盾。這種做法能補足自動整理較容易忽略的審核與回退要求。這三套方法尚無公開證據顯示已原生整合,跨產品架構需要自行驗證。

長期工程 Agent 可以怎麼開始?

對持續執行的自動化測試 Agent 而言,一次 Selenium 失敗會留下操作步驟、DOM、截圖、錯誤訊息、候選原因與修復後的驗收結果。真正值得保存的,不只是最後一句「修復成功」,還包括哪個版本、哪個前置條件、採用什麼證據,才能再次得到相同判斷。

例如一組合成測試案例:測試腳本遇到同名彈出視窗,先誤判為 locator 失效,後來經畫面結構與業務終態查核,發現焦點切換才是原因。離線整理器可以把完整事件做成候選記憶,記錄原始 Run ID、適用版本、被推翻的假說、已確認原因與回歸測試條件。等到 UI 改版,舊經驗仍可被找到,但不應再無條件套用。

最小驗證可以採三組對照:A 不使用跨 Session 記憶;B 直接使用歷史筆記;C 使用經離線整理、來源校訂與審核的記憶。在相同合成 Golden Set 下量測任務成功率、錯誤 PASS、過期規則誤用、來源追溯率、Token 總量與整理成本。若 C 比 B 多花了費用,卻未減少錯誤,就沒有足夠理由立即擴大部署。

開始時,建議把整理器限制在候選記憶儲存區,僅用去識別或完全合成資料。正式 Skill、業務斷言、臨床作業規則及工具授權,仍由相應 Source of Truth 和負責人審核。當記憶經過多輪整理仍可以追查「當時為什麼這樣判斷」,才值得交給下一次 Agent 使用。

下一個工作階段,該帶走什麼?

Dreaming 最有意思的地方,在於讓 Agent 有機會修正自己曾經深信的筆記。但把歷史整理得整齊,只是開始。更關鍵的是保留一條從現在的判斷回到原始證據的路,並讓過期的資訊有辦法退場。

對長期工程系統而言,好的記憶不一定更多。它應該在需要時找得到、查得清楚,也知道何時不該再被相信。

官方來源與延伸閱讀

  1. Anthropic, The components of agent memory(2026/11/06)。
  2. Claude Platform, Managed Agents Dreams。
  3. Claude Code, How Claude remembers your project。
  4. Sleep-time Compute: Beyond Inference Scaling at Test-time(2025)。
  5. Garry Tan, gbrain cron schedule。
  6. Dream Fusion Agent Skill 作品介紹。