写出真正有效的 agent 记忆
Anthropic Engineering·发布 Components of Agent Memory,给出实测方案
日常维护的 CLAUDE.md、MEMORY.md 与进度文件均属此类。官方给出的内容选取、篇幅限制与整理规范,可直接用于优化现有项目。
- 🟢 四层记忆体系:系统由四层结构组成。包含可搜索的 transcripts 会话记录,以及 agent 自写 memory notes 笔记。第三层是如 wiki 般页面互链的 memory representations。第四层是每次会话载入的 injected context 上下文。Claude Code 仅载入
MEMORY.md的前 200 行或 25 KB。 - 🟢 评测显著提分:CL-Bench 数据库任务中,配置记忆后模型平均得分显著提升。Opus 5.5 从 0.655 升至 0.838,Sonnet 5.5 从 0.644 升至 0.833。Sonnet 4.6 仅从 0.330 升至 0.364,但加上改写指令后可达 0.641。
- 🟢 重目标轻死规:「只记录失败」这类固定规则会拉低收益。在测试中该规则导致 Opus 5 得分下降 0.234。系统应指明记忆目标,让高能力模型自主判断记录内容。环境中可直接读取的实时状态无需存储,避免信息失效。
- 🟢 离线整理机制:dreaming 机制通过离线回看日志纠正笔记、合并重复并修复断链。Pokémon 实验中,修正后的笔记使 agent 约在第 1,935 步到达 Cerulean City。携带错误笔记的版本则始终未能走出山洞。多 agent 并行时避免写入同一文件。合同条款测试中,单一共享文件仅记录 41/57 条,每份合同独立一页可达 57/57。
建议先阅读原文 practical takeaways 章节,随后检查项目中的 MEMORY.md 是否超出 200 行。若已超长,将细节拆分至子文件,主文件仅保留索引链接。
- 测试基于 Anthropic 自研的 CL-Bench、Pokémon 及 35 万文件语料,其中单用 wiki 从 13% 升至 48%、加搜索后为 61% 且单搜索达 53%,结论未必适用具体项目。
- 文章摘要未提供 dreaming 在 Claude Code 中的明确启用入口,具体落地方式仍待核实。
核实记录
读官方文章(2026-11-06);数字为文中自报;没复现