Claude四层记忆设计及Dreaming离线整理机制公开
某机构发布了关于AI代理记忆架构的研究成果，公开了Claude模型的记忆设计方案，这套系统将记忆分为四个层级，配合名为“梦境计算”的离线处理机制，实现跨会话的知识高效管理。
这套记忆架构的四个层级各有明确分工：最底层是会话记录，用于留存AI与用户的交互、任务执行及工具反馈的完整日志，提供可回查的历史依据；第二层是记忆笔记，用于提炼并保存经过筛选的关键经验，比如已验证的规则、测试过的方案，避免重复摸索；第三层是记忆关联库，围绕主题构建知识网络，将相关事实、笔记和页面连接，帮助AI判断知识间的关联与后续查找方向；最上层是预载上下文，每次启动时加载少量内容作为索引，减少AI首次任务的信息检索成本。
各层级之间支持跨层读写：“梦境计算”机制可从原始会话记录补充笔记、构建关联库，也能将重要内容提升至预载层，或把细节内容下移并保留链接。因此，新会话的读取路径通常是先获取小型索引，再根据需求读取笔记、沿关联库查找关系，必要时回溯原始记录。这种方式让经验通过外部上下文跨会话保留，不会更新模型权重，与传统的会话压缩方式形成互补。
“梦境计算”是这套架构的核心离线处理能力，它将记忆整理工作移出前台任务循环，让AI在非任务时段重新审视历史记录。在处理过程中，AI会将旧笔记与原始执行记录对照，纠正错误、合并重复内容、补充缺失的关联页面，同时维护页面间的链接关系。更重要的是，它能跨多个会话寻找共同模式，发现重复出现的错误并统一修正，比如在关联库实验中，“梦境计算”修正了九条指向不存在页面的链接，补充了三个索引页面。
这套机制已在部分产品中落地，相关接口目前处于研究预览阶段，支持异步任务读取记忆库副本进行整理，且不会修改原始记忆库，开发者可在后续决定新会话使用的记忆版本。该接口允许通过指令指导整理方向，而精确修改记忆则使用专门的编辑工具，实现了原始记录、整理后的记忆与新会话版本的独立管理。
除了离线整理，AI在会话中判断哪些内容值得记录也是关键问题。研究将此描述为对未来需求的预测：记录已验证的规则，能为后续同类任务节省重复验证的成本，而这种能力需要从反馈中逐步形成——通过记录失败原因、测试假设，最终固化为规则。
相关实验显示，不同模型的记忆记录能力存在显著差异：在某数据库任务中，Opus 5.5模型的平均奖励从0.655提升至0.838，Sonnet 5.5从0.644提升至0.833，而Sonnet 4.6仅从0.330提升至0.364。进一步分析发现，较强模型会标记内容的验证状态，保留规则的依据与踩过的坑，而较弱模型则会留下不少未经验证的猜测。当研究者提示Sonnet 4.6在作答前先读取记忆并测试假设时，其平均奖励提升至0.641，但对较强模型而言，强制“只记录失败”反而会削弱记忆的作用，说明记什么和如何使用记忆不能依赖统一的固定规则。
宝可梦游戏的运行案例也暴露了记忆筛选的问题：某模型在一次运行中生成了413个文件，后续连续17个动作都在增删文件，未能推进游戏；而另一模型仅保留10个文件，集中记录路线、策略和已测试的规则，运行效率更高。这说明记忆维护会占用真实任务资源，需要区分动态状态与固定策略的保存方式。
笔记的错误会导致后续判断偏差，因此纠错必须回溯原始记录。在月见山的任务中，某模型将宝可梦中心的位置记反，导致导航判断错误，直到“梦境计算”将笔记与原始记录对照，才修正了地标位置。修正后的模型顺利返回山洞并抵达目标地点，而保留错误笔记的运行则多次出错，未能完成任务。这一案例说明，纠错的依据必须来自原始会话记录，而非对旧笔记的再次概括。
当记忆被组织为关联库时，维护对象从单一事实扩展到主题页、链接、索引及与原文的对应关系。研究用约35万个文件、420M token的内部资料开展实验，围绕这批资料另做了25个问题，按回答满足的评分条件计分：
- 只搜索原始资料的准确率为53%；
- 只使用关联库，随着整理推进，准确率从13%提升至48%；
- 关联库配合搜索，准确率从54%提升至61%。
关联库配合搜索的效果优于单用关联库或单用原始资料，二者结合还能减少在线回答的token消耗，但离线构建关联库的开销需单独计算。关联库的效果受任务类型影响：并购测试这类需要跨文档判断的任务，关联库的帮助更明显；而单文档查找的任务，收益则较小。合同任务则暴露了写入结构的问题：多个AI同时汇总条款到共享表格，压缩细节并互相覆盖，最终仅保留了57项评分事实中的41项。调整后，每份合同单独由一个AI负责写入并逐字引用条款，最终57项事实全部保留。这说明关联库的页面划分、写入责任分配等结构设计，会直接影响后续信息的可获取性。
最后，记忆维护仍存在不少开放问题：会话中记录关键细节能快速服务后续任务，但会分散当前注意力；离线整理能避免前台干扰，但结果未必立即可用，且需支付计算成本。因此，记忆的创建时机、更新频率和检查范围需要灵活调整，优先关注易变化的信息，根据访问频率调整整理节奏。此外，还存在记忆泛化的问题：一条经验在原任务中有效，换场景可能成为误导，相关研究指出，写入时将局部做法概括为通用规则、读取时错误应用到新任务，都会导致问题，因此需要在提炼经验时保留适用条件，使用时重新判断。
