Anthropic 于 11 月 6 日发布研究文章《The components of agent memory》，对 Claude 智能体的跨会话记忆能力进行了系统性拆解。研究覆盖记忆的存储、筛选、纠错与知识整理等环节，核心主张是智能体可以借鉴人脑在睡眠中巩固记忆的方式，利用交互间隙完成对历史经验的再加工。

在架构层面，该研究把智能体记忆划分为四层：会话日志、记忆笔记、知识表征（如 Wiki）以及注入上下文。在此基础上，团队引入名为"做梦"（dreaming）的机制，让模型在两次交互之间的空闲时段回顾日志、修正错误、提炼规则并更新知识库。研究团队认为，这一过程可将即时经验逐步沉淀为可复用的长期知识，从而改善长周期任务的表现。

研究同时强调记忆的选择性。Claude 会在会话中标记重要事件或写入记忆笔记，但并非所有信息都值得保留，模型需要判断哪些内容在未来真正有用。Anthropic 将记忆视为一种对未来的预测——记录一条已验证的规则，意味着模型预期未来会再次依赖它。

效果验证方面，在持续学习基准 CL-Bench 的数据库问答任务中，具备记忆能力的 Claude 模型明显优于无记忆基线。Claude Opus 5.5 和 Sonnet 5.5 启用记忆后平均得分分别为 0.838 和 0.833，而无记忆基线分别为 0.655 和 0.644。研究还提到，更强的模型能够自主形成"失败—反思—验证—总结"的闭环。