Anthropic分享Dreaming：利用离线计算整理Agent记忆

Anthropic 系统分享 Dreaming：让 Claude 在任务之外整理记忆，把经历变成经验

“dreaming”：利用离线计算，回顾经历、纠正错误、形成新记忆，并重新组织知识，让下一次任务不必从头探索。 这里的学习发生在外部记忆中，不是更新模型权重。

记忆可以纠错，而不是永久保留第一次判断

Agent 当场写下的笔记未必正确。错误一旦被保存，还可能反复影响后续行动。

游戏实验中，Claude 的错误地点笔记让它不断走回原路。后台整理时，它重新核对会话记录，修正笔记，随后得以继续推进。

这比“记得更多”更重要：记忆不只是保存判断，还需要根据证据修订判断。

不只总结记录，还能形成新的知识结构

dreaming 不仅能纠错，也能创建新记忆和新的知识表示。例如，从多次尝试中归纳经过验证的规则，或把分散文档整理成带来源、相互关联的 wiki。

区别在于：普通记录回答“当时发生了什么”，整理后的记忆帮助回答“下次遇到这类问题，该查什么、怎么做”。这不是单纯压缩聊天，而是在为未来任务提前组织知识。

在 Anthropic 的内部文档实验中，搜索单独作答的评分标准覆盖率为 53%，wiki 配合搜索达到 61%，每题少用约两万 token；不过，节省量没有扣除预先建 wiki 的成本。

把事后整理，变成下一次行动的准备

整理后的内容也不必全部塞进上下文：重要索引提前加载，详细资料按需检索。这样既保留经验，又减少无关笔记的干扰。