11 月 6 日，Anthropic 发了一篇工程博客，讲 Claude 的智能体记忆是怎么设计的。文章从人脑讲起：海马体先快速记录经历，睡眠和安静休息时再回放，沉淀成长期知识。智能体也一样，不能只靠把上下文窗口越拉越长。
记忆不等于无限上下文
一个常见的误区是：上下文窗口足够大，AI 就能记住一切。窗口再大也有边，而且塞得越满，模型越容易“顾此失彼”。Anthropic 的思路是拆成三件事：会话中写记忆笔记、判断哪些信息值得留、离线的整理过程。
这套设计是和 Letta、加州大学伯克利分校的研究者合作做的，论文里的词叫 sleep-time compute：用交互之间的空闲时间，重新整理已有的上下文。
“做梦”是怎么设计的
关键词是离线 dreaming。白天工作的时候，智能体把信息碎片记成笔记，标注重要程度；到了空闲时间，就像人睡着后大脑回放白天的经历一样，它把笔记重新读一遍、归类、纠错、建索引，好让下次更快找到。
这个设计有点妙：它不追求“全记住”，追求“用得上的时候找得到”。更像给智能体建了一个自己的知识库和归档系统，而不是一个无限大的便签本。
为什么这个方向重要
现在智能体跑长任务，最大的痛点就是记忆：对话一长就忘、跨会话不认人、重启就失忆。记忆设计能不能做对，直接决定智能体能不能真正“常驻”在工作流里。
顺着这个方向再想一步：如果每个智能体都有自己整理好的记忆库，那它就不再是“每次从零开始的无状态工具”，而是越用越懂你的长期协作者。这才是智能体从工具变成“同事”的那道坎。
我的看法
我关注这个，是因为做产品的人都知道：用户骂 AI“傻”，一半是模型能力问题，另一半是它记不住事。同样的话说三遍还没记住，谁都会烦。
“让 AI 敢删敢改自己的记忆”这个思路，比无限扩大上下文聪明得多。人脑也不是硬盘，是档案馆。能整理、会取舍的记忆，才是好记忆。
