Agent 如何真正拥有长期记忆?—拆解 Anthropic 的 Agent Memory 架构
深度拆解Anthropic Agent Memory架构,揭秘AI Agent实现长期记忆的核心技术路径。 核心内容: 1. 厘清上下文窗口与长期记忆的本质差异,介绍类人脑的“梦境整理”离线巩固机制 2. 详解Anthropic提出的四层分层Agent记忆架构的设计逻辑与各层定位 3. 梳理Agent记忆相关核心技术机制,为AI架构师提供实用工程启发
Anthropic 近期发布了一篇技术文章 《The components of agent memory》,系统介绍了 Agent 如何跨越单次会话积累经验,以及如何通过记忆提炼、验证、组织和上下文注入,让过去的任务经验在未来继续发挥作用。文章不仅讨论了 Claude Code 的自动记忆实践,还通过数据库问答、Pokémon 长程任务和 Wiki 构建等实验,分析了 Agent 记忆的设计方法、实际收益与局限。这篇文章涉及的内容比较多,既有记忆架构,也有实验过程和大量图示。本文重点解释其中值得 AI 架构师关注的技术机制与工程启发。
一、为什么 Agent 需要记忆?上下文窗口并不等于长期记忆
一个 Agent 即使拥有很大的上下文窗口,也不代表它真正具备长期记忆。
上下文窗口解决的是当前会话中能处理多少信息;长期记忆解决的则是一次任务中获得的经验,如何在未来会话中继续发挥作用。
Anthropic 用人类大脑的记忆巩固过程解释这一问题:海马体能够在经历发生时快速记录信息,但只有部分经历会在睡眠或休息期间被重新回放、筛选,并逐步整合为长期知识。
Agent 也可以采用类似的分工:
在线阶段:执行任务,将交互过程记录为日志或 Transcript,并及时标记值得关注的信息。 离线阶段:利用空闲计算资源回顾历史记录,纠正错误、提炼经验,并组织成更容易检索的知识结构。
Anthropic 将这种离线整理过程称为 Dreaming(梦境整理)。它不是让模型真的“睡觉”,而是指 Agent 在主要任务之外,使用额外计算对已有经验进行回放、整理和巩固。
Figure 1:Agent Memory 分层架构与 Dreaming

这张图是全文的核心。Agent 的记忆不是一个简单的向量数据库,而是由不同用途、不同生命周期的层次共同组成。
二、先理解四层记忆:从原始经历到可用上下文
Anthropic 对 Agent Memory 的定义是:Agent 从用户交互和任务执行中获得、并能在不同会话之间保留下来的知识,通常以之后仍可读取的上下文形式保存。
这里需要区分几个容易混淆的概念:
模型参数学习:通过训练改变模型权重,不属于本文讨论的 Agent Memory。 In-context Learning:模型在当前会话中根据上下文调整行为,会话结束后不一定保留。 Compaction:压缩当前会话历史,以便在新的上下文窗口中继续工作。 Agent Memory:将有价值的经验保留到后续会话,供未来任务读取和使用。
Anthropic 将记忆组织为四层:
1. Transcripts:会话记录层
保存 Agent 执行任务时产生的原始交互记录,例如用户输入、模型响应、工具调用、工具结果和任务过程。
它的价值在于保留事实来源。后续发现某条记忆可能有误时,可以回到原始记录核对,而不是只能相信模型曾经写下的总结。
Transcript 可以被搜索,也可以作为 Dreaming 的输入。
2. Memory Notes:经验笔记层
Agent 从一次或多次任务中提取值得保留的信息,写成相对简洁的记忆笔记。
例如:
用户明确要求后续始终使用某种输出格式; 某个工具参数曾经导致任务失败,经过验证后发现正确用法; 某项业务规则在多个任务中反复出现; 某个问题的解决方法已经经过实际验证。
这一层的关键不是“把发生过的事情全部记录下来”,而是判断哪些信息在未来可能再次有用。
原文 Figure 2:Memory Notes 在记忆层级中的位置

3. Memory Representations:记忆表示层
当记忆不断增长,仅靠一堆独立笔记会越来越难以理解和检索。
因此,Agent 可以进一步把笔记组织成更高层的知识表示,例如 Wiki:由多个主题页面组成,页面之间通过链接建立关系。
它的作用类似一张知识地图:
主题页面聚合相关事实; 页面链接连接跨主题的信息; 索引帮助 Agent 快速定位; 后续整理可以合并重复页面、修复错误链接和补充缺失内容。
这一层不是简单增加更多文本,而是把分散的记忆组织成更容易导航的结构。
4. Injected Context:注入上下文层
最重要、最常用的信息可以被提前加载到下一次会话的上下文中。
这样 Agent 不需要每次都先搜索记忆,便能直接获得关键背景、约束或当前目标。
但注入上下文必须严格控制规模:上下文 Token 有成本,错误记忆一旦被自动加载,也可能在每次会话中持续影响模型。
四层之间可以这样理解:Transcript 是原始经历,Memory Notes 是经验提炼,Memory Representations 是知识组织,Injected Context 是面向当前任务的精选入口。
三、记忆不是存档:它其实是在预测未来
记忆系统最难的地方,不是保存信息,而是判断未来什么信息值得被保存。
Agent 写下一条记忆,本质上是在做一个预测:它认为未来某个会话可能再次需要这条信息。
例如,记录一个已经验证的工具调用规则,意味着 Agent 预测未来还会遇到类似任务,并希望届时不必重新试错。
Anthropic 使用 Continual Learning Bench(CL-Bench)1.0 的数据库问答任务评估这种能力:
Agent 在一个会话中回答数据库问题。 系统向 Agent 提供正确答案或反馈。 Agent 可以把经验写入跨会话共享的记忆目录。 下一道问题在全新会话中开始,但 Agent 可以读取此前留下的记忆。
这实际上是在测试 Agent 能否形成一个学习闭环:
回答问题 → 获得反馈 → 分析错误 → 验证原因 → 提炼规则 → 在后续任务中复用。
不同模型形成闭环的能力不同。较弱的模型可能只记录一些未经验证的猜测;更强的模型则能够把规则、证据来源、已确认事实以及容易踩到的陷阱整理到一起。
Figure 3:不同模型使用 Memory 前后的 CL-Bench 表现

原文 Figure 3 的数据库任务数据如下(Mean Reward):
这组结果说明:在该实验任务中,跨会话记忆能够显著提升多轮任务表现。但记忆本身不会自动带来学习能力,Agent 还需要具备分析反馈、验证假设和提炼规则的能力。
四、记忆越多越好吗?Pokémon 实验给出了相反答案
Anthropic 还通过 Claude 玩 Pokémon Red 的长程任务,研究 Agent 如何判断什么值得记住。
实验中,一个模型在约 10,000 步时保存了 413 个文件、225 个文件夹,记忆内容接近百万字符;另一个模型只保存了 10 个文件、2 个文件夹,另有一个顶层 global.md 文件。
前者记录了大量战斗、物品和 NPC 遭遇过程;后者主要保存当前目标、行动计划、路线策略,以及从游戏中验证得到的规则。
Figure 4:两种模型的记忆目录规模对比

为什么更少的记忆反而更有效?
第一,游戏中的金钱、当前位置等状态可以直接从屏幕读取,反复保存这些信息没有太大价值。
第二,游戏策略、路线规划和经过验证的操作规律,不一定能从当前画面直接获得。这类经验如果不写入记忆,就可能在新会话中丢失。
第三,游戏状态持续变化。过度记录很容易让记忆过时,Agent 还要花费大量时间维护和搜索这些信息。原文提到,Sonnet 3.7 在某个阶段的 17 步内创建了 6 个文件、删除了 9 个文件,却没有在游戏中采取任何行动。
Fable 5 的 global.md 更像一个任务仪表盘,记录当前目标、下一步计划和记忆使用规则;其他目录分别保存地点路线与游戏策略。
例如,连续多次捕捉失败后,Agent 总结出一条经过实践的规则:如果连续三次以上失败,就改变操作节奏,在菜单操作之间增加等待输入。
Figure 5:Memory 指令如何影响记忆质量与任务表现

这部分给架构师的启发是:
不要把所有事件都当作长期记忆。 当前环境可以直接观察到的状态,未必值得重复保存。 优先保存难以从环境重新获得的经验、规则、策略和用户偏好。 记忆规模应服务于任务效果,而不是以文件数量或 Token 数量衡量。
五、Dreaming 的第一个重要作用:纠正错误记忆
记忆最大的风险之一是:错误信息可能被长期保留,并在未来被反复当成事实使用。
Agent 在任务执行过程中形成的判断可能一开始就是错的,也可能因为环境变化而逐渐失效。
Anthropic 用 Pokémon 中的 Mt. Moon 洞穴任务说明这个问题。
Agent 曾错误地记住 Pokémon Center 位于山洞的东侧。离开建筑后,它据此判断自己已经走出 Mt. Moon,并把任务状态更新为完成。但实际上它仍然处在错误的路线判断中,随后反复掉回原来的路径。
Dreaming 的处理方式是:回看原始 Session Transcript,把记忆笔记与实际行动过程进行核对,发现位置判断错误后,修正对应记忆。
Figure 6:Dreaming 根据 Transcript 修正 Memory Notes

Figure 7:错误记忆与修正记忆对行动路线的影响

实验中,经过 Dreaming 修正的 Agent 最终重新进入洞穴并到达 Cerulean City;保留错误记忆的 Agent 多次陷入循环,未能完成目标。原文还给出了累计行动次数的进度对比。
原文 Figure 8:不同记忆条件下到达 Cerulean City 的进度对比

这里体现出一个重要架构原则:
记忆不能只负责写入,还必须能够被追溯、验证和修正。
如果系统只允许 Agent 不断追加记忆,却没有原始证据、冲突检测和纠错机制,那么长期运行后,记忆库可能逐渐积累错误。
六、Dreaming 的第二个作用:把零散记忆组织成 Wiki
当 Agent 执行大量任务后,记忆笔记可能越来越多。即使每条笔记都准确,也不代表 Agent 能够高效找到它们。
Anthropic 尝试让 Claude 在 Dreaming 阶段构建 Wiki:
每个页面聚焦一个主题; 页面之间建立关联链接; 多轮整理逐步补充、修正和合并页面; Agent 可以通过 Wiki 理解知识之间的关系,再结合搜索工具查找原始材料。
他们使用了一个包含约 35 万份内部文档、约 4.2 亿 Token 的语料库,并设计了 25 个问题评估 Wiki 的效果。
在 128 轮 Dreaming 中,Claude 持续探索文件、编写和修正 Wiki 页面、合并重复内容,并根据来源检查事实。
随着 Dreaming 从 2 轮扩展到 128 轮,单独使用 Wiki 回答问题时,评分覆盖的标准从 13% 提升到 48%。
更值得注意的是,Wiki 与搜索工具结合时,整体得分从 54% 提升到 61%;仅使用搜索工具时为 53%。组合方式还使每个问题节省约 20,000 Token。
Figure 9:Dreaming 构建 Memory Representations

Figure 10:Wiki 随 Dreaming 轮次增长的效果

但 Wiki 并不是对所有任务都有帮助。
如果问题只需要从某一个文件中通过关键词搜索就能找到答案,那么额外构建 Wiki 的收益可能很小。原文的另一个案例中,Wiki 甚至比原始文档还大:10 份文档约 115 KB,构建出的 Wiki 却达到约 203 KB,是原始语料的 1.77 倍。
Figure 11:跨文档综合任务与单文档检索任务的对比

Figure 12:Wiki 规模超过原始语料

这说明 Wiki 的价值取决于任务类型:
需要跨文档关联、综合判断或计算时,Wiki 可能有明显优势。 只需要从单一文档提取信息时,直接搜索可能更简单。 如果 Wiki 只是把原文重新复制一遍,甚至比原始资料更庞大,就没有实现真正的抽象。
记忆表示的目标是降低未来理解和检索成本,而不是制造另一份更大的资料库。
七、Dreaming 的第三个作用:把重要记忆提升到会话上下文
有些信息非常重要,Agent 不应该每次都等到任务开始后再搜索。
Dreaming 可以把这类信息提升到记忆层级顶部,由 Agent Harness 在新会话开始时自动注入上下文。
但注入不是越多越好:
每条注入记忆都会消耗上下文 Token。 错误信息可能在每次会话中重复影响模型。 更长的指令文件不一定带来更好的遵循效果。
Anthropic 提到,Claude Code 的 Auto Memory 不会把所有记忆文件都加载进每次会话,而是只加载 MEMORY.md 的前 200 行或 25 KB(以先达到的限制为准)。这个文件相当于一个索引,告诉 Claude 已经记住了什么,以及需要时去哪里查找更详细的内容。
Figure 13:Dreaming 将记忆提升到 Injected Context

这一设计体现了上下文工程中的一个重要原则:
高频、稳定、关键的信息适合预加载;低频、细节化的信息适合按需检索。
八、Dreaming 的第四个作用:围绕目标塑造记忆
记忆并不一定要服务于所有可能的未来任务。不同 Agent 的职责不同,值得记住的信息也不同。
例如:
编程 Agent 更需要保存项目约束、代码结构、构建命令和已验证的调试经验。 企业知识助手更需要保存业务概念、组织关系、流程规则和来源依据。 个人助手更需要保存用户稳定偏好、长期目标和已确认的个人背景。
Anthropic 通过合同审查任务展示了目标导向记忆的重要性。
在一个并行构建 Wiki 的实验中,多个 Agent 同时向同一份合同条款汇总页面写入内容,发生了相互覆盖。最终,57 项评估事实中只有 41 项被保留下来,覆盖率约为 72%。
随后,Anthropic 调整了构建指令:每份合同由单独 Agent 负责自己的页面,并尽量逐字引用合同条款,而不是把所有条款压缩到一个共享表格中。调整后,57 项事实全部保留,达到 100%。
Figure 14:共享页面写入冲突与按合同拆分页面

这组实验说明,记忆系统的质量不仅取决于模型能力,也取决于:
记忆构建目标是否明确; 哪些信息必须完整保留; 多 Agent 并行写入时如何避免覆盖; 对关键事实应当摘要,还是保留原文证据。
对法律条款、合规要求、接口规范等高精度信息,过度摘要可能造成不可接受的信息损失。
九、Dreaming 的第五个作用:补齐跨会话留下的知识缺口
单次 Session 中的 Agent 只能看到当前任务范围内的信息,因此很难保证整个知识结构始终完整。
例如,Agent 在构建 Wiki 时可能先创建页面链接,却没有真正创建对应页面;也可能不同 Session 使用了不同名称指向同一个主题。
Dreaming 可以跨多个 Session 检查这些结构性问题:
查找指向不存在页面的链接; 将错误链接重新指向正确页面; 补充缺失的索引和主题页面; 合并重复内容; 检查页面之间的关系是否一致。
原文展示了一个案例:第二轮 Dreaming 找到了 9 条指向不存在页面的链接,将其修正到已有页面,并新增 3 个页面,包括索引页。
Figure 15:Wiki 第二轮整理前后的结构对比

这说明长期记忆的维护不只是内容维护,也包括知识结构本身的维护。
十、对 AI 架构师的启发:如何设计一套可持续演进的 Agent Memory
Anthropic 的实验可以归纳为一个工程闭环:
记录经验:保留 Session Transcript,确保重要结论有来源可查。 提炼记忆:从任务中筛选稳定、有复用价值的信息,而不是保存全部过程。 验证记忆:将记忆与原始记录、工具反馈或外部事实核对。 组织知识:在跨主题、跨文档任务确有收益时,构建 Wiki 等结构化表示。 选择性注入:将少量高价值信息放入启动上下文,其他内容按需检索。 持续维护:修复错误、过期内容、重复页面和断裂链接。 目标驱动:根据 Agent 的职责决定什么值得记住。
可以把它抽象成如下参考架构:

需要重点权衡的三个架构问题
1. 在线写入还是离线整理?
在线写入能够及时保存信息,但会占用 Agent 的注意力和任务 Token;离线整理对主任务干扰较小,却不能保证整理结果立即可用。
实际系统可以采用混合方式:在线阶段只记录高价值事件和必要线索,离线阶段再做系统性整理。
2. 如何保证记忆不过期、不失真?
记忆可能从一开始就错,也可能因为软件版本、项目状态、组织流程变化而失效。
因此,记忆最好携带来源、时间、验证状态和适用范围。对高风险事实,不能只依赖模型曾经写入的摘要,应当保留原始证据或可重新验证的路径。
3. 什么时候值得构建 Wiki?
Wiki 有维护成本,也可能变成另一套庞大、过时的知识库。
如果任务主要是单文档查找,搜索可能足够;如果任务经常需要跨文档关联、理解复杂实体关系或复用长期经验,结构化记忆才更有价值。
Dreaming 同样需要额外计算资源。没有必要无差别地频繁整理所有记忆,可以优先处理经常被访问、容易变化或曾经发生冲突的信息。
结语:Agent 的长期能力,来自经验的积累与修正
这篇文章最重要的观点,并不是给 Agent 增加一个记忆文件夹,而是把记忆看作一个需要持续维护的系统。一个成熟的 Agent Memory 不只是“记住过去”,还需要知道哪些经验值得保留、哪些结论已经验证、哪些信息可能过期,以及如何在未来任务中找到并正确使用它们。
从架构角度看,Agent 的长期能力不应只依赖更大的上下文窗口或更强的模型。可追溯的经验记录、经过验证的记忆、合理的知识表示,以及受控的上下文注入,共同决定了 Agent 能否从一次次任务中持续受益。
当然,Anthropic 也明确指出,这仍是一个开放的研究方向:Dreaming 需要计算成本,记忆可能产生错误或漂移,模型也无法准确预知未来任务需要什么。如何确定整理频率、优先级和验证范围,仍需要根据具体应用持续评估。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务,帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
想把这些做法用到你的业务里?
留下你的场景和痛点,我们帮你判断从哪一步开始。
联系我们


