Anthropic 给记忆装上可审的离线做梦

长跑智能体的记忆开始拆成会话内写笔记与离线异步校对，输出新库可审可弃。

画面很具体：智能体写错了宝可梦洞穴入口在哪一侧，下一会话仍信那条笔记，于是反复掉下悬崖；离线「做梦」对照原始会话记录改掉位置后，它重新钻回山洞，走到下一座城。

读者最想问：厂商又在讲「记忆」，这次到底做成了什么？暂时答案是：Anthropic 把记忆拆成「会话内写笔记」和「离线重组」两段，并把第二段做成可审、可弃的异步作业。

11 月 6 日，记忆被写成两段作业

据 Anthropic 2026 年 11 月 6 日工程稿，公司把 agent memory 定义成跨会话保留、可供后续读取的经验知识，明确排除权重更新、单次对话内学习和压缩摘要。

同日公开的核心动作叫 dreaming：在空闲时对照会话日志重组记忆，用来纠错、写新笔记、建表示，或决定哪些内容预载进下一会话。

Snape Report 核对了发布日与作者 Lance Martin，并转述宝可梦与内部文档评测线索。

这不是又一篇「模型更聪明」的宣传单。它把长跑失败里常见的一类问题——笔记漂了、下一会话还当真——抬成了可设计的产品层。

产品边界：输入不改，输出另库

据 Claude Docs 的 Dreams 页，做梦是 Managed Agents 研究预览：一次作业吃进既有 memory store，再加 1 到 100 段既有会话，产出一个重组后的新 store。

关键约束写得很硬：输入库永不改写；输出可审阅，不喜欢就丢弃。状态从 pending、running 走到 completed、failed 或 canceled；失败或取消时输出库保留当时已写内容，便于检查。

接口还要求单独的 dreaming-2026-04-21 beta 头；只有 Managed Agents 头拿不到做梦。账单按所选模型的标准 token 计价，成本大致随输入会话数量与长度上升。

分析推断：对企业采购来说，这把「记忆」从黑箱副作用改成了可挂审批的后台任务——依据是文档对输入不可变、输出可弃与异步生命周期的规定。

评测里做成了什么，没做成什么

Anthropic 用宝可梦跑通纠错：错误笔记写着宝可梦中心在东侧，智能体以为「山洞已过」并掉下单行悬崖；做梦对照会话改位置后，它重新进洞并到达华蓝市。未校正的那次则在同一段路反复失败。

另一组自报数字来自收购的 Stainless 约 35 万份内部文件、约 4.2 亿 token。做梦从 2 轮扩到 128 轮后，25 道题的得分标准命中率从 13% 升到 48%；wiki 加搜索时聚合分可到 61%，并称每题约省 2 万 token。

以上全部是企业自报评测，不是第三方复测，也不是生产 SLA。文档自己也写：预载进每一会话的顶层必须保持很小，错误笔记被注入会扩散到每个新会话。

有人会说宝可梦与内部文档不等于生产可靠性，做梦还额外烧算力。我们承认：公开材料没有给出企业生产环境的纠错率、时延或费用分布。我们仍坚持——把校对做成可审输出库，已经改变了「记忆漂了怎么办」的产品话术：买方第一次能要求看重组前后的库，而不是只听「它会记住」。

回到那个洞穴入口

做成了的是交付形态：会话内写笔记负责当下；离线做梦负责对照原始记录重组，并交出一份可审可弃的新库。

没做成的是普遍生产证据：研究预览、自有 harness 评测、外部实验室复现都还没有公开。

我们的判断很硬：长跑智能体下一道可交付能力，已经是记忆能否对照会话校对，而不是会话里能堆多少笔记。

堆得越多，未经校对的错误越容易被下一会话当真；停在「多写几条笔记」的团队，买到的是漂移，不是进度。

回到那个画面：智能体站在山洞口，手里捏着一张写错方向的纸条。做梦改完纸条之后，它钻回去了；在纠错率公开之前，这仍是路线图，但它把「做成了没有」的验收点写清楚了——看的是校对作业，不是笔记张数。