我先联网核实 Anthropic 的 “做梦” 机制原始论文与宝可梦实验的具体数据。
Anthropic 在 2026 年 11 月 6 日发布《The components of agent memory》，第一次把 Claude 的 “做梦”（Dreaming）机制完整讲清楚：模型在两次会话之间的空闲时间，用后台算力回放原始交互记录、核对自己写下的记忆笔记、修正错误、把零散经验提炼成可跨会话复用的规则和知识库。这套机制最直观的验证来自《宝可梦红》：同样玩到约 1 万步，旧版 Claude Sonnet 3.7 写了 413 份记忆文件、塞进 225 个文件夹、约 97.8 万字符，只拿到 1 枚道馆徽章；Claude Fable 5 只写 10 份文件、约 4.3 万字符，拿到 4 枚徽章，Opus 5.5 用类似策略直接通关。更关键的是 “纠错”：一条把月见山入口方向记反的笔记，让 Claude 连续三次掉回悬崖、最后写下 “我还是停下来吧”；开启 Dreaming 后，它对照原始日志发现 “方位记反了”，改完笔记掉头进洞，最终抵达华蓝市。
一、先把实验数字对齐
| 实验 | 对象 | 关键数字 | 结果 |
|---|---|---|---|
| 宝可梦红（记忆选择） | Claude Sonnet 3.7 | 413 份文件、225 个文件夹、977,930 字符 | 约 1 万步，1 枚徽章 |
| 宝可梦红（记忆选择） | Claude Fable 5 | 10 份文件（含 1 个 global.md）、43,406 字符 | 约 1 万步，4 枚徽章 |
| 宝可梦红（纠错） | 带错误笔记的 Claude | 连续 3 次掉回原路 | 未到华蓝市 |
| 宝可梦红（纠错） | 开启 Dreaming | 对照日志改笔记 | 第 1935 步抵达华蓝市 |
| 企业知识库 | Claude Opus 5 | 35 万份文档、约 4.2 亿 Token、25 道跨文档题 | 2 轮→128 轮，得分 13%→48% |
| 知识库＋原文检索 | Claude Opus 5 | 同一套题 | 53%→61%，单题省约 2 万 Token |
二、Claude 的记忆被拆成四层
| 层级 | 是什么 | 作用 |
|---|---|---|
| Transcripts（原始会话记录） | 用户输入、模型输出、工具调用参数、执行反馈 | 唯一的 “地面真相”，Dreaming 校验全靠它 |
| Memory notes（记忆笔记） | Claude 在任务中写下的要点 | 快速调用，但可能一开始就写错、会过时 |
| Memory representations（记忆表示） | 由笔记和日志计算出的结构化知识，比如 wiki | 带链接的 “记忆地图”，用于跨会话检索 |
| Injected context（注入上下文） | 每次新会话预加载的索引信息 | 决定 “醒来后先看到什么” |
关键点：这四层不是并列的文件夹，而是一条流水线。 笔记是 “随手记”，wiki 是 “整理后的地图”，注入上下文是 “上班前塞进包里的那张便签”，原始日志则是 “随时可以翻的监控录像”。
三、Dreaming 具体做四件事
- 回放。 在会话空闲时调取原始日志，而不是只看自己写的摘要。
- 校验。 拿笔记和日志对照，发现矛盾就改 —— 月见山那条 “Mt Moon DONE” 就是这么被推翻的。
- 提炼。 把具体经历变成规则。比如连续 7 个精灵球没抓到鲤鱼王，Fable 5 写下的不是 “我失败了”，而是 “连续 3 次失败就改变按键间隔”。
- 预加载。 把最常用的索引放进下一次会话的注入上下文，细节留在下层，需要时再取。
这也解释了一个反直觉的结论：记忆不是越多越好。 宝可梦的游戏状态每回合都能从屏幕读到 —— 金币多少、人在哪、血条多少 —— 记下来只会不断过期。Sonnet 3.7 的问题不是 “记不住”，而是 “记得太全”，到第 1 万步时它花了 17 个动作新建 6 份文件、删 9 份文件，游戏里的角色一步没动。
四、为什么 “10 份笔记” 反而通关
| 做法 | Sonnet 3.7 | Fable 5 / Opus 5.5 |
|---|---|---|
| 记录对象 | 每场战斗、每个道具、每个 NPC 都单独建档 | 只记屏幕读不到的东西：策略、路线、规则 |
| 文件规模 | 413 份 / 225 个文件夹 | 10 份 / 2 个文件夹 |
| 维护成本 | 越玩越重，整理笔记挤占游戏时间 | 边玩边重写，保持小而新 |
| 结果 | 1 枚徽章 | 4 枚徽章，Opus 5.5 通关 |
Fable 5 的 global.md 像一块仪表盘：当前目标、打道馆的预案、自己定的记忆使用规则。locations 文件夹放具体路线，gameplay 文件夹放 “这游戏怎么玩” 的策略。它记的是 “下次怎么做得更好”，不是 “这次发生了什么”。
五、月见山：一条错笔记如何让 AI 破防
- Claude 把宝可梦中心错记成 “在山洞东侧”，走出门就宣布 “月见山在我身后”，并把笔记改成 “Mt Moon DONE”。
- 导航工具不显示悬崖，它走过单向落差，掉回原来的路；它没有怀疑笔记，反而解释成 “我只是往西走过头了”。
- 连续三次之后，它在执行记录里写下：“我还是停下来吧，省得一直原地打转。”
- 开启 Dreaming 后，它对照原始日志发现方位记反，重写笔记；下一次会话直接掉头进洞，第 1935 步到达华蓝市。
这段故事的价值在于：AI 的 “自信错误” 比 “不知道” 更危险。 模型会信任自己上一轮写下的笔记，而笔记可能是错的；Dreaming 的作用，就是给记忆装一个 “定期对账” 的环节。
六、企业知识库：13% 到 48% 的代价
| 指标 | 2 轮 Dreaming | 128 轮 Dreaming |
|---|---|---|
| Wiki 页面 | 103 页 | 222 个高聚合页面 |
| 页面链接 | 766 条 | 12,893 条 |
| 25 道跨文档题得分（仅靠 wiki） | 13% | 48% |
| Wiki＋原文检索 | — | 53%→61% |
| 单题 Token 消耗 | — | 平均减少约 2 万 |
| 并购材料多跳推理 | — | Wiki 87%，纯检索 73% |
这套方法在 “跨文档整合” 上优势明显：材料越散、越需要多跳推理，结构化 wiki 越省事。但它的本质是用后台算力换前台效率——128 轮做梦不是免费的。
七、三个还没解决的坑
- 抽象会膨胀。 一次 115KB 的原始输入，Claude 生成的知识文件有 203KB，是原文的 1.77 倍，摘要反而没起到压缩作用。
- 并发会丢事实。 多个 Agent 同时编辑共享合同表，没有并发控制，57 项关键事实丢了 16 项；改成 “每份合同独立 Agent、条款保留原文” 后，才满足全部 57 项评分。
- 节奏没有标准答案。 记得太勤影响当前任务，全交给后台又可能赶不上下一次会话；代码库重构后旧规则会过时，Dreaming 多久跑一次、哪些记忆该留，目前仍要按场景调。
另外，Claude Code 的自动记忆已经做了 “体积控制”：新会话只加载 MEMORY.md 开头 200 行或最多 25KB，当索引使用，细节按需再读。
八、结论
Claude 的 “做梦” 不是玄学，而是一套很工程化的记忆维护流程：原始日志当真相，笔记当草稿，wiki 当地图，注入上下文当便签；空闲时回放、对账、提炼、重排。 宝可梦实验证明了两件事 —— 记忆的价值不在于数量，而在于 “记住屏幕读不到的东西”；记忆的可靠性不在于写得多仔细，而在于敢不敢拿原始记录推翻自己。对做 AI Agent 的人来说，最该抄的不是 “做梦” 这个词，而是那条流水线：先保证有真相可查，再谈记忆有多聪明。
【相关 FAQ】
问题 1：Claude 的 “做梦” 机制到底是什么，是真的在睡觉吗？
回答 1：不是真的睡觉，是 “空闲时间计算”。Claude 的做梦机制（Dreaming）利用两次会话之间的空闲算力，回放原始交互日志，核对自己写下的记忆笔记，修正错误，再把经验提炼成规则或 wiki 知识库。它借鉴的是人脑睡眠时海马体回放、皮层巩固记忆的过程，本质是离线记忆整理，不是模型真的进入睡眠状态。
问题 2：Claude 玩宝可梦的实验里，为什么 413 份笔记反而输给 10 份笔记？
回答 2：因为 413 份笔记记了大量 “屏幕上一眼能看到” 的信息，比如金币、坐标、血条，这些状态每回合都在变，记下来很快过期，维护成本越滚越大。Sonnet 3.7 到第 1 万步时花了 17 个动作新建 6 份、删除 9 份文件，游戏角色一步没动，只拿到 1 枚徽章；Fable 5 只写 10 份文件，记的是策略、路线和规则，拿到 4 枚徽章。Claude 的宝可梦实验说明，记忆的关键是筛选，不是数量。
问题 3：Claude 的做梦机制怎么修正错误记忆，月见山发生了什么？
回答 3：靠 “拿笔记对照原始日志”。Claude 在宝可梦月见山把宝可梦中心错记成东侧，写下 “Mt Moon DONE”，结果三次掉回悬崖，最后说 “我还是停下来吧”。开启 Dreaming 后，它回放会话日志，发现真实方位与笔记相反，重写笔记，下一次会话直接回头进洞，第 1935 步抵达华蓝市。Claude 的做梦机制之所以能纠错，是因为原始 transcript 提供了可验证的地面真相。
问题 4：Claude 的做梦机制在企业知识库上效果有多大？
回答 4：在 Anthropic 用 35 万份文档、约 4.2 亿 Token 做的测试里，Claude Opus 5 经过 128 轮做梦，把 wiki 从 103 页扩展到 222 页、12,893 条链接，仅靠 wiki 回答 25 道跨文档题，得分从 13% 提升到 48%；wiki 加原文检索从 53% 提升到 61%，平均单题还省了约 2 万 Token。并购材料多跳推理任务里，wiki 准确率 87%，高于纯检索的 73%。但这是用后台算力换来的。
问题 5：Claude 的做梦机制有什么风险，能直接照搬吗？
回答 5：不能直接照搬，至少有三个坑。第一，知识抽象会膨胀，115KB 原文可能生成 203KB 知识文件，是原文的 1.77 倍；第二，多 Agent 并发编辑会互相覆盖，测试中 57 项关键事实丢了 16 项；第三，做梦节奏没有通用标准，记得太勤影响当前任务，全丢后台又可能赶不上下次会话，旧规则还会随环境变化过时。Claude 的做梦机制适合先小场景试，配合版本控制和并发隔离，再谈规模化。
【参考资料】
[2026-11-09]（Claude “做梦” 机制大公开，AI 睡一觉学会通关宝可梦）36 氪／量子位
[2026-11-08]（Claude 终于学会做梦了！Dreaming 机制让金鱼脑进化成最强大脑）人人都是产品经理
[2026-11-07]（Anthropic 研究称 Claude AI 智能体可以靠 “做梦” 变得更聪明）IT 之家
[2026-11-07]（Anthropic：Claude 靠做梦提升长期任务表现）AI 产品库
[2026-11-06]（The components of agent memory）Anthropic
【免责声明】
本文信息来自 Anthropic 官方研究文章《The components of agent memory》及 36 氪、IT 之家、人人都是产品经理等公开报道；实验数据（宝可梦步数、徽章数、文件数、wiki 得分等）以 Anthropic 原文口径为准，不同媒体转述可能存在表述差异。文中 “做梦” 为 Anthropic 对离线记忆整理机制的比喻，不是字面意义的睡眠。本文仅作技术解读，不构成产品选型或投资建议。