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...
TL;DR · AI 摘要
Anthropic 的 Dreaming 机制通过离线整理记忆提升 Claude 效率，实验显示纠错后任务效率提升 15%。
核心要点
- 记忆纠错使 Claude 在游戏实验中减少 37% 的路径重复错误
- wiki 结构使搜索覆盖率从 53% 提升至 61%，节省 2000 token/题
- 知识整理优先加载核心索引，减少 40% 上下文干扰
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- Dreaming 机制
- 核心功能
- 外部记忆纠错
- 知识结构优化
- 离线计算处理
- 验证结果
- 路径错误降低 37%
- 搜索覆盖率 +8%
- token 消耗 -2000/题
金句 / Highlights
值得收藏与分享的关键句。
后台整理修正笔记后，Claude 路径重复错误减少 37%
wiki 配合搜索使覆盖率从 53% 提升至 61%
分级加载索引减少 40% 上下文干扰但保留完整经验
meng shao on X: "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… / X
meng shao
@shao__meng
Show translation
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。
12h
Anthropic 最新研究：Agent 的记忆不是越多越好，Anthropic 如何把记录整理成可用经验 来自 Anthropic 团队
@RLanceMartin
分享，通过多组实验说明：Agent
8:03 AM · Nov 7, 2026
·
1,026
Views
16
2
14
9