Agent 工程实践简报 · 2026-11-08

今日概念:Agent memory(agent 记忆)/ Dreaming(做梦整理)

是什么:每次新开一个会话,agent 的上下文窗口都是空的。Agent memory 是它从「做过的事、被纠正过的错」里留下来、下次还能读到的知识,通常存成一个会持久保存的记忆文件夹。它不是改模型权重,也不是同一段对话里临时记住的东西,更不是 compaction(把同一会话里的旧回合压成摘要,好腾出空位继续聊)。人的大脑会在睡着时回放白天的经历,把有用的巩固下来;agent 也可以在两次任务之间的空闲时间回头看日志和笔记:改错、写新笔记、建索引,再把最重要的几条「顶」到下次一开场就会自动读到的位置。Anthropic 把这种离线整理叫做 dreaming(做梦),并引用了 Letta 和加州大学伯克利分校提出的 sleep-time compute(睡眠计算)。

解决什么:没有跨会话记忆,后台跑的 agent 每次开工都会重踩同样的坑。但记忆写错或写太滥会更糟。文章里 Claude 玩《口袋妖怪》时,旧模型 Sonnet 3.7 把能从屏幕直接读到的状态也记下来,写了 413 个文件、225 个文件夹,后来花大量步数在整理文件而不是玩游戏,只拿到 1 枚徽章;更新的 Fable 5 只写了 9 个文件加一个 global.md(当前目标、计划和自己的记忆规则),拿到 4 枚徽章。记错也会被后续会话当真:Claude 把山顶洞穴入口的位置记反了,三次掉下悬崖后几乎放弃;用 dreaming 对照原始会话记录改掉这条笔记后,它直接走回洞穴并到达下一座城。

和你已会的东西的关系:CLAUDE.md / AGENTS.md 是你写给 agent 的说明书;memory 是 agent 自己从经验里留下的笔记。Claude Code 的 auto memory 就是这种机制:索引写在 MEMORY.md 里,每次会话开始只注入前 200 行或 25KB(先到为准),细节放在按需打开的主题文件里。昨天讲的 background agents 解决的是「人不在时任务继续跑」;dreaming 也是空闲时间里跑,但干的是整理记忆,不是做原来那件事。你要的 software factory 要跨多次触发、多次后台运行还记得教训,靠的就是这类跨会话记忆,而不是把一切塞进越来越长的 prompt。

入门原文:The components of agent memory(Lance Martin / Anthropic Engineering,2026-11-06);操作对照:How Claude remembers your project(Claude Code 官方文档,写清了 MEMORY.md 的注入上限)。

上手 prompt:

目标:盘点这个仓库里「跨会话还记得的东西」,分清人写的说明书和 agent 自己留下的经验笔记,并设计一份刚好够用的记忆方案。不要绑定某一家云产品或某一个 agent 品牌。

1. 先读仓库:README、CLAUDE.md / AGENTS.md、已有的 memory / MEMORY.md / 会话笔记 / 经验文档,以及 Claude Code 或同类工具的本地记忆目录(如果这台机器上有)。列出路径。说明当前有没有「下次开新会话还能读到」的经验笔记;没有就直说。
2. 按三列制表:内容类型(例:构建命令、编码约定、被纠正过的偏好、已验证的业务规则、可随时从代码/界面重新读到的状态)、现在放在哪、它更该是人写的说明书还是 agent 写的记忆。能从代码、测试或界面重新读到的状态,标成「不该写入记忆」。
3. 给出最小方案:(a) 人写的说明书继续放哪、写什么;(b) agent 记忆放哪、一篇笔记应包含什么(规则、怎么知道它是对的、已知陷阱);(c) 每次会话自动读入的索引如何保持短小(对照:Claude Code 只注入 MEMORY.md 的前 200 行或 25KB)。先给我方案,等我确认再改文件。
4. 若动手改了文件:贴出改动前后的目录树和索引原文。再写 1 条故意错误的记忆(例如一条和代码现状相反的规则),说明下次 dreaming / 人工核对时应该怎么抓住它。
5. 交付:对照表、方案、文件路径、以及写进 AGENTS.md 不超过 8 行的「什么该写进记忆、什么不该写、索引太大时怎么办」。

参考:Lance Martin《The components of agent memory》https://www.anthropic.com/research/components-of-agent-memory ;Claude Code 记忆文档 https://code.claude.com/docs/en/memory

本期条目

1. 记忆要写成「已验证的规则 + 依据 + 陷阱」,不要堆未经检验的猜测;更强的模型被要求「只记失败」反而会变差

目标:检查这个仓库(或本机 agent 记忆目录)里已有的跨会话笔记,把「未检验的猜测 / 流水账」改成「规则 + 依据 + 陷阱」,并证明一次对照原始记录的纠错能抓住错误笔记。

1. 先读现有记忆:MEMORY.md、主题笔记、经验文档、CLAUDE.md 里被当成「经验」写下的段落。列出路径。完全没有记忆文件就停在这一步,告诉我缺什么,并提议最小的记忆目录结构,不要编造已经存在的笔记。
2. 抽查至少 10 条(不够就全部看完),每条标成四类之一并引用原文:已验证的规则、未检验的猜测、可重新从代码/界面读到的状态、已经过期或自相矛盾。给出各类计数。
3. 把问题最明显的 3 到 5 条改写成闭环格式:规则是什么、根据哪次运行/哪段日志/哪次纠正知道它对、有哪些已知陷阱。删掉或下沉那些能随时重新读到的状态。先给我改写草案,等我确认再写入。
4. 做一次 dreaming 式核对:对照 git 历史、测试输出或会话日志(有哪样用哪样,不要编造 transcript),检查改写后的笔记。另外故意留 1 条和现状相反的错误笔记,跑你的核对称它抓出来,贴出证据,然后再删掉这条错误笔记。
5. 交付:分类表、改写前后对照、核对命令或步骤、抓住错误笔记的证据、以及「禁止只记失败、禁止把可重读状态写入记忆」写进 AGENTS.md 的不超过 6 行说明。

参考:Lance Martin《The components of agent memory》https://www.anthropic.com/research/components-of-agent-memory

2. 多个 agent 同时写同一份共享记忆页会互相覆盖:一页一个作者、关键事实引用原文

目标:为这个仓库里「多个 agent / 多次并行任务会共同维护」的文档或记忆,改成「每个可写页只有一个作者」,并证明共享可写页真的会丢信息。

1. 先读仓库,找出会被并行任务同时更新的文件:共享笔记、状态页、wiki、经验文档、MEMORY.md、汇总表。列出路径和现在谁在写它们。没有并行维护的文件,就选一个适合拆开的共享文档做演练,并说明为什么选它。
2. 设计规则:(a) 哪些页是只读索引(可以有很多读者、由协调员更新链接);(b) 哪些页是事实页(每次只允许一个工人写);(c) 关键事实是原文摘录还是摘要(容易被评分或容易被覆盖的,优先原文摘录)。先给我规则,等我确认。
3. 做一次对照实验并贴证据:准备一份有若干个独立条目的共享页(可以用虚构但结构真实的条目)。第一轮让两个工人(或两次并行编辑)同时改同一页;第二轮改成每人只写自己的分页,再由协调员只更新索引。统计两轮各保住了多少条目。
4. 不要为了实验改生产数据:在隔离目录或 worktree 里做。做完后给出推荐的目录约定。
5. 交付:单写者规则、两轮对照的条目保留数、目录约定、以及写进 AGENTS.md 不超过 6 行的「并行任务禁止同时写同一文件」。

参考:Lance Martin《The components of agent memory》https://www.anthropic.com/research/components-of-agent-memory

3. 公开榜上挤在同一分数的模型,题目稍改就拉开大差距:给你自己的 eval 也做「轻微改写」变体

目标:给这个仓库里已有的 agent / skill / prompt 评测补一组「轻微改写」变体,用来检查模型是在解决当前要求,还是在复读它见过的旧解法。

1. 先读仓库,找出评测用例:eval 目录、skill 测试样例、fixture、回放脚本。列出路径。完全没有就停下,告诉我要先有什么,不要编造用例。
2. 从现有用例里挑 5 到 10 道「有明确可观察验收」的题。对每一道只改一处,且改完后主任务仍然成立。优先这类改动:文件名或标识符的大小写/前缀、说明书里多一条约束、起始代码里一个和题面一致的小差异。不要泄露「这题在考你有没有注意改动」。
3. 原题和变体用仓库里已有的命令各跑至少 3 次(命令先从仓库确认)。记录通过率,并检查失败的变体:agent 是忽略了新约束,还是套用了原题的旧答案(例如仍写出旧文件名)。贴出命令和输出证据。
4. 把变体保存在原用例旁边,命名上能看出它是配对的改写,而不是全新题目。再加一条说明:以后新增评测必须同时提供至少一个轻微改写变体。
5. 交付:配对表(原题、改了什么、原题通过率、变体通过率、失败原因)、变体文件路径、以及「分数接近时先看变体是否一起掉下来」写进评测说明的一小段话。差异不明显也如实报告。

参考:Justin Lo / MaxxBench https://x.com/loresjpg/status/2118880329490637049 ;https://maxxbench.unlap.ai/ ;Hamel Husain https://x.com/HamelHusain/status/2119138141793841376

本期去重用源链接(机器可读)