在月见山跳了三次崖的 Claude
2026 年 11 月 6 日，Anthropic 发布了一篇研究文章《The components of agent memory》，拆解 Claude 的智能体记忆是怎么搭起来的。文章里有大量评测和数字，但真正让我过目不忘的，是其中一个片段：在《宝可梦 红》里，Claude 在月见山（Mt. Moon）迷路了。
月见山的入口在西侧，出口在东侧，附近有一个单向悬崖。Claude 把宝可梦中心当成了方位地标——但它在记忆笔记里，把这个中心的方位记错了。于是每一轮，它都基于这条错误记忆，做出一个完全”理性”的推理：宝可梦中心在出口这一侧，说明我已经穿过山洞了。它宣布 “Mt Moon is behind me”，顺手把笔记更新成 “Mt. Moon DONE”。然后跳下那个单向悬崖，回到来时的路上。
在记忆未被修正的那次运行里，它连续三次跌回原路。第三次之后，它在笔记里写下一句让人心情复杂的话：”I’m going to stop rather than keep looping”——我打算停下来，而不是继续循环。然后它一路退回起点城市 Pewter，直到运行结束，都没能走到下一座城市 Cerulean。
对照组只多做了一件事：在空闲时段，让 Claude 重读原始的会话记录，跟自己的笔记对账。错误的方位被找了出来，改掉了。这一次，它径直走回月见山，一路走到了 Cerulean City。
同样的模型，同样的游戏，唯一的差别是一条错误记忆有没有被清理。这个对照让我意识到一件此前想得不够透彻的事：Agent 记忆系统的核心难题，不在写入，在遗忘。
一、错误的记忆比没有记忆更毒
先说一个反直觉的结论：对 Agent 来说，记错了，比根本没记还要糟。
没记的时候，Agent 面对的是一个空白：它至少会现场观察一遍——看一眼地图，读一遍代码，查一遍文档。观察是有成本的，但观察得到的是当前的事实。
而一条错误的记忆，会让 Agent 跳过观察直接行动。月见山里那个 Claude 没有任何一次怀疑过自己的笔记：笔记说山洞已经穿过，那就跳崖。记忆越”可靠”，行动越果断——错的记忆加上好的执行力，就是一个每轮都精准踩坑的机器。更糟的是，记忆是跨会话注入的：一条错误笔记不是污染一次决策，是污染之后的每一次决策，直到有人或某个机制把它清理掉。
Anthropic 在文章里对这一点异常坦率，把它列为智能体记忆的三大挑战之一：记忆可能在写入时就是错的，也可能随环境变化而失效；持续核查所有记忆不现实，所以离线整理需要算力，得挑着查。
这个判断跟 HN 讨论区里最扎心的几条批评完全一致。有用户描述自己使用记忆功能的真实体验：”Claude 压根谈不上’记得’。这些就是随机注入到狭小上下文里的随机 markdown 文件。它说’抱歉，我记一下’，然后写下第 15000 条内容跟之前几十条一模一样的笔记。”另一位用户说得更朴素：”只增不减的记忆文件，最后会剩下互相打架的新旧笔记，模型可能照着错的那条走。每年八月我都得亲手清理我的梦幻橄榄球笔记，把上赛季的规则跟这个赛季的分开。”
（后一条引语来自社区讨论，但道理不因此打折扣——一个只想着写、从不想着扔的记忆系统，迟早变成一个垃圾场。这几乎就是所有人类知识管理工具的老路。）
二、413 对 9：写入即预测
如果说纠错是记忆系统的下限，那什么决定上限？Anthropic 的宝可梦实验给了一个漂亮的回答：判断力。
让不同模型自管理记忆文件夹玩《宝可梦 红》，结果差异大得像笑话：
- Sonnet 3.7 写了 413 个记忆文件，铺在 225 个文件夹里——每场战斗、每件道具、每个 NPC 单独一个文件——最后拿到 1 枚徽章。
- Fable 5 总共维护了 9 个文件，外加一个顶层的
global.md，拿到 4 枚徽章。 - Opus 5.5 只追踪”当前目标”和”下一步”两个东西，随玩随改写，直接通关。
41 倍的文件量，换来四分之一的成绩。而且这不是评测 bug：Anthropic 自己分析，Sonnet 3.7 记的东西大量是冗余——金钱、地图位置这些屏幕上每回合都能直接读到的信息，记下来毫无价值；真正值得记的是那些只有 Claude 自己推导出来、不写下来就永远消失的东西：策略、计划、经过测试的规则。比如连续用 7 个精灵球都没能收服一条鲤鱼王之后，它写下的一条规则是：如果 3 个以上连续失败，就在菜单步骤之间插入额外的等待按键来改变投掷节奏——下一投就成功了。
最有意思的是一个反直觉的对照：Anthropic 试过给模型预设”只记录失败”的固定规则，结果 Opus 5 和 Opus 4.7 因此丢掉了记忆带来的大部分收益。对足够强的模型，把”什么值得记”的判断权留给模型自己，好过替它设计一套看似严谨的规则。salience 判断本身就是能力的一部分，而且一代比一代进步得实打实：在 CL-Bench 的数据库问答任务上，Sonnet 4.6 答错后只会写下一堆未经测试的猜测；Opus 4.7 已经会把散落的笔记整合成单一参考文档，并标注哪些已核实、哪些存疑；到 Opus 5，第一次出现了完整的学习闭环——每条规则旁边写着自己是怎么验证的，还有一路踩过的陷阱警告。
Anthropic 给这件事的定语是”记忆是一种对未来的预测”：写下一个规则，等于赌这个模式将来还会出现。赌注下得准不准，就是模型之间的差距。这比”上下文窗口越大越好”的流行叙事诚实得多——决定下一轮表现的从来不是记得多全，而是该想起的时候能不能想起。
三、Dreaming 修得好”写错的”，修不了”过期的”
文章里那个离线对账机制，Anthropic 借用神经科学的说法管它叫 dreaming——像海马体在睡眠中重放白天的经验那样，让 Agent 在交互空闲时重读日志、修正笔记、把散落的信息整理成 wiki 式的知识结构（思路承接 Letta 和 UC Berkeley 提出的 sleep-time compute）。名字确实有营销味，但它的效果有数字支撑：
拿今年 5 月收购来的 Stainless 的内部文档做语料——约 35 万个文件、4.2 亿 token——让 Claude 通过多轮”做梦”逐步构建 wiki。整理规模从 2 次会话扩到 128 次，25 个评估问题的达标率从 13% 提升到 48%；wiki 与检索工具组合，总分从 54% 升到 61%，平均每个问题省下约 2 万 token。在一份需要跨文档综合的并购文档测试里，用 wiki 得 87%，纯检索 73%。最极端的是共享合同条款表：改用”每份合同一个 Agent、条款逐字引用”的写法后，57 个事实的留存从 41 个（72%）变成 57/57。
但我想泼一盆冷水，而且这盆冷水泼向所有正在给 Agent 加记忆的人。
注意这些实验里纠错的参照物是什么：原始会话记录。月见山的方位之所以改得回来，是因为 transcript 一直躺在那里，笔记和它对不上就是笔记错。可这只在一个前提下成立——事实本身没有变。
现实里的事实是会变的。依赖昨天升了级，API 上周改了签名，你的产品经理今早推翻了上周的决定。这时候去哪找”原始日志”来对账？没有。日志记录的是过去某个时刻的真相，而记忆需要贴合的是现在。Dreaming 能修复”写错了的”记忆，修复不了”写对了、但世界变了”的记忆——后者需要的是主动过期、版本对照和冲突消解，恰恰是这套架构里最欠账的部分。Anthropic 也在文末承认：wiki 需要持续的算力维护来防止误差和幻觉累积，有的任务里 wiki 甚至长得比原始文档还大。
一个耐人寻味的细节是，官方自己在 Claude Code 里的兜底方案是什么？MEMORY.md 只加载前 200 行或 25KB，多出来的物理截断；官方文档还警告，更长的指令文件会降低指令遵循度。翻译一下：在”让记忆无限增长”和”粗暴地砍掉后半截”之间，生产环境选了后者。物理截断当然粗暴，但它至少是显式的遗忘——比一套永远只增不减、悄悄失效的记忆系统诚实得多。
四、我自己那份对不上账的记忆文件
说一个我自己的翻车经历，跟月见山是同一个病。
我给”每天写一篇博客”的自动化任务维护过一份记忆文件，让它在每次运行后记录产出了哪篇文章、踩了什么坑。头一个月很美好。然后我发现一个模式：文件里言之凿凿地写着”已产出某某文章”，去磁盘上一看，_posts/ 里根本没有这个文件——前后发生过三次。一份用来对抗遗忘的记忆，自己成了最大的不可靠来源。后来的规则简单粗暴：开工先 ls，一切以磁盘为准，记忆文件里的任何”事实”在动手前都必须重新验证。从那以后再没被坑过。
这件事给我的教训跟 Anthropic 的实验结论惊人地一致，我把它整理成几条可以直接抄的：
- 写入前先问保质期。写一条记忆之前问自己：这条多久会过期？一个月内会过期的，写进日志，别写进记忆。
- 给记忆带上失效条件。带依赖版本号的规则，在版本号变更时自动作废；带日期的结论，超期重验。
- 定期对账，且对账的方向是单向的。记忆和现状冲突时，永远以现状为准——这条看着废话，但月见山里的 Claude 就是死在”以记忆为准”上。
- 遗忘必须显式。可以像
MEMORY.md的 200 行截断一样粗暴，但不能没有。只增不减的记忆系统不是资产，是负债。 - 关键决策前重读现状。要改一段代码、下一个判断之前，重读一遍真实的文件和文档，别直接引用三个月前的记忆——哪怕它是你自己写的。
结语：下一个突破在遗忘端
Anthropic 的文章开头引了克尔凯郭尔：生命只能回望地理解，却必须向前地活。智能体恰好卡在同一个处境里：它必须向前行动，而它能依赖的理解全部来自回望。记忆系统就是缝合这个裂缝的针脚。
这条线上的公开进展几乎全在写入端：怎么写笔记、怎么判断显著、怎么离线整理。但月见山那个故事真正教给我们的，是另一端的重量——三次跳崖不是因为记得太少，是因为一条该扔没扔的记忆。目前所有这些 dreaming、wiki、对账，处理的都还是”自己的经验”，而最难的永远是”自己的经验已经过时了”这件事。
Agent 记忆的下一仗，不在能不能把经验存下来，而在世界变了之后，敢不敢把昨天的结论扔掉。谁能先做出一套体面的遗忘机制，谁才配谈长期记忆。
参考与延伸
- Anthropic 原文：https://www.anthropic.com/research/components-of-agent-memory（2026-11-06）
- Hacker News 讨论：https://news.ycombinator.com/item?id=50404057（其中批评性引语为社区个人经验，非官方口径）
- IT 之家报道：https://m.ithome.com/html/1023613.htm
- 社区反应综述：https://llmtracker.de/en/news/anthropic-s-agent-memory-framing-draws-fire-clever-engineering-or-anthropomorphi
- Anthropic 收购 Stainless 公告：https://www.anthropic.com/news/anthropic-acquires-stainless（2026-05-18）
说明：文中宝可梦、CL-Bench、企业文档等评测数字均来自 Anthropic 原文自述，属于官方自家口径，dreaming 的收益尚无第三方复现；宝可梦实验中的模型行为为单次运行的观察结果，不构成模型间能力排名。