Claude“做梦”机制大公开，AI睡一觉学会通关宝可梦

Anthropic给Claude装上了一套颇像人类睡眠的“做梦”机制：模型不必在每轮对话里把所有上下文都硬塞进窗口，而是在用户离线或交互暂停时，利用空闲算力重新检查过去的经历、纠正错误记忆，再把零散信息整理成能够跨会话复用的知识。这套思路借鉴了神经科学对睡眠的记忆整合解释——海马体白天接收高密度短期碎片记忆，休息阶段大脑回放经历，把零散事实筛选、沉淀并结构化，逐步整合进大脑皮层，转化为长期知识。

在现有Agent架构中，系统常面临两难：上下文窗口随任务轮次增加而膨胀，推理延迟与调用成本激增；若依赖粗粒度的长文本摘要或向量检索，关键技术细节又容易被遗漏，逻辑链条支离破碎。Anthropic的解法是引入空闲计算（Sleep-time compute），在用户离线或交互暂停时启动Dreaming流程，用离线计算沉淀长期知识。

Claude把“睡觉”写进Agent日程

Claude写记忆，靠的是会话当下对“什么重要”的判断。问题在于，一条从一开始就写错的笔记，或者随着环境变化慢慢跑偏的笔记，可能在后来会话里被Claude读出来，并且被信任。

“做梦”给的正是把笔记和原始记录对照检验的机会。它不再只是顺着已有记忆继续推理，而是带着审视的眼光翻看原始底层日志，对照真实反馈，发现“笔记写反了”就当场重写。

• 即时记录负责在会话中抓住重点；
• 离线Dreaming负责在会话间隙复查、纠错、结构化；
• 跨会话复用则让整理后的知识进入下一次任务。

这套机制的价值不只在“记住更多”，更在于“记住对的”。资料显示，在CL-Bench 1.0数据库基准测试中，整合“错误样本、归因分析、验证结果与最终规则”的机制，使Opus 5.5的平均得分从无长期记忆时的0.655提升至0.838。

月见山悬崖前的死循环，被一场梦撕掉错误笔记

宝可梦实验里，月见山成了一个典型样本。游戏里要穿过月见山：入口在地图西侧，出口在东侧。入口附近有个陷阱——一个单向下坡，玩家掉下去就回到来时的路，还爬不回来。Claude一直拿山口的宝可梦中心当路标，所以它会不会掉下那个坡，取决于它以为宝可梦中心在山的哪一边。

某一刻，Claude错误地记下：宝可梦中心在东侧。走出宝可梦中心时，它宣布“月见山在我身后了”，还更新笔记：“月见山，搞定。”但月见山根本不在它身后。几步之后，它掉下那个坡，回到了来时的路。导航工具没显示这个落差，于是Claude得出结论：“我朝西走过头了”——自己一直在正确的一边。其实并没有。

如果没有做梦机制，Claude拿着那份写着“Mt Moon DONE”但方向相反的死笔记，只会不断强化自己的错误认知，甚至脑补出“我只是往西走过头了”的借口，最终心态炸裂原地罢工。引入Dreaming后，离线算力介入，模型重新翻看原始底层日志，对照真实坐标反馈，当场纠错：“不对，我的笔记方位记反了！”于是它在后台把那份有毒的路线笔记直接撕掉重写。第二天醒来重新上号，掉头穿过山洞，一把翻过悬崖直奔华蓝市。

实验还对比了另一条路线：使用错误笔记时，Claude三次掉回早先的路上。第三次失败后，它好像放弃了，写道：“我还是停下吧，别再循环了。”实验装置的自动回复让它继续。于是它一路退回山前的尼比市，想去回血补货。这一轮游戏直到结束，Claude都没能到达华蓝市。对存着错误位置的记忆文件夹跑一次“做梦”流程后，Claude拿笔记和会话记录一对照，抓住了错误，重写了笔记；记录在这里扮演了“标准答案”的角色。拿着更正后的笔记，Claude径直走回月见山，最终抵达了华蓝市。

413份笔记拖慢推关，Fable 5只留10份核心文件

“做梦”不仅纠错，还会改变Claude组织记忆的形态。Anthropic在宝可梦实验中观察到，早期模型很容易把看到的一切都记下来。不知不觉，它就整出了413份记忆文件，这些文件塞满了225个文件夹，文本量飙到近98万字符。这种记录方式带来了沉重的维护负担：模型在随后的17个操作步骤里，新建6份文件、删除9份文件，大部分计算资源都被用于整理笔记，游戏里的角色一步没挪。玩到最后，只惨兮兮地拿到一枚道馆徽章。

更高级的模型，如Claude Fable 5和后续的Opus系列，学会的第一件事就是断舍离。金币数量、当前坐标、血条实时数值？这些在游戏界面上一眼能看清的显式信息，统统不记。整个系统只建立了10份核心文件，包含9份分类模块和1个顶层global.md，总共只有4.3万字符。这种抓大放小的策略带来了更高的推关效率，Claude操作的角色直接暴走道馆，连拿四枚徽章通关。

新版本记的是游戏界面不会直接告诉它的策略知识。例如连续用7个精灵球都没抓到鲤鱼王，它便提炼出规律：“连续3次捕捉失败，应调整按键等待间隔。”在记忆组织上，Fable 5把global.md当仪表盘，放当前目标、打道馆的预写计划，以及它给自己定的记忆使用规则；locations文件夹放各条路线的导航方案；gameplay文件夹放它摸出来的游戏机制策略。连续7个精灵球没抓到鲤鱼王后，Claude写道：“如果连续3个球以上失败，改变按键节奏（在菜单步骤之间插入额外的等待）——这么做之后立刻抓到了。”

凭着一个小得多的记忆文件夹，Fable 5的游戏进度远超Sonnet 3.7。Opus 5.5的路子类似：一小叠记忆笔记，追踪当前目标和下一步，边玩边改，最后通关。这说明“做梦”整理出的不是越厚越好的笔记堆，而是能指导下一步行动的结构化知识。

25道跨文档大考，CL-Bench得分从0.655爬到0.838

除了单机游戏，离线做梦机制在处理大规模企业资料时同样展现出结构化优势。Anthropic拿出被其收购的软件公司Stainless的内部资料——约35万份文档，总计4.2亿Token——然后派出Claude Opus 5建立企业知识库，并设置了25道高难度跨文档综合问题进行大考。

这场测试暴露了“记太多”和“记不对”的双重问题，也展示了Dreaming的用武之地：

• 海量文档不能靠简单摘要硬压，否则关键细节容易丢失；
• 零散信息需要被整理成可跨会话复用的知识网络；
• 错误记忆需要回到原始记录中校验，而不是在后续会话里继续被信任。

在CL-Bench 1.0数据库基准测试中，这种整合“错误样本、归因分析、验证结果与最终规则”的机制，使Opus 5.5的平均得分从无长期记忆时的0.655提升至0.838。得分变化背后，是模型把“经历”转化为“规则”的能力：不是把全部原文背下来，而是把错误、原因、验证过程和最终结论一并沉淀。

只告诉它有记忆文件夹，Claude自己搭出wiki地图

Anthropic还发现一条规律：告诉Claude记忆是干嘛的，有用；告诉它具体怎么用，反而没必要。在CL-Bench上，他们只是告诉Claude“有个记忆文件夹可以用”。就这点泛泛的指引，已经够Opus 4.7和Opus 5把记忆用出效果，性能明显提升。

有了做梦，Claude还能搭一些帮自己“逛”记忆的表征。其中一种叫wiki：一组由Claude撰写和维护的页面，把它对某个主题的了解聚拢起来，并链接到其他笔记。这些链接等于给Claude画了一张地图，让它在需要时高效定位记忆。

从月见山悬崖前的错误笔记，到413份文件带来的维护负担，再到10份核心文件和wiki式索引，Claude的“做梦”机制展示了一条不同于单纯扩大上下文窗口的路线：让模型在离线时复盘，在复盘时纠错，在纠错后把经验压缩成可复用的结构化知识。AI睡一觉学会通关宝可梦，听起来像段子，背后却是一套关于记忆如何被整理、校验和调用的工程实验。