宝玉 (@dotey)T2·智能体与协同
78 分
Anthropic 工程团队公开 Claude 跨会话记忆的四层架构:原始会话记录、自写记忆笔记、结构化 wiki、自动注入上下文,并新增“做梦”后台步骤,在会话结束后回看原始记录、修正错误笔记并重组索引。宝可梦与数据库答题测试显示,记忆质量而非数量决定表现,Opus 5 是首个形成完整学习循环的模型。
Context Priming
在提问前先让模型加载目标任务的完整上下文,使其基于该上下文作答而非依赖参数化记忆
Anthropic 工程团队公开 Claude 跨会话记忆的四层架构:原始会话记录、自写记忆笔记、结构化 wiki、自动注入上下文,并新增“做梦”后台步骤,在会话结束后回看原始记录、修正错误笔记并重组索引。宝可梦与数据库答题测试显示,记忆质量而非数量决定表现,Opus 5 是首个形成完整学习循环的模型。
Anthropic 发布研究《The components of agent memory》,将 Claude 智能体的记忆拆为会话日志、记忆笔记、知识表征与上下文注入四层,并引入“做梦”机制,让模型在空闲时回顾日志、纠错并提炼规则。在 CL-Bench 数据库问答任务中,带记忆的 Claude Opus 5.5 与 Sonnet 5.5 平均得分升至 0.838 和 0.833,显著高于无记忆基线。
作者提出一种通用的 Agent 产品逆向方法:不直接索要系统提示词或 Skill 定义,而是先让 Agent 在对话中加载并执行目标 Skill,再基于已加载的上下文要求它复刻同样的输入输出或给出技术方案。该方法对 Claude Design、Claude Duet 等产品均适用,但 Skill 过于复杂时模型会偷工减料,需要多轮追问补全。