Claude 閂埋門之後，唔再係一張白紙。Anthropic 話，佢識得喺瞓覺時間整理筆記、改錯處。下一次開工，佢會聰明少少。
一句講晒：Claude 開始識得喺「瞓覺」時整理記憶，返工時就唔使由零開始。
Claude 做完一次任務。對話紀錄（transcript）同工作筆記留低咗。但筆記好亂，仲有錯。
冇人同佢講嘢嗰陣，系統開工。逐份紀錄對照檢查。改錯。重組。呢啲就係瞓覺運算（sleep-time compute）。
散亂筆記變成一份 Wiki。重要筆記升上記憶階梯（memory hierarchy）頂層。下次一開工就預先載入。
新對話直接用整理好嘅記憶。唔使重新搜尋。唔使重複犯錯。
數字來源：Anthropic 原文自家評測。下文逐項拆解，包括實驗點做、同埋有咩保留。
代理記憶有一個簡單定義。
就係 Claude 由經驗學到、並且跨對話保存嘅知識。佢會寫成筆記。下一次對話，Claude 可以再拎嚟睇。
Anthropic 用人腦做比喻。
日頭，海馬體記低經歷。夜晚瞓覺，大腦重播經歷。經歷慢慢變成長期知識，存入新皮質（neocortex）。
做任務時，Claude 留低紀錄同筆記。閒置時，「發夢」程序回顧紀錄。整理出更乾淨嘅長期筆記。
「發夢」（dreaming）呢個概念，借自 Letta 同加州大學柏克萊分校提出嘅「瞓覺運算」。核心想法係：記憶係一個預測——預測未來會需要咩。
原文列出五種工作。每種都係獨立一件事。
拎筆記同原始紀錄對照。錯咗就改返啱。
將散亂資料砌成新結構。例如一本 Wiki。
重要筆記升上階梯頂層。下次開工預先載入，唔使等搜尋。
按指定目標收窄記憶焦點。唔相關嘅嘢唔再佔位。
上一節對話留低嘅空白同未完成部分，趁閒置時間補返。
重點係時間。呢啲工作唔喺對話進行中做。佢喺兩次互動之間做。所以唔會拖慢你打字等回覆。
Anthropic 拎咗一個真實語料嚟試。
語料嚟自 Stainless。呢間公司喺 2026 年 5 月被 Anthropic 收購。語料有約 35 萬個內部檔案，約 4.2 億 token。
做法好直接。Claude 一邊發夢，一邊將語料砌成一份 Wiki。再用 25 條問題考佢。撳下面兩個掣，睇分數點變。
分數 = 評分準則（graded criteria）達標百分比。同一份語料，同一套 25 條問題。
資料來源：Anthropic〈The components of agent memory〉（2026-11-06），Stainless 語料評測。
另一個測試問併購（merger）問題。一共 24 條。過半數要同時睇幾份文件先答到。
喺多文件問題上，Wiki 答啱 87%。純搜尋只得 73%。原因好合理：Wiki 已經預先將分散資料縫埋一齊。
仲有一個合約案例。LAB 要一份合約簡報（contract brief）。起初 57 項事實只啱 41 項，即 72%。
之後系統做咗一輪反思（reflection）。佢改寫砌 Wiki 嘅指示：每份合約一頁、由單一代理負責、條款逐字引用。結果變成 57 項全啱，100%。
Anthropic 俾 Claude 玩《寶可夢 紅》（Pokémon Red）。一路玩，一路寫記憶筆記。
兩個模型嘅寫法，南轅北轍。
去到約第 10,000 步，佢有一段連續 17 步只係新增 6 個檔案、刪走 9 個檔案。一步遊戲都冇行過。
另加一個 global.md 做總覽版（dashboard）。成盤棋一眼睇晒。
補充：Opus 5.5 最終爆咗機（完成成個遊戲）。每個模型嘅寶可夢成績都只係單次運行（one run），唔係多次平均，呢點下文社群部分會再提。
呢個係成篇文章最生動嘅例子。逐步撳落去睇。
第三個實驗叫 CL-Bench 1.0。任務係查資料庫（database lookup）。
最叻嘅模型識得行一個四步循環。Anthropic 叫佢閉環（close the loop）。撳每一步睇解說。
Opus 5 係第一個做到完整閉環嘅模型。Opus 5.5 同 Sonnet 5.5 都做到。加咗記憶之後，兩者表現都貼近 Opus 5。
舊模型就爭啲。Sonnet 4.6 只會寫低未經測試嘅理論。冇行到第三步。
但有個簡單補救。只要提示佢去讀記憶、去測試理論，佢嘅分數接近翻一倍。
仲有一個行為差別。新嘅 Sonnet 5 喺 10 次入面有 9 次會主動讀記憶，唔使人提。Sonnet 4.6 就少於一半。
呢篇文章罕有地坦白。警告唔係記者加嘅。係原文自己列嘅。
「We still have a lot to learn about designing Claude's memory systems.」 —— Anthropic 原文結語：我哋對點樣設計 Claude 嘅記憶系統，仲有好多嘢要學。
Hacker News 主討論帖有 151 分、約 79 條留言（發文約 19 小時後計）。整體氣氛係混合偏懷疑。
冇人質疑原始數字。火力集中喺兩點：神經科學包裝，同實際使用價值。
有人直斥文章係「bullshit」。理由好實際：Claude 成日應承寫筆記，轉頭又寫多一份內容一樣嘅，寫到第 15,000 份都係咁。另有人覺得成篇文係營銷手法，想令人覺得 Claude 有意識。亦有人一個字總結：「廣告。」
「發夢」呢個名本身就係爭議點。有人話：夢喺科學上被假設為記憶鞏固嘅副作用。用副作用嚟命名個過程，係「迷信多過科學」。亦有人幫口：發夢過程會化解筆記之間嘅衝突，個比喻唔係全錯。
最多資深用家嘅做法係：熄咗自動記憶。有人刪走約 95% 自動筆記。有人話熄咗之後「WTF 次數」大跌。仲有人寧願人手將事實寫入 repo 入面嘅 AGENTS.md 同 progress.md——換去 Codex 都帶得走，改動仲有 diff 睇。
有人細讀圖表後指出：真正贏嘅組合係「Wiki ＋ 搜尋」。發夢只係喺上面加多一點點。而搜尋本身，可能仲平過發夢。
有人引基準數據幫口：Opus 5 升 46.8%、Opus 4.7 升 82.7%。中間派就話：概念跳躍好易，篇文中真正有意思嘅係實證證據。開發者 Frank Chu 喺 dev.to 獨立重跑咗記憶測試同一個小型實驗，提醒讀者：寶可夢比較每款模型只跑一次，未經同行評審。
可以信嘅部分：機制描述清晰。實驗有具體數字同失敗案例。連「Wiki 大過源文件」呢種尷尬結果都照登。
要打折扣嘅部分：所有評測都係 Anthropic 自家做。自家語料。自家 25 條問題。13% 升到 48% 呢個招牌數字，暫時未有任何獨立複製。
未解問題（open questions）：Dreams 幾時離開研究預覽？原文冇俾日期。Reddit 方面冇搵到相關討論帖；X 上嘅數字只屬二手來源，未經核實。
社群最認同嘅一句，反而係原文嘅自我警告：記憶越多，唔等於記憶越好（more memory is not better memory）。413 個檔案輸俾 9 個檔案，就係最好嘅註腳。