> ## Content Index > Fetch the complete content index at: https://growthhackers.tw/llms.txt > Use this file to discover other available public pages before exploring further. # AI agent 記憶如何運作？解碼 Anthropic 兩個新原語 Memory 與 Dreaming，讓 agent 隔夜變聰明 - URL: https://growthhackers.tw/blog/anthropic-agent-memory-dreaming/ - Published: 2026-07-23T16:07:29.000Z - Updated: 2026-07-23T16:07:29.000Z - Description: Anthropic Memory 與 Dreaming 是什麼？一篇看懂這兩個 AI agent 記憶新原語：Memory 讓 agent 邊做邊記，Dreaming 讓一群 agent 隔夜集體覆盤變聰明。用台灣電商角度解讀，agent memory 為何是買不到的護城河。 - Author: Lewis wang - Tags: AI agent, Anthropic, Agent Memory, 持續學習, 電商經營 Anthropic 給 AI agent 加了一個很奇怪的功能，名字叫「做夢（Dreaming）」。 名字聽起來很浪漫，但它解決的，是一個很現實的電商問題：你的組織經驗，留不住。 你有沒有這種感覺。你養了一個 AI 客服、一個投放助理、一個選品幫手，每一個單獨看都不錯。可是它們有個共同的毛病，就是「金魚腦」。今天教過的坑，明天換一個對話又踩一次；A 同事調教出來的好用 prompt，B 同事完全用不到。你的 AI 很聰明，但它不會「累積」。 這次 Anthropic 一口氣丟出兩個東西，就是在補這一塊。一個叫 **Anthropic Memory**（記憶體），一個叫 **Anthropic Dreaming**（夢境）。前者讓 agent 邊做邊記，後者讓一群 agent 隔夜集體變聰明。 如果你問我，真正被低估的是後面那個。這篇就用一個做過零售、帶過電商團隊的人的角度，把 AI agent 記憶這件事講白，也講清楚為什麼「會做夢」的 agent，才是你未來買不到的護城河。 ## 這次到底發布了什麼？先把 Memory 和 Dreaming 講白 先講最基本的。所謂 agent memory（代理人記憶），就是讓 AI 在做完一件事之後，能把「學到的東西」寫下來，下次直接拿來用，不用你每次重新交代。 Anthropic 這次在它的 Managed Agents API（託管代理人 API）裡，把 Memory 做成一個很聰明的樣子：**它把記憶建模成一套檔案系統（file system）**。 什麼意思？就是 Claude 不是把記憶塞進一個黑盒子，而是像你我在電腦裡開資料夾、建檔案一樣，用 bash、grep 這些工程師最熟的工具，自己決定「這件事值不值得記」「該記在哪個檔」「舊的要不要改掉」。Anthropic 說，它們最新的 Opus 4.7 在這種檔案式記憶上表現是目前最強的。這句話是 Anthropic 自己講的，你先聽著，重點是方向。 補一句給用搜尋找過來的你：如果你搜的是「Claude memory」，找的通常就是這套功能，它目前放在 Anthropic 的 Managed Agents API 裡，跟一般 Claude 聊天視窗那個「記住你偏好」的記憶不是同一件事，這次講的是給 agent 用的版本。 光有記憶還不夠，因為真實場景是「一大群 agent 同時在跑」。所以 Anthropic 補了三個很企業級的設計，我用你聽得懂的話翻一下： - **權限範圍（permission scopes）**：讀寫分離。組織的知識庫設成「唯讀」，工作中的暫存記憶設成「讀寫」。 - **樂觀並發（optimistic concurrency）**：幾百上千個 agent 同時要改同一份記憶時，先用一個內容雜湊值（content hash）確認「我要改的東西別人動過沒」，沒動過才寫，避免互相蓋掉。 - **版本歷史＋歸屬（version history + attribution）**：每一次記憶被改，都留下「哪個 agent、哪個 session、什麼時候改的」，等於一份審計日誌。 先記住這三個，等一下講到台灣電商怎麼落地，全部用得上。 那 **Anthropic Dreaming** 又是什麼？ 官方的說法是這樣：Dreaming 是一個「帶外（out-of-band）」的非同步批次流程。翻成人話，就是它不在 agent 忙著幹活的當下運作，而是**等任務做完、大家下工了，在背景另外跑一輪**。它會去翻最近一堆 agent 的工作紀錄，找出「大家都在犯的共通錯誤」和「有效的做法」，然後去重、整理、把過時的刪掉、把驗證過的標記起來，產出一份更乾淨的記憶。隔天上工的 agent，直接站在昨天所有人的經驗上開始做。 ![Memory 是白天即時讀寫的 hot path，Dreaming 是夜晚帶外把多個 session 彙整、去重、汰舊、驗證。](https://growthhackers.tw/content/images/2026/07/amd-inline-1.png) Memory 是白天即時讀寫的 hot path，Dreaming 是夜晚帶外把多個 session 彙整、去重、汰舊、驗證。 Anthropic 演講裡放了一段 SRE（網站可靠性工程）的 demo，我覺得拿來對照電商剛剛好。 情境是這樣：系統跳出一個 P1 重大警報，第一個 agent 衝上去調查，查了 CPU、查了流量、翻了最近上線的程式，把發現寫進那份「讀寫」的記憶庫。過幾分鐘，同一個警報又炸了一次，第二個 agent 上線，一開機就看到前一個留的字條：「這個我查過了，這裡可以短路，別重跑一遍。」結果它省下一大把時間跟 token（運算成本）。 看到這你應該有畫面了。把 SRE 換成你的客服，把 P1 警報換成「一張很難搞的退貨客訴」，故事一模一樣。第二個客服 agent 不用從頭問一次，直接接手。 而真正精采的是 Dreaming 那一段。它跑完之後，抓出一個「單一 agent 根本看不到」的規律：原來有一大票 agent，都是在上游 CPU 尖峰後「剛好 60 秒」被觸發的，這背後藏著一段沒必要的 retry（重試）邏輯，一直在浪費資源。然後它把五筆重複的紀錄合併成一筆，刪掉一筆已經過時的，還加上一條「這條我驗證過，可以信」的註記。 **每一個 agent 都只看得到自己那一畝三分地，只有站在上面往下看的 Dreaming，才看得到全局的規律。** ## 為什麼 Dreaming 才是被低估的重點 Memory 這種東西，說老實話，這一兩年大家都在做，它會是入場券，不會是差異化。真正讓我坐直身體的，是 Dreaming 背後那個思路。 第一個關鍵，就是「帶外、跨 agent」這件事。 單一 agent 寫記憶，它的視角永遠是「我自己這次任務」。但 Dreaming 是拉高一層，同時看很多個 agent，去找那種「一個人絕對發現不了、要一群人一起看才浮出來」的共同模式。這就像你店裡十個店員，每個人各自碰到一兩個奧客，沒人覺得是問題；直到店長把十個人的班表攤在桌上，才發現「每次週五晚上、特定那支廣告帶進來的客人，客訴率特別高」。 第二個關鍵，是它把「記憶品質」跟「把事情做完」這兩個目標拆開了。 agent 在趕任務的時候，你要它同時把記憶整理得漂漂亮亮，它會分心，也會拖慢速度。Dreaming 把「整理記憶」變成一個獨立的背景工作，不佔用白天幹活的那條熱路徑（hot path），幾乎不影響當下任務的速度。這個「拆開」的紀律，跟我之前寫過的 [Cursor 自我改善飛輪](https://growthhackers.tw/blog/cursor-self-improving-flywheel/) 裡「內外迴圈分開、讓 Agent 管 Agent」是同一套心法，值得一起看。 要真的懂 Dreaming 的價值，我給你三個商業類比： **一、它像「花時間想清楚」的複利。** 這幾年 AI 圈有個概念叫 test-time compute（推論時運算），簡單說就是讓模型多花一點算力去想、去試，最後答案品質好很多。Dreaming 就是把這套用在記憶上：多花一點算力在「整理經驗」，換來下游每一個 agent 都變聰明。 **二、它像搜尋引擎在「預先建索引」。** Google 不是你搜的當下才去爬全世界的網頁，而是**事先**把索引建好、整理乾淨，你搜的時候才能又快又準。Dreaming 就是那個「事先建好高品質索引」的動作，成本攤提給後面所有讀這份記憶的 agent。 **三、它就是零售的「夕會覆盤＋寫教戰手冊」。** 這個類比對做過店頭的人最有感。白天大家各自站櫃、各自打仗，晚上關店後開個夕會，把今天誰成交、誰踩雷、哪句話最能打動客人，全部彙整下來，寫進教戰手冊，明天所有人照著更好的版本開工。Dreaming 幹的就是這件事，只是它是自動的，而且能同時覆盤幾百個「店員」。 還有一件事我得幫你把話說滿：**這不是 Anthropic 的獨門噱頭。** 業界其實已經有一個名字在講同一件事，叫 **sleep-time compute（睡眠時運算）**，這幾年 Letta（前身 MemGPT，源自 UC Berkeley 的研究）很早就在推這套架構：一個 agent 負責即時互動，另一個「睡眠 agent」在閒置時默默整理、去重、汰舊記憶。Dreaming 基本上就是 Anthropic 把這個產業級的方向，做成自己的產品化版本。 當一個新做法，是好幾個嚴肅的團隊各自走到同一個答案，那它通常就不是行銷話術，是結構性的轉向。 但我也不騙你，這東西還很早。 Anthropic 的 Dreaming 目前是 research preview（研究預覽），還不是正式版；連 Letta 自己都說，agent 記憶這個問題「目前也才解了一半」。所以你把它當方向、當趨勢來準備，是對的；但要是有人跟你說「裝上去就自動幫你賺錢」，你可以直接把他請出去。 ![白天各自踩坑，夜間 Dreaming 集體覆盤，隔天的 agent 站在昨天的經驗上開工，經驗複利往上長。](https://growthhackers.tw/content/images/2026/07/amd-inline-2.png) 白天各自踩坑，夜間 Dreaming 集體覆盤，隔天的 agent 站在昨天的經驗上開工，經驗複利往上長。 講到成效，我挑一個站得住腳的數字給你：法律 AI 公司 **Harvey**，在一個貼近真實情境的法律 benchmark（基準測試）裡導入 Dreaming 之後，某個情境的任務完成率提升到原本的 6 倍。這個數字有 [VentureBeat](https://venturebeat.com/technology/anthropic-introduces-dreaming-a-system-that-lets-ai-agents-learn-from-their-own-mistakes?ref=growthhackers.tw) 等媒體獨立報導佐證，不是只有官方自己講。Anthropic 演講裡還提到有客戶回報「首次錯誤率降了 90%」，這個我就幫你標註清楚：那是演講中提到的說法，你參考方向就好，別當成掛保證的鐵數字。 ## 翻成台灣電商，你現在該做的三件事 好，趨勢講完，我知道你真正想問的是：「王董，這跟我一家中小電商有什麼關係？我又不會寫 API。」 關係大了。你不用今天就去接 Managed Agents API，但這波在告訴你一件事：**AI 的護城河，正在從『你用哪個模型、買哪個工具』，轉向『你的 agent 團隊跑了多久、沉澱了多少經驗』。** 前者花錢就買得到，後者只能自己長出來。 給你三個可以現在就開始的動作： ► **第一，先把「組織知識」變成 agent 讀得懂的東西。** 你的退貨政策、你的品牌語氣、你家爆品的賣點話術、雙 11 的作戰 SOP，現在多半散在老員工的腦袋、群組對話、跟十七個版本的 Excel 裡。這些就是未來 agent memory 的「唯讀知識庫」。趨勢還沒完全成熟的現在，就是你把這些沉澱下來、寫成清楚文件的最好時機。這是護城河的地基，先挖地基，機器來了才有得接。 ► **第二，分清楚「唯讀的組織知識」跟「讀寫的工作記憶」。** 還記得前面講的 permission scopes 嗎？這對台灣電商超級實用。你一定遇過那種災難：新人手滑，把一份大家共用的 SOP 改壞了，整組人跟著錯一整天。正確的治理，就是把「組織級的知識」鎖成唯讀，只有工作中的暫存記憶才開放讀寫，再配上版本歷史，誰改的、改了什麼、隨時能回溯。順帶提醒，記憶也不是記越多越好，塞太多反而會讓 AI 變笨，這點我在 [AI 客服記憶為什麼要「會忘」](https://growthhackers.tw/blog/ai-agent-memory-system-design/) 那篇專門講過，這裡就不重複。 ► **第三，把「經驗累積」當成複利資產在經營，別再只追新模型。** 這年頭就是換模型、換工具、換平台，永遠追不完。但你追到最後會發現，對手也用得到同一個模型。真正拉開差距的，是你有沒有一套機制，讓每一天的實戰經驗被留下來、被整理、被下一批 agent 繼承。 具體一點，你這週就能開始：固定每週把客服、投放這些 agent 的「失敗案例」跟「有效話術」收集起來，整理成一份會持續更新的筆記。這就是你土法煉鋼版的 Dreaming，等真正的工具成熟，你的地基已經打好了。 黃仁勳講過一句話我很認同：模型是租來的，know-how 才是你的。這段我之前在 [黃仁勳：模型是租來的，know-how 才是你的](https://growthhackers.tw/blog/jensen-huang-open-agent-proprietary-knowledge/) 展開過，跟這次 Dreaming 的邏輯完全接得上。 想像一下那個畫面：你的電商檔期作戰室，投放 agent、選品 agent、客服 agent、物流客訴 agent，白天各自作戰。到了半夜，一個 Dreaming 流程自動幫你開了一場「夕會」，把今天大家踩的坑、打贏的仗全部覆盤、去重、寫進明天的教戰手冊。隔天早上，所有 agent 一上工，就比昨天更懂你的生意。 以前，資深店長離職，他腦袋裡那套直覺就跟著走了，你只能重新培養一個。現在，如果經驗是沉澱在會做夢的記憶系統裡，那套 know-how 就留在你公司，還會自己複利長大。 說個我自己的老實話。我做零售、帶團隊那些年，最怕的從來不是生意難做，是「人一走，經驗就斷」。我們土法煉鋼，靠晨會、靠夕會、靠資深店長的直覺、靠一份被改到面目全非的 Excel 教戰手冊，勉強把經驗留住一點。第一次看到 Dreaming 在做的事，我腦子裡浮現的就是這個場景：這不就是把我當年最想做、卻做不到的那件事，自動化了嗎？ 這也是為什麼，你的第一方資料、你的組織 know-how，會比任何一個當紅模型都值錢。這個護城河邏輯，我在 [AI Agent 時代新護城河：第一方資料為什麼比模型更關鍵](https://growthhackers.tw/blog/ai-agent-first-party-data-moat/) 講得更完整，這次 Memory 跟 Dreaming，等於幫這個論點又補了一塊硬體。 ![唯讀的組織知識庫、讀寫的工作記憶，加上版本歷史與歸屬，就是 AI agent 記憶的治理解方。](https://growthhackers.tw/content/images/2026/07/amd-inline-3.png) 唯讀的組織知識庫、讀寫的工作記憶，加上版本歷史與歸屬，就是 AI agent 記憶的治理解方。 未來一兩年，你會看到愈來愈多 agent 能連續跑好幾個小時、甚至好幾天。撐住這種長時間任務的關鍵，就是記憶。而讓記憶不只是「記得」、還會「隔夜變好」的關鍵，就是 Dreaming 這類機制。 護城河這件事，答案愈來愈清楚了。 不是你用哪個模型，是你的 agent 跑多久、夢多久。 ## 常見問題 FAQ ### Q1：Anthropic Memory 和 Dreaming 差在哪？ Anthropic Memory 是讓 AI agent 在執行任務的當下，即時讀寫、記下經驗的記憶系統，它被建模成一套檔案系統，Claude 用 bash、grep 自己管理。Anthropic Dreaming 則是一個隔夜、帶外（out-of-band）的背景流程，等任務做完後，跨多個 agent 的紀錄一起覆盤、去重、汰舊、驗證，產出一份更乾淨的記憶。一句話：Memory 是「邊做邊記」，Dreaming 是「下工後集體整理」。 ### Q2：Dreaming（讓 AI agent「做夢」）到底在做什麼？跟 agent 自己寫記憶有什麼不同？ Anthropic Dreaming 做的事，是在 agent 全部收工後，在背景批次翻閱最近多個 session 的工作紀錄，找出大家共同的錯誤模式與有效策略，然後合併重複、刪除過時、標記已驗證的內容。它跟 agent 自己寫記憶最大的不同，在於「視角」：單一 agent 只看得到自己這次任務，Dreaming 是同時看很多 agent，能抓到單一 agent 視野裡看不到的全局規律。技術上，這個方向業界也叫 sleep-time compute（睡眠時運算）。 ### Q3：Anthropic Memory 與 Dreaming 對電商／中小企業有什麼實際意義？我現在該做什麼？ 對電商最實際的意義，是 agent memory 讓「組織經驗」第一次可以被留存、被繼承，不再隨資深員工離職而歸零。你現在不必急著接 API，先做三件事：把退貨政策、品牌話術、檔期 SOP 這類組織知識整理成清楚文件（未來的唯讀知識庫）；建立「唯讀組織知識 vs 讀寫工作記憶」的治理習慣；把經驗累積當成複利資產經營，而不是一直追新模型。 ### Q4：很多 agent 同時用同一份 agent memory，不會互相蓋掉嗎？ 不會，這正是 Anthropic Memory 設計 permission scopes（權限範圍）和 optimistic concurrency（樂觀並發）的原因。permission scopes 做讀寫分離，組織知識庫設唯讀、工作記憶設讀寫；optimistic concurrency 則讓 agent 在寫入前，先用內容雜湊值（content hash）確認這份記憶沒被別人動過，確認過才寫，避免覆蓋衝突。再加上版本歷史與歸屬紀錄，誰在什麼時候改了什麼，全都能回溯。 ## 資料來源 - Anthropic 平台團隊 PM Mahais 演講〈Memory and dreaming for self-learning agents〉，[YouTube 原片](https://www.youtube.com/watch?v=RtywqDFBYnQ&ref=growthhackers.tw) - [VentureBeat：Anthropic introduces "dreaming," a system that lets AI agents learn from their own mistakes](https://venturebeat.com/technology/anthropic-introduces-dreaming-a-system-that-lets-ai-agents-learn-from-their-own-mistakes?ref=growthhackers.tw) - Letta（前身 MemGPT）關於 sleep-time compute 的說明：[Letta Blog：Sleep-time Compute](https://www.letta.com/blog/sleep-time-compute/?ref=growthhackers.tw) **協作聲明與免責** 這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 `[來源名稱](URL)` 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。 內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。