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

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。

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 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。

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 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」 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 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 講得更完整，這次 Memory 跟 Dreaming，等於幫這個論點又補了一塊硬體。

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
• VentureBeat：Anthropic introduces "dreaming," a system that lets AI agents learn from their own mistakes
• Letta（前身 MemGPT）關於 sleep-time compute 的說明：Letta Blog：Sleep-time Compute

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。