大数跨境

我把 Claude 的记忆建成了一套本体:记什么,比记多少重要

我把 Claude 的记忆建成了一套本体:记什么,比记多少重要 跟雷哥探究HR领域的AI
2026-11-08
13
导读:读完 Anthropic 的 Agent 记忆长文,我用本体建模把这套系统建成了图纸:19 个对象、15 条规则、6 个场景,质量分 100。记忆是一种预测,对象只有四个核心,规则里最硬的五条,dre

AI 观察 · 深度解读

2026.11.08

记忆,就是把一切都存下来?

记什么,

比记多少重要


深读 Anthropic · 本体建模实录 · 一张图纸讲清记忆

雷神的 AI 一线观察

深度解读2026-11-08

📦 4 Parts

👉 滑动

PART 01

第一性原理

记忆是一种预测

PART 02

对象与规则

图纸的骨架

PART 03

行为与场景

Dreaming 的链与实证

PART 04

图纸用法

给组织记忆当样板

把 Anthropic 的记忆文章建成了一套可校验的本体:19 个对象、15 条规则,图纸在手,再讲道理。

11 月 6 日,Anthropic 发了篇长文《The components of agent memory》,把 Claude 的记忆系统拆开讲了一遍。我读完之后,多做了一步:用一套本体建模工具,把这套记忆系统正式建成了模型——对象、行为、规则、事件、场景、报表,六个视角全建,三道校验门一次通过,质量分 100。

为什么要多这一步?文章讲的是道理,道理听着都对;本体逼你把每个概念的职责、边界和规则写成能校验的东西。写不出来、校验不过的地方,就是没真懂的地方。建完之后再回头讲这套系统,就有了图纸:19 个对象、33 个行为、15 条规则、20 个事件、6 个场景。下面这篇,就按这张图纸讲。

先说他们定义的记忆:Agent 从经验中学到、跨会话保留的笔记型知识。权重训练不算,对话里的临时上下文不算,压缩摘要也不算。就是笔记。

Agent 记忆系统本体图谱:107 个节点、192 条边,中心是「记忆条目」,向外连着原始会话记录、Wiki 页面、顶层索引与各个场景(晓辰建模)

01

PART


原理

FIRST PRINCIPLE

第一性原理:记忆是一种预测

图纸上的第一条原理,不在任何一个对象里,它是整套系统的地基:记忆有时候是一种预测。

你写下一条规则,等于预测这个规律以后还会用到;你写下一条核实过的事实,等于预测未来的自己可以直接信它、不用复查。难就难在,写的那一刻不知道未来会发生什么。记多了,噪音和过期信息淹没信号;记少了,关键经验流失。

Anthropic 用 CL-Bench 测模型自己学记笔记的能力:查数据库答题,答完告知正确答案,可以写记忆帮以后答题。在本体里,这是一个完整的场景,叫学习闭环。实测结果是一条代际进步线:Sonnet 4.6 只写没验证的猜测;Opus 4.7 学会合并成一份文档,标注核实与未核实;Sonnet 5 会把答案标成已确认、答错写更正;Opus 5 第一个闭环——每条记忆包含规则、依据和踩过的坑。

注意这个闭环的形状:写、验证、更正、再写。强模型自己长出了证据意识,这件事本身比任何单个分数都重要。而在图纸上,它对应记忆条目的三个必填属性:内容、核实状态、依据。少一个,这个对象就不成立。

02

PART


骨架

OBJECTS AND RULES

对象与规则:图纸的骨架

整套系统只有四个核心对象,其他都是配角。

记忆条目是核心资产,就是一条笔记。它的属性我们在上一节已经见过:记什么、核实到什么程度、依据是什么、有什么坑。原始会话记录是真值来源:一切对话和操作的原始日志,不可篡改,笔记错了靠它对账。Wiki 页面是织出来的知识:单条笔记是散的,dreaming 把它们织成互相链接的页面网络,回答问题时先查 wiki。顶层索引是每次会话开场自动加载的那一小片,职责只有一个:当目录,指向细节在哪。

对象定了,规则才是图纸的承重墙。15 条规则里,最硬的五条:

第一,屏幕能直接读到的状态不存。 金币数量、人物位置,看一眼就有的东西,存下来就是冗余,还会过期。只记推导出的东西:策略、计划、试出来的规律。这条规则的实证,就是那场著名的宝可梦实验——Sonnet 3.7 什么都记,413 个文件、225 个文件夹,最后 1 个徽章;Fable 5 只记 9 个文件,4 个徽章;后来的 Opus 5.5 保持小文件夹通关。连扔 7 个精灵球抓不住鲤鱼王之后写下“连失 3 球就变换节奏”,下一次就抓住了——这种笔记才配进记忆。

同一款游戏,两种记法:Sonnet 3.7 记了 413 个文件拿 1 个徽章,Fable 5 记 9 个文件拿 4 个(晓辰整理,数据为 Anthropic 官方实验口径)

第二,条目三要素缺一不可,就是前面说的规则、依据、陷阱预警。

第三,顶层有硬上限。 顶层索引只许放最重要的,Claude Code 的自动记忆只加载 MEMORY.md 的前 200 行或 25 KB;官方文档明确警告,指令文件越长,遵从度越低。顶层一胖,整套记忆的执行力就往下掉。

第四,Wiki 不许比原文还大。 他们拿约 35 万份文件、约 4.2 亿 token 的语料试过:只靠 wiki 答题,dreaming 投入越多,得分从 13% 涨到 48%;wiki 加搜索 61%,纯搜索 53%。但有一次,织出来的 wiki 比原始文档还大,等于把博尔赫斯那张一比一地图搬进了系统——没有抽象,就没有知识。

第五,指令过细会伤增益。 实验里定死“只许记录失败”,Opus 5 和 4.7 从记忆里得到的提升大幅缩水。规则要管方向,不能替判断做主——这一条,管过团队的人都懂。

03

PART


场景

SCENARIOS

行为与场景:Dreaming 在图纸上长什么样

静态的对象和规则之外,系统靠一组行为运转,其中最重要的是 dreaming:Agent 在空闲时离线回放日志、整理记忆,类比人脑睡眠时的记忆巩固。在本体里,它是一条行为链,挂着一串事件:笔记已被纠正、Wiki 已织成、链接已悬空、页面已补建。链上五个动作:回原始记录对账纠错、把笔记织成 wiki、把要点提层、把细节下沉、跨会话补缺口。

图纸上我最喜欢的是场景层:每个实验都是一条端到端的场景链,成败都写在链上。

宝可梦从记错到通关:Claude 把一个地标记反了方向,靠着错笔记三次掉下同一处悬崖,写下放弃、一路退回前一个城镇。dreaming 把笔记拿回原始记录对账,改对;重走,一次通过。场景链里,“笔记记错”是事件,“回放对账”是行为,“方向已纠正”是下一个事件——记忆的纠错机制,就是这么落地的。

合同题建库纠偏:法律基准里,多个 Agent 共写一张条款表,互相覆盖,57 个关键事实只保住 41 个(72%)。复盘之后改了建库规则:每份合同单独一页、只由一个 Agent 负责、条款逐字引用。重跑,57 个全对。这条场景逼出了图纸上的一组治理规则,规则不是设计出来的,是栽过跟头长出来的。

跨文档查 Wiki 问答:需要跨多份文档找信息的题,查 wiki 87%,纯搜索 73%,每题还省约 2 万 token;但单份文档就能搜到的题,wiki 没有优势。图纸把这个边界写进了报表口径:什么题用什么查法,先分清再比。

04

PART


用法

THE BLUEPRINT

图纸有什么用:给组织记忆当样板

建这套本体,我自己的收获是:它把一篇讲道理的文章,变成了一套能对账的规格。哪个对象职责不清、哪条规则没有实证、哪个场景链断了,一眼看得出来。Anthropic 在原文结尾留的两个开放问题——记忆该当场写还是离线整理,保鲜的节奏怎么定——在图纸上就是两个还没建模的场景,明明白白挂在那里。

这张图纸对做组织工作的人同样有用,因为企业知识库和 Agent 记忆是同一道题:对象先分清(什么是原始记录、什么是沉淀结论、什么是索引),规则先写死(什么值得沉淀、谁负责对账、顶层保持多薄),再谈工具。我自己的助手晓辰,记忆就是按这张图纸的形状跑的:一份保持紧的顶层总纲、按人和事分的分页、每天一份改不了的原始日志、后台定期整理对账。跑了两个多月,今天算是拿到了它的设计说明。

所以这篇的重写版我只下一个结论:记忆系统的差距从来不在存储,在判断——判断什么值得记、记错了怎么纠、顶层留什么。Anthropic 把这套判断写成了文章,我们把它建成了图纸。图纸在手,下次再有人说“我们要建企业知识库”,先把这四个对象和五条规则摆上桌,再聊买什么产品。

数据来源:Anthropic 官方研究博客《The components of agent memory》(2026-11-06),实验数据均为该文口径;本体模型为作者用 ontology-business-map 技能实际建模产物(质量分 100,图谱与 YAML 存于作者知识库),作者助手的记忆机制为真实运行方式。

我是雷神,15 年 HR 数字化老兵,专注 AI+HR 一线实战观察。每天从核验过的一手情报里,挑最值得细读的讲清楚。

既然看到这儿了,如果觉得这篇拆解够清楚,随手点个赞、在看、转发三连,发给同样在盯 Agent 的朋友对对表吧。

点赞
在看
转发

THANKS FOR READING

【声明】内容源于网络
0
0
跟雷哥探究HR领域的AI
致力于推动企业人力资源数字化转型。提供实用的案例分析和专业的咨询服务,帮助企业在数字化转型中取得成功。分享经验和知识,让企业管理者更好地理解人力资源数字化的重要性,提高企业的数字化能力。共同探索人力资源数字化转型的未来。
内容 349
粉丝 0
跟雷哥探究HR领域的AI 致力于推动企业人力资源数字化转型。提供实用的案例分析和专业的咨询服务,帮助企业在数字化转型中取得成功。分享经验和知识,让企业管理者更好地理解人力资源数字化的重要性,提高企业的数字化能力。共同探索人力资源数字化转型的未来。
总阅读6.2k
粉丝0
内容349