‏حافظهٔ ایجنت‌ها: Claude چطور یاد می‌گیره و «خواب می‌بینه»

Anthropic تو این پست توضیح داده منظورش از حافظهٔ ایجنت چیه: دانشی که Claude از تجربه به دست میاره و بین سشن‌ها به‌صورت فایل نگه می‌داره. این با تغییر وزن‌های مدل، یادگیری داخل یه مکالمه یا compaction (یعنی خلاصه کردن مکالمهٔ قدیمی برای جا باز کردن تو کانتکست) فرق داره. نویسنده می‌گه نوشتن هر یادداشت در واقع یه پیش‌بینیه که این نکته بعداً به درد می‌خوره.

تو بنچمارک CL-Bench 1.0، مدل‌ها باید با جست‌وجو تو یه دیتابیس به سؤال‌ها جواب بدن و بعد از هر جواب، جواب درست رو ببینن. Sonnet 4.6 فقط حدس‌هایی دربارهٔ اشتباهش می‌نوشت. Opus 5 اولین مدلی بود که حلقه رو کامل کرد: قانون می‌نوشت، می‌گفت از کجا می‌دونه درسته و تله‌ها رو علامت می‌زد. Opus 5.5 و Sonnet 5.5 هم همین کارو کردن. جالبه که دادن قانون ثابت مثل «فقط شکست‌ها رو بنویس» به مدل‌های قوی‌تر، بخش زیادی از سود حافظه رو از بین برد. ولی به Sonnet 4.6 که گفتن قبل از جواب حافظه‌ش رو بخونه، امتیازش تقریباً دو برابر شد.

تو تست بازی Pokémon Red، Sonnet 3.7 همه‌چی رو ثبت می‌کرد: ۴۱۳ فایل تو ۲۲۵ پوشه و فقط یه badge. Fable 5 فقط ۹ فایل تو ۲ پوشه به‌علاوهٔ یه global.md نوشت و ۴ badge گرفت. فرقش این بود که چیزایی مثل پول یا موقعیت روی نقشه رو که از صفحه خونده می‌شه ذخیره نمی‌کرد و فقط استراتژی و قانون‌های تست‌شده رو نگه می‌داشت. Opus 5.5 هم با همین روش بازی رو تموم کرد.

Dreaming یعنی ایجنت بیرون از سشن اصلی، یادداشت‌هاش رو با ترنسکریپت‌های واقعی مقایسه می‌کنه و درستشون می‌کنه. مثلاً Claude اشتباهی نوشته بود PokéCenter سمت شرق Mt. Moon هست و مدام از یه لبهٔ یک‌طرفه می‌افتاد عقب. بعد از dreaming یادداشت درست شد و Claude به Cerulean City رسید. بدون اصلاح، سه بار افتاد و هیچ‌وقت نرسید.

Dreaming می‌تونه ساختارهای جدید هم بسازه، مثل ویکی (مجموعه صفحه‌هایی که Claude می‌نویسه و به هم لینک می‌ده). روی حدود ۳۵۰ هزار فایل داخلی Stainless (حدود ۴۲۰M توکن)، با بالا بردن dreaming از ۲ به ۱۲۸ سشن، امتیاز ویکی تنها از ۱۳٪ به ۴۸٪ رسید. ترکیب ویکی و سرچ امتیاز رو از ۵۳٪ به ۶۱٪ برد و هر سؤال حدود ۲۰ هزار توکن کمتر مصرف کرد. تو سؤال‌های یه پروندهٔ ادغام شرکت، ویکی ۸۷٪ گرفت در برابر ۷۳٪ سرچ. ولی جاهایی که جواب تو یه سند پیدا می‌شد سودی نداشت، و یه بار هم ویکی از خود اسناد بزرگ‌تر شد.

Dreaming می‌تونه یادداشت‌های مهم رو ببره بالای سلسله‌مراتب حافظه تا اول هر سشن لود بشن، ولی این لایه باید کوچیک بمونه؛ مثلاً auto memory تو Claude Code فقط ۲۰۰ خط اول یا ۲۵KB از MEMORY.md رو لود می‌کنه. تو یه تست قرارداد، وقتی Claude دستورالعمل ساخت ویکی رو خودش بازنویسی کرد تا هر قرارداد صفحهٔ جدا با متن دقیق داشته باشه، پوشش معیارها از ۷۲٪ به ۱۰۰٪ رسید. نویسنده می‌گه هنوز سؤال‌های باز زیادی هست، مثل اینکه کِی حافظه ساخته بشه و dreaming هر چند وقت یه بار اجرا بشه.

نکات کلیدی:

• Opus 5 اولین مدلی بود که تو CL-Bench 1.0 حلقهٔ یادگیری با حافظه رو کامل کرد.
• تو Pokémon Red، Sonnet 3.7 با ۴۱۳ فایل یه badge گرفت و Fable 5 با ۹ فایل چهار تا.
• قانون ثابت «فقط شکست‌ها رو بنویس» سود حافظه رو برای Opus 5 و Opus 4.7 کم کرد.
• ویکی ساخته‌شده با ۱۲۸ سشن dreaming امتیاز رو از ۱۳٪ به ۴۸٪ رسوند؛ ویکی + سرچ ۶۱٪ گرفت.
• auto memory تو Claude Code فقط ۲۰۰ خط یا ۲۵KB اول MEMORY.md رو لود می‌کنه.