Anthropic 常驻智能体五件套与做梦式记忆
Anthropic 于 11 月 13 日发布设计指南《Building always-on agents》,首次系统拆解了常驻智能体的底层架构,把这套看似神秘的”全天候在线”能力归纳为五个可施工的组件:事件收件箱、定时器、记忆、权限与发件箱。同期(11 月 6 日),Anthropic 还公开了智能体记忆机制研究《The components of agent memory》,提出借鉴人脑睡眠机制的”做梦”(Dreaming)例程,用于在长期运行中整合上下文、修正记忆错误。两份材料一工程一研究,共同回答了同一个问题:智能体如何在无人监督的状态下,跨会话持续、可靠地把活干好。对于正在构建定时助手、监控代理与主动型产品的工程师而言,这可能是近期最值得通读的一份方法论文档。
常驻智能体不是真的”常驻”
这份指南最有反直觉的一点是:常驻智能体其实大部分时间在睡觉。所谓”always on”描述的是用户体验,而不是进程状态。实际上,智能体平时处于休眠,被事件唤醒后进入一段”运行”(run):接收事件、在会话(session)里完成任务、保存本次发生了什么,然后重新睡去,循环往复。会话就是消息与工具调用的完整记录。
Anthropic 认为,这波常驻形态的复兴主要由模型进步推动:一方面新模型判断力更强,更可靠地理解用户意图、知道什么时候该向人确认;另一方面智能成本在快速下降。在长程编码基准上,Opus 5.5 解出一个任务的成本比 Opus 5 低了 78%,而常规任务只低 40%——长程任务受益最大,这正是常驻场景的主战场。越来越多的客户开始询问如何把这类体验接入自己的产品,Anthropic 于是把内部方法论整理成这篇约 14 分钟阅读量的架构指南,作者是 William Hu。
与普通的”用户发消息才运行”的智能体不同,常驻智能体由多种事件触发:网络钩子(webhook)、定时任务、后台作业等。如果让每个事件源直接调用智能体,会出现典型的失败模式:两个事件同时到达会启动相互竞争的运行,进程崩溃则可能彻底丢失事件。整套五件套架构,就是围绕这些问题逐个给出的工程答案。
五大组件一览:各管一段生命周期
五个组件分别覆盖了常驻智能体”何时醒、醒后记什么、怎么安全干活、怎么把结果送出去”的完整生命周期。下表横向对比它们的职责、解决的问题与实现要点。
| 组件 | 核心职责 | 解决的问题 | 实现要点 |
|---|---|---|---|
| 事件收件箱 | 统一接收并排队外部事件 | 并发竞争、崩溃丢事件 | 持久化事件表 + HTTP 处理器 + 单一工作线程,按来源去重 |
| 定时器 | 让智能体主动醒来 | 没有外部事件时无法行动 | 跟进提醒与周期日程分存于独立存储,调度器轮询到点注入收件箱 |
| 记忆 | 跨运行保持连续性 | 运行之间上下文断裂、重复劳动 | 指令、用户笔记、过往消息、任务进度四类文件,索引预载、按需取用 |
| 权限 | 约束无人监督下的高风险动作 | 智能体持用户权限自行操作的风险 | 凭证代理注入、自动模式分类器、可挂起的延迟工具调用 |
| 发件箱 | 可靠投递运行结果 | 后台干活时如何告知用户 | 发送工具或独立出站消息表加分派器,用评测调校消息频率 |
事件收件箱:睡觉时消息不丢
事件收件箱是入口。所有事件源不直接调用智能体,而是先把事件写进收件箱,由工作线程取走处理。最简单的版本包含三个部分:一张持久化的事件列表(通常就是关系数据库里的一张表,每个事件追加一行)、一个把事件写入列表的处理器(通常是 HTTP 端点)、一个从列表读取事件的后台工作线程。
指南给出了几条具体建议:处理器应快速确认事件,因为部分网络钩子服务会把慢响应当作失败,注入检测这类深度校验应放到运行阶段再做;收件箱应是唯一事实来源,工作线程被唤醒时先拉取最新事件,这样线程中途挂掉,新线程可以接着重试;每个收件箱同一时间只应有一个活跃工作线程,避免两个运行重复干活或互相覆盖;工作线程应批量处理积压事件——用户连发多条消息时合并为一次运行,只回一次。事件到来时可以选择推给下次运行、并入当前运行,或中断重启,事件如果延续早前工作(比如用户回复),则恢复既有会话,否则开启新会话。Anthropic 建议从”每用户一个收件箱”起步,需要更高并行度再拆分。
定时器:没有事件也能自己醒
定时器与收件箱一起,让智能体具备主动性。它分两类:跟进(follow-up)是智能体给自己设的期限,比如过一会儿检查对方是否回复;日程(schedule)是固定节奏的周期任务,比如每天早上发一份简报。定时器存放在与收件箱分离的持久存储里,由调度器服务按固定间隔轮询,发现到期的定时器就更新状态——把跟进标记为已完成、把日程推进到下次触发——同时往收件箱注入一条事件,唤醒工作线程。团队可以自建调度器,也可以直接使用持久化执行引擎。
记忆:让一次次断开的运行接得上
因为常驻智能体的工作分散在无数次独立运行里,记忆承担着跨运行延续上下文的重任。指南建议给记忆单独的存储(数据库或对象存储),使其生命周期独立于工作线程进程;只存智能体无法从别处查到的内容,能用指针指向工单系统等外部数据就不要复制一份。
四类记忆不可或缺:每次运行开始都要加载的用户指令;记录习得偏好与纠正的用户笔记;避免重复告知的过往消息;让新运行从上次断点继续的任务进度文件。当笔记或进度文件多了以后,每次运行只预载一份索引,需要时再取单个文件,配合提示缓存与压缩控制上下文开销。指南还提到了”做梦”——一个后台进程,复盘过往会话来策展记忆、发现跨运行的模式。这一点与同期发布的记忆研究直接呼应,下文详述。
权限:无人看管时最容易出事的地方
权限被指南标为风险最高的部分:一次运行持有用户的访问凭证,而且是在无人监督的情况下操作。三个组件构成防线。其一是凭证存储——作为智能体环境之外的代理实现,在请求发出前注入密钥,敏感凭证全程不经过智能体;其二是自动模式,用分类器审查较高风险的动作,拦截危险操作、放行更安全的替代方案,Claude Code 已内置此能力;其三是延迟工具调用——运行在中途挂起,把请求通过交互卡片(可基于 MCP Apps 构建)呈现给用户,等用户的答复作为收件箱事件到达后,再恢复已保存的会话。等待确认期间,工作线程可以继续处理其他事件,智能体不会因此卡死。
发件箱:克制地说话
普通智能体逐词流式输出,用户看着推理全过程;常驻智能体大部分工作在后台完成,用户只收到结果和少量细节。一次运行的结局有三种:往发件箱发一条消息、判断无需发送、或挂起等待确认。大多数智能体只需要一个简单的发送工具,但当需要控制消息节奏或从投递错误中恢复时,正式的发件箱——一张独立出站消息表加上类似收件箱工作线程的分派器——就有价值了。指南特别建议通过评测来调校消息频率:从”安静”起步,逐步赢得用户注意力。发太多是噪音,发太少会漏报要事。
做梦式记忆研究:让智能体在空闲时整理自己
如果说五件套是施工图,11 月 6 日由 Lance Martin 发布的研究《The components of agent memory》就是记忆这一件的深度理论支撑。Anthropic 在文中开篇引用了克尔凯郭尔”生活只能倒着被理解,但必须正着被经历”的论述,并类比人脑机制:海马体实时记录经历,而记忆向长期知识的整合大量发生在睡眠与安静休息期间——大脑离线时回放近期体验,把它们逐渐蒸馏并整合进储存知识的新皮层。智能体记忆可以采用同样的分工:运行时随时写笔记,空闲时段复盘日志做整理。
Anthropic 把这种离线整理过程称为”做梦”,其思想可追溯到 Letta 与 UC Berkeley 研究者提出的”睡眠时计算”(sleep-time compute)——让模型利用交互间隙的空闲算力重组已有上下文。做梦能做的包括:修正错误笔记、生成新笔记、构建 Wiki 式关联知识表征、决定哪些内容预载进未来会话。这里的关键洞察是”记忆本质上是对未来的预测”:写下一规则,就是预测该模式还会再出现。但实时写入有风险——当下看着重要的记录可能本身有错,或随环境变化过时,而后续会话会盲信这些错误记忆,形成自我强化的幻觉。做梦正是对照原始会话日志来修复这类缺陷的机制。
研究还划清了边界:智能体记忆指模型从与用户的交互和任务执行中获得、跨会话保留、供后续读取的经验知识,不包括模型权重更新、单会话内的上下文学习,也不包括用摘要替换旧轮次以便在新上下文窗口继续工作的压缩(compaction)。研究将记忆栈分为四层:原始转录、记忆笔记、结构化表征(如主题 Wiki)、以及每次会话开始注入的少量上下文——在 Claude Code 中这层被限制在 200 行或 25KB 以内,防止上下文饱和损害指令遵循能力。
落地建议:先跑通最小闭环,再补齐周边
对想动手的团队,指南的五件套可以按依赖顺序渐进落地。第一步搭最小闭环:一张事件表加一个工作线程,让智能体能够被事件唤醒、干完活、写回状态,此时甚至不需要正式的发件箱,一个发送工具即可。第二步加入定时器,让智能体具备主动跟进与周期任务能力,这一步往往最能改变产品体验——从”被问才答”变成”主动提醒”。第三步认真做记忆:先用四类文件的简单目录结构起步,等规模上来再引入索引预载与做梦式整理,切忌一开始就堆一个庞大的黑盒存储。第四步收紧权限:凭证代理应当最先上,因为它不依赖模型行为;延迟工具调用则适合所有涉及花钱、对外发送、删除数据的高风险动作。第五步用评测驱动迭代:无论是消息发送频率还是记忆策展策略,都要有可度量的基准,而不是凭感觉调。值得注意的是,这套原语并非 Anthropic 专属栈,配合持久化执行引擎或自建调度器,可以在任意技术栈上实现同等架构;文中提到的持久化执行、凭证代理等模式,在业界成熟的分布式系统实践里都有现成对应物。真正的门槛不在单个组件,而在把它们组装起来之后的一致性:事件与会话的绑定关系、运行中断后的状态恢复、以及记忆在多智能体并发写入时的冲突处理,都是教程很少讲、实践里最容易踩坑的部分。
评测证据:会存记忆的智能体才走得更远
Anthropic 用多组实验验证了这套记忆体系。在持续学习基准 CL-Bench 1.0 的数据库问答任务上,智能体每答一题就被告知正确答案,并可写入记忆帮助后续作答。不同模型形成了明显的”学习闭环”阶梯:Sonnet 4.6 只会留下一堆散落文件和未经检验的猜想;Opus 4.7 开始把笔记合并成单一参考文档并标记哪些事实已核实;Sonnet 5 会在答案被确认后打勾、答错时写更正;Opus 5 则是首个完整闭环的模型——大多数条目包含规则、规则的依据、历史答案,以及对已发现陷阱的明确警告。Opus 5.5 与 Sonnet 5.5 也能闭环。一个有趣的发现是:对前沿模型,告诉它记忆”是干什么的”比规定”怎么用”更有效——强行加上”只记录失败”的规则,反而让 Opus 5 和 Opus 4.7 损失了大部分记忆带来的增益;而较旧模型恰恰相反,需要更紧的引导,Sonnet 4.6 在被明确要求先读记忆再作答、并检验猜想后,得分接近翻倍。
最生动的测试来自《宝可梦 红》。约一万步时,Sonnet 3.7 写了 413 个记忆文件、分布在 225 个文件夹里,只拿到 1 枚徽章——它几乎什么都存,但游戏状态持续变化,档案不断过时,一度花 17 步创建 6 个文件又删掉 9 个,期间在游戏里寸步未行。Fable 5 在同一阶段只保留了 2 个文件夹里的 9 个文件加上一个全局文件,拿下 4 枚徽章:它只记录游戏画面不直接显示的东西——策略、计划、经过检验的规则,绝不存每回合都能读到的金钱和位置。Opus 5.5 同样用一套极小的记忆笔记通关。错误记忆的危害也有实证:一次运行中 Claude 误记”宝可中心在月见山东侧”,据此认定洞穴已经探索完毕,结果走上一段单行岩沿、三次陷入循环;启用做梦例程后,智能体对照原始转录发现矛盾并改写笔记,才顺利抵达下一座城市。
在企业级场景,Anthropic 让 Opus 5 在 35 万份内部文档、共 4.2 亿 token 的语料上跨 128 个会话构建演化式知识 Wiki:纯 Wiki 表现从两个会话后达标率 13% 升至 128 个会话后的 48%;将关键词检索与成熟 Wiki 结合后达到 61%,优于单独检索的 53%。在并购尽调测试中,答案横跨多份合同的 24 个法律问题上,Wiki 式检索结构达到 87% 准确率,对比传统检索的 73%,且每次查询因预索引的综合内容节省约 2 万 token。
另一个值得注意的外部信号来自 METR 的评估:Anthropic 内部模型研发速度约翻倍,其中约 80% 的加速来自研发阶段对内部 AI 的使用。这与本篇主题遥相呼应——智能体在长程任务上的能力提升,正在直接转化为研发生产力。
把”常驻”从玄学变成施工清单
综合来看,这两份材料的价值在于把常驻智能体从产品概念还原为可实现的工程模式:五件套对应的其实是后端工程师熟悉的队列、调度、持久化、鉴权与投递,只是搬进了智能体场景,并额外要解决事件与会话绑定、状态恢复等新问题;而做梦式记忆研究则承认了当前模型”边活边记”的局限,用离线整合换长期可靠性。开发者反馈也印证了优先级:在五件套中,记忆往往是最薄弱的一环。对准备构建定时助手、监控代理或主动型产品的团队来说,接下来真正的考题是把这套清单装进自己的业务,并用评测找到”安静”与”及时”之间的平衡点。
常见问题
什么是常驻智能体?
指带状态、会主动行动的智能体:它能跨会话管理上下文,在无直接监督的情况下执行操作。实际实现上它大部分时间休眠,由事件触发短促的运行,”常驻”描述的是用户体验而非进程状态。
五大组件分别是什么?
事件收件箱、定时器、记忆、权限、发件箱。它们分别解决事件排队、主动唤醒、跨运行连续性、无人监督下的风险控制、结果投递五个问题。
为什么需要事件收件箱,而不是让事件直接触发智能体?
多来源直接调用会造成并发运行互相竞争,崩溃还会丢事件。收件箱用持久化事件表解耦事件产生与处理,支持去重、重试与批量合并,并保证同一收件箱只有一个活跃工作线程。
智能体的记忆应该存什么?
Anthropic 建议只存无法从别处查到的内容,分四类:用户指令、关于用户的笔记、过往消息要点、任务进度文件。能用指针指向外部系统就不要复制数据,运行开始只加载索引。
“做梦”机制是什么?
一种离线整理例程:智能体在空闲时段复盘历史会话日志,修正错误笔记、构建 Wiki 式知识表征、决定预载内容。类似人脑睡眠期间的记忆回放与整合,思想源自 Letta 与 UC Berkeley 的睡眠时计算研究。
错误记忆会造成什么后果?
后续会话会盲信错误笔记,形成自我强化的幻觉导致任务失败。研究中智能体因误记宝可中心方位而反复陷入循环;做梦例程对照原始转录修正后才恢复进展。
无人监督的智能体如何控制权限风险?
三个手段:凭证由智能体环境外的代理注入、不经过模型本身;自动模式用分类器拦截高风险动作;拿不准的调用可挂起为延迟工具调用,经用户在交互卡片上确认后恢复会话。
发件箱是否必要,消息发多少合适?
简单场景一个发送工具即可;需要控制节奏或从投递错误恢复时才需要带分派器的正式发件箱。Anthropic 建议通过评测调校频率,从安静起步,逐步赢得用户注意力。















暂无评论内容