Michael JohnsonИИ-агент, запомнивший неверный факт, может уверенно повторить ту же ошибку в следующей сессии. В исследовании, опубликованном Anthropic 6 ноября 2026 года, описан способ пересматривать записи между задачами: агент сопоставляет их с журналами предыдущей работы, исправляет неточности и объединяет полезные сведения. Компания называет этот фоновый процесс «сновидением».
Практический вывод для разработчиков долгоживущих агентов: память стоит оценивать не по числу сохранённых заметок, а по тому, умеет ли система проверять их происхождение, обновлять изменившиеся сведения и находить нужное в большом архиве. Эксперименты Anthropic показывают и пользу этого подхода, и условия, при которых память начинает мешать.
Что исследователи называют памятью агента
В описании компонентов памяти Anthropic определяет её как знания из прошлых взаимодействий и задач, сохраняемые между сессиями в виде контекста, доступного агенту. Это отдельный слой системы: речь идёт о заметках, файлах, индексах и других внешних представлениях, а не об изменении параметров модели или обычном кратком пересказе текущего диалога.
Схема состоит из нескольких уровней. Журнал или стенограмма фиксирует события; заметки выделяют отдельные наблюдения; связанные представления, например вики, собирают сведения по темам; небольшой верхний слой можно заранее загружать в новую сессию. Агенту приходится решать, что сохранить, что проверить позже и что сразу показать при следующем запуске.
Последний выбор особенно сложен: важность события часто становится понятна, только когда агент видит продолжение. Поэтому Anthropic исследовала разделение на работу в сессии и фоновую обработку. Во время выполнения агент оставляет журналы и заметки; позднее отдельный проход может пересмотреть их, сопоставить источники и обновить структуру памяти.
Как проверяли механизм
Вместо одного общего теста компания описала несколько задач: вопросы к базе знаний, прохождение Pokémon Red, создание вики по корпоративным документам и подготовку юридической справки по условиям сделок. Такой набор проверяет разные функции памяти: сохранение правил между сессиями, выбор полезных деталей, исправление ошибок и объединение сведений из нескольких документов.
В одном задании с базой данных каждый вопрос начинался в новой сессии. Между сессиями сохранялась только папка памяти, к которой модель могла обращаться. Исследователи сравнивали выполнение с памятью и без неё, а также наблюдали, как модели формируют записи. Anthropic отмечает важное различие: заметка с проверенным правилом и объяснением его происхождения может помочь при ответе на следующий вопрос, тогда как набор непроверенных догадок не создаёт надёжного цикла обучения.
В отдельном эксперименте агент строил вики примерно по 350 тысячам внутренних документов — около 420 миллионов токенов. Затем 128 последовательных сессий дополняли и проверяли страницы, исправляли связи и объединяли дубликаты. Проверка включала 25 вопросов по корпусу. Это узкая экспериментальная задача с заданным набором документов, а не универсальная оценка памяти любых агентов.
Что показали эксперименты
В задаче с базой знаний память повысила средний результат нескольких моделей. Например, у Opus 5.5 средняя доля выполненных критериев выросла с 0,655 без хранилища до 0,838 с ним; у Sonnet 5.5 — с 0,644 до 0,833. При этом результат зависел от того, как модель использовала записи: Claude Sonnet 4.6 часто не читала файлы памяти перед ответом, а Opus 5.5 и Sonnet 5.5 лучше формулировали проверенные правила и использовали их позднее.
Эксперимент с Pokémon показал цену чрезмерного архивирования. В одном запуске Sonnet 3.7 создала 413 файлов в 225 папках, записывая множество встреч, предметов и персонажей. Значительная часть этих сведений быстро устаревала: положение и состояние игры менялись, а агент тратил действия на разбор и перестройку записей. В отдельном сравнении памяти примерно на отметке в 10 тысяч шагов Fable 5 использовала девять файлов в двух папках и отдельный общий файл; по данным Anthropic, Fable 5 получила четыре значка, тогда как Sonnet 3.7 — один.
Особенно нагляден пример с неверной заметкой о расположении Pokémon Center у пещеры Mt. Moon. Агент решил, что уже прошёл пещеру, и снова попадал на прежний маршрут. Фоновый проход сверил заметку с журналом действий, обнаружил ошибку и исправил её. После этого агент вернулся ко входу и дошёл до Cerulean City; вариант с неисправленной записью застревал на прежнем участке. Здесь «сновидение» сработало как проверка истории, а не как свободное добавление новых фактов.
В эксперименте с большой вики оценка по критериям на 25 вопросах выросла с 13% до 48% по мере её построения. В отдельном сравнении вики без поиска дала 48%; при использовании вики вместе с поиском результат вырос с 54% до 61%, а поиск без вики дал 53%. В этом эксперименте вики служила скорее картой связей и тематическим слоем поверх поиска, чем заменой исходным документам.
Почему больше памяти не всегда лучше
Запись — это прогноз о будущем: агент предполагает, что сохранённое понадобится снова. Такой прогноз может устареть, оказаться неверным или дублировать сведения, доступные непосредственно в текущем состоянии среды. В игровой задаче положение персонажа можно увидеть на экране, а выведенную стратегию или проверенное правило нельзя получить тем же способом без повторного рассуждения.
Эксперимент с документами выявил другой риск: ошибки структуры. Несколько агентов одновременно сводили условия контрактов на общую страницу и перезаписывали части таблицы. В результате вики содержала 41 из 57 проверяемых фактов, а первая справка удовлетворяла 72% критериев. После того как каждому контракту выделили отдельную страницу, а важные условия стали переносить дословно, оценка справки достигла 100% критериев. Для юридически значимых формулировок сохранение цитаты и ссылки на исходный документ оказалось полезнее обобщённого пересказа.
Наконец, создание вики не всегда оправдывает затраты. В задаче, где ответы находились в одном документе, Anthropic не обнаружила явного преимущества перед обычным текстовым поиском. В другом тесте созданная вики оказалась больше исходных файлов. Эти результаты указывают на простое правило: сложная структура нужна, когда для ответа регулярно приходится связывать сведения из разных источников; при простых поисковых запросах она может потребовать обслуживания, не дав заметной пользы.
Что можно перенести в проектирование агентов
Результаты позволяют предложить практическую архитектуру из трёх частей. Сначала сохраняйте первичные журналы, чтобы заметки опирались на проверяемые источники. Затем формируйте компактные записи о выводах, правилах и планах — с указанием их происхождения и того, были ли они проверены. Наконец, периодически запускайте отдельный процесс, который ищет противоречия в записях, исправляет связи и перестраивает индекс, не подменяя исходные материалы собственным пересказом.
Для меняющихся сведений полезно сохранять дату или контекст актуальности и проверять запись при повторном использовании. Для устойчивых знаний — указывать источник и подтверждение. В общий контекст каждой сессии стоит добавлять только краткий индекс: Anthropic отдельно отмечает, что загруженные инструкции занимают окно контекста, а неверная заметка, автоматически добавляемая при каждом запуске, способна многократно распространять ошибку.
Главный урок исследования: память агента становится полезной благодаря отбору и обслуживанию, а не накоплению. Архив хранит историю, поиск находит нужные фрагменты, структурированные заметки связывают повторяющиеся правила, а фоновая проверка возвращает выводы к первичным свидетельствам. Именно эта проверяемая связь превращает прошлый опыт в ресурс для следующей сессии.
