Michael JohnsonJeśli agent AI zapamięta błędny fakt, w kolejnej sesji może z przekonaniem powtórzyć ten sam błąd. W badaniu opublikowanym przez Anthropic 6 listopada 2026 roku opisano sposób przeglądania zapisów między zadaniami: agent porównuje je z dziennikami wcześniejszej pracy, koryguje nieścisłości i łączy przydatne informacje. Firma nazywa ten działający w tle proces „śnieniem”.
Praktyczny wniosek dla osób projektujących agentów działających przez dłuższy czas: pamięć warto oceniać nie na podstawie liczby zapisanych notatek, lecz tego, czy system potrafi sprawdzać ich pochodzenie, aktualizować zmienione informacje i znajdować potrzebne dane w dużym archiwum. Eksperymenty Anthropic pokazują zarówno zalety tego podejścia, jak i warunki, w których pamięć zaczyna przeszkadzać.
Co badacze nazywają pamięcią agenta
W opisie składników pamięci Anthropic definiuje ją jako wiedzę z wcześniejszych interakcji i zadań, która jest zachowywana między sesjami w postaci kontekstu dostępnego dla agenta. To osobna warstwa systemu: chodzi o notatki, pliki, indeksy i inne zewnętrzne reprezentacje, a nie o zmianę parametrów modelu ani zwykłe krótkie podsumowanie bieżącej rozmowy.
Ten schemat składa się z kilku warstw. Dziennik lub transkrypcja rejestruje zdarzenia; notatki wyodrębniają poszczególne obserwacje; powiązane reprezentacje, na przykład wiki, grupują informacje według tematów; niewielką warstwę nadrzędną można wczytać z wyprzedzeniem do nowej sesji. Agent musi zdecydować, co zachować, co sprawdzić później i co od razu udostępnić przy następnym uruchomieniu.
Ten ostatni wybór jest szczególnie trudny: znaczenie zdarzenia często staje się jasne dopiero wtedy, gdy agent pozna dalszy ciąg. Dlatego Anthropic zbadała podział na pracę w sesji i przetwarzanie w tle. Podczas wykonywania zadania agent pozostawia dzienniki i notatki; później osobny przebieg może je przejrzeć, porównać źródła i zaktualizować strukturę pamięci.
Jak sprawdzano mechanizm
Zamiast jednego ogólnego testu firma opisała kilka zadań: pytania do bazy wiedzy, przechodzenie gry Pokémon Red, tworzenie wiki na podstawie dokumentów firmowych oraz przygotowywanie briefu prawnego na podstawie warunków transakcji. Taki zestaw sprawdza różne funkcje pamięci: zachowywanie zasad między sesjami, wybór przydatnych szczegółów, korygowanie błędów i łączenie informacji z kilku dokumentów.
W jednym zadaniu dotyczącym bazy danych każde pytanie rozpoczynało się w nowej sesji. Między sesjami zachowywano wyłącznie folder pamięci, z którego model mógł korzystać. Badacze porównywali wyniki z pamięcią i bez niej, a także obserwowali, jak modele tworzą wpisy. Anthropic wskazuje na istotną różnicę: notatka zawierająca zweryfikowaną regułę i wyjaśnienie jej pochodzenia może pomóc przy kolejnym pytaniu, podczas gdy zbiór niesprawdzonych przypuszczeń nie tworzy wiarygodnej pętli uczenia.
W osobnym eksperymencie agent tworzył wiki na podstawie około 350 tysięcy wewnętrznych dokumentów, liczących około 420 milionów tokenów. Następnie 128 kolejnych sesji uzupełniało i sprawdzało strony, poprawiało powiązania i łączyło duplikaty. Ewaluacja obejmowała 25 pytań dotyczących korpusu. To wąskie zadanie eksperymentalne z określonym zbiorem dokumentów, a nie uniwersalna ocena pamięci dla wszystkich agentów.
Co wykazały eksperymenty
W zadaniu z bazą wiedzy pamięć podniosła średni wynik kilku modeli. Na przykład w przypadku Opus 5.5 średni odsetek spełnionych kryteriów wzrósł z 0,655 bez magazynu do 0,838 z nim; w przypadku Sonnet 5.5 — z 0,644 do 0,833. Wynik zależał jednak od sposobu korzystania z zapisów: Claude Sonnet 4.6 często nie odczytywał plików pamięci przed odpowiedzią, natomiast Opus 5.5 i Sonnet 5.5 lepiej formułowały zweryfikowane reguły i wykorzystywały je później.
Eksperyment z Pokémon pokazał, jaką cenę może mieć nadmierne archiwizowanie. W jednym uruchomieniu Sonnet 3.7 utworzył 413 plików w 225 folderach, zapisując wiele spotkań, przedmiotów i postaci. Znaczna część tych informacji szybko się dezaktualizowała: położenie i stan gry ulegały zmianie, a agent poświęcał działania na analizowanie i przebudowywanie zapisów. W osobnym porównaniu pamięci, mniej więcej przy 10 tysiącach kroków, Fable 5 używał dziewięciu plików w dwóch folderach i osobnego pliku ogólnego; według Anthropic Fable 5 zdobył cztery odznaki, podczas gdy Sonnet 3.7 — jedną.
Szczególnie wymowny przykład dotyczy błędnej notatki o lokalizacji Pokémon Center przy jaskini Mt. Moon. Agent uznał, że przeszedł już jaskinię, i wciąż trafiał na tę samą wcześniejszą trasę. Przebieg działający w tle porównał notatkę z dziennikiem działań, wykrył błąd i ją przepisał. Potem agent wrócił do wejścia i dotarł do Cerulean City; wariant z nieskorygowanym wpisem utknął na poprzednim odcinku. W tym przypadku „śnienie” zadziałało jako weryfikacja historii, a nie swobodne dopisywanie nowych faktów.
W eksperymencie z dużą wiki ocena według kryteriów dla 25 pytań wzrosła z 13% do 48% w miarę jej tworzenia. W osobnym porównaniu wiki bez wyszukiwania uzyskała 48%; przy użyciu wiki wraz z wyszukiwaniem wynik zmienił się z 54% do 61%, a samo wyszukiwanie bez wiki dało 53%. W tym eksperymencie wiki pełniła raczej rolę mapy powiązań i warstwy tematycznej nad wyszukiwaniem niż zamiennika dokumentów źródłowych.
Dlaczego więcej pamięci nie zawsze znaczy lepiej
Zapis jest prognozą dotyczącą przyszłości: agent zakłada, że zachowana informacja przyda się ponownie. Takie przewidywanie może się zdezaktualizować, okazać błędne albo powielać informacje dostępne bezpośrednio w bieżącym stanie środowiska. W grze położenie postaci można zobaczyć na ekranie, ale wywnioskowanej strategii czy sprawdzonej reguły nie da się uzyskać w ten sam sposób bez ponownego rozumowania.
Eksperyment z dokumentami ujawnił inne ryzyko: błędy strukturalne. Kilku agentów jednocześnie zestawiało warunki umów na wspólnej stronie i nadpisywało części tabeli. W rezultacie wiki zawierała 41 z 57 weryfikowalnych faktów, a pierwszy brief spełniał 72% kryteriów. Po przydzieleniu osobnej strony każdej umowie i rozpoczęciu dosłownego przenoszenia ważnych warunków ocena briefu osiągnęła 100% kryteriów. W przypadku sformułowań o znaczeniu prawnym zachowanie cytatu i odsyłacza do dokumentu źródłowego okazało się przydatniejsze niż ogólne streszczenie.
Wreszcie, budowa wiki nie zawsze uzasadnia poniesiony koszt. W zadaniu, w którym odpowiedzi znajdowały się w jednym dokumencie, Anthropic nie zaobserwowała wyraźnej przewagi nad zwykłym wyszukiwaniem tekstowym. W innym teście utworzona wiki była większa niż pliki źródłowe. Wyniki te wskazują na prostą zasadę: złożona struktura jest potrzebna, gdy pytania regularnie wymagają łączenia informacji z różnych źródeł; przy prostych zapytaniach może zwiększyć nakład pracy na utrzymanie bez wyraźnych korzyści.
Wnioski dla projektowania agentów
Wyniki przemawiają za praktyczną architekturą składającą się z trzech części. Najpierw zachowuj pierwotne dzienniki, aby notatki miały weryfikowalne podstawy. Następnie twórz zwięzłe zapisy wniosków, reguł i planów — z informacją o ich pochodzeniu oraz o tym, czy zostały sprawdzone. Na koniec uruchamiaj co jakiś czas osobny przebieg, który wyszukuje sprzeczności w tych zapisach, poprawia powiązania i przebudowuje indeks, nie zastępując materiałów źródłowych własnym streszczeniem.
W przypadku zmieniających się informacji warto zapisywać datę lub kontekst aktualności i weryfikować wpis przy ponownym użyciu. W przypadku trwałej wiedzy — zachowywać źródło i potwierdzenie. Do wspólnego kontekstu każdej sesji należy wczytywać tylko krótki indeks: Anthropic osobno zaznacza, że wczytywane instrukcje zużywają okno kontekstu, a błędna notatka automatycznie dodana do każdego uruchomienia może wielokrotnie rozpowszechniać błąd.
Główny wniosek z badania jest taki, że pamięć agenta staje się przydatna dzięki selekcji i utrzymaniu, a nie gromadzeniu. Archiwum dostarcza historii, wyszukiwanie odnajduje potrzebne fragmenty, uporządkowane notatki łączą powtarzające się reguły, a weryfikacja w tle pozwala odnieść wnioski do pierwotnych dowodów. To właśnie ta możliwa do sprawdzenia więź zamienia wcześniejsze doświadczenie w zasób dla kolejnej sesji.
