Michael JohnsonOm en AI-agent minns en felaktig uppgift kan nästa session självsäkert upprepa samma misstag. I en studie som Anthropic publicerade den 6 november 2026 beskrivs ett sätt att se över anteckningar mellan uppgifter: agenten jämför dem med loggar från tidigare arbete, rättar felaktigheter och sammanför användbar information. Företaget kallar den här bakgrundsprocessen för ”drömmande”.
Den praktiska slutsatsen för den som utformar långlivade agenter är att minnet inte bör bedömas efter antalet sparade anteckningar, utan efter om systemet kan kontrollera deras ursprung, uppdatera information som har förändrats och hitta det som behövs i ett stort arkiv. Anthropics experiment visar både nyttan med detta tillvägagångssätt och under vilka omständigheter minnet börjar ställa till problem.
Vad forskarna menar med agentminne
I sin beskrivning av minnets komponenter definierar Anthropic minne som kunskap från tidigare interaktioner och uppgifter som bevaras mellan sessioner i form av kontext som agenten kan komma åt. Det är ett separat systemlager: det handlar om anteckningar, filer, index och andra externa representationer, inte om att ändra modellens parametrar eller skapa en vanlig kort sammanfattning av den pågående dialogen.
Upplägget består av flera lager. En logg eller utskrift dokumenterar händelser; anteckningar lyfter fram enskilda observationer; sammanlänkade representationer, till exempel en wiki, samlar information efter ämne; och ett litet översta lager kan förladdas inför en ny session. Agenten måste avgöra vad som ska sparas, vad som bör kontrolleras senare och vad som bör visas direkt vid nästa körning.
Det sistnämnda valet är särskilt svårt: händelsens betydelse blir ofta tydlig först när agenten ser fortsättningen. Därför undersökte Anthropic en uppdelning mellan arbete i sessionen och bakgrundsbehandling. Under körningen sparar agenten loggar och anteckningar; senare kan en separat genomgång granska dem, jämföra källor och uppdatera minnets struktur.
Så testades mekanismen
I stället för ett enda övergripande test beskrev företaget flera uppgifter: frågor till en kunskapsbas, att spela Pokémon Red, att skapa en wiki utifrån företagsdokument och att ta fram en juridisk sammanfattning av avtalsvillkor. Tillsammans prövar uppgifterna olika minnesfunktioner: att bevara regler mellan sessioner, välja användbara detaljer, rätta fel och sammanföra information från flera dokument.
I en uppgift med en databas inleddes varje fråga i en ny session. Mellan sessionerna sparades endast en minnesmapp som modellen kunde använda. Forskarna jämförde resultat med och utan minne och observerade också hur modellerna skapade anteckningar. Anthropic framhåller en viktig skillnad: en anteckning med en verifierad regel och en förklaring av dess ursprung kan hjälpa vid nästa fråga, medan en samling obekräftade gissningar inte skapar någon tillförlitlig inlärningscykel.
I ett separat experiment byggde agenten en wiki utifrån omkring 350 000 interna dokument, cirka 420 miljoner token. Därefter kompletterade och granskade 128 på varandra följande sessioner sidorna, rättade länkar och slog ihop dubbletter. Utvärderingen bestod av 25 frågor om materialet. Det här är en avgränsad experimentuppgift med en bestämd dokumentmängd, inte en universell bedömning av minne för alla slags agenter.
Vad experimenten visade
I uppgiften med kunskapsbasen höjde minnet genomsnittsresultatet för flera modeller. För Opus 5.5 ökade till exempel andelen uppfyllda kriterier i genomsnitt från 0,655 utan lagring till 0,838 med lagring; för Sonnet 5.5 steg den från 0,644 till 0,833. Resultatet berodde samtidigt på hur modellen använde anteckningarna: Claude Sonnet 4.6 läste ofta inte minnesfilerna före svaret, medan Opus 5.5 och Sonnet 5.5 var bättre på att formulera verifierade regler och använda dem senare.
Pokémon-experimentet visade vad överdriven arkivering kostar. I en körning skapade Sonnet 3.7 413 filer i 225 mappar och antecknade många möten, föremål och figurer. En stor del av informationen blev snabbt inaktuell: spelets position och tillstånd förändrades, medan agenten lade tid på att gå igenom och bygga om anteckningarna. I en separat jämförelse, ungefär vid 10 000 steg, använde Fable 5 nio filer i två mappar och en separat gemensam fil; enligt Anthropic fick Fable 5 fyra märken, medan Sonnet 3.7 fick ett.
Ett särskilt tydligt exempel gäller en felaktig anteckning om var Pokémon Center låg vid grottan Mt. Moon. Agenten trodde att den redan hade tagit sig igenom grottan och hamnade därför gång på gång på den gamla rutten. En bakgrundsgenomgång jämförde anteckningen med handlingsloggen, upptäckte felet och skrev om den. Därefter återvände agenten till ingången och nådde Cerulean City; varianten med den orättade anteckningen fastnade på samma sträcka. Här fungerade ”drömmandet” som en granskning av historiken, inte som fri tilläggning av nya fakta.
I experimentet med den stora wikin steg kriteriepoängen för de 25 frågorna från 13 % till 48 % medan wikin byggdes upp. I en separat jämförelse gav wikin utan sökning 48 %; med både wiki och sökning förändrades resultatet från 54 % till 61 %, medan sökning utan wiki gav 53 %. I detta experiment fungerade wikin snarare som en karta över samband och ett ämneslager ovanpå sökningen än som en ersättning för originaldokumenten.
Varför mer minne inte alltid är bättre
En anteckning är en prognos om framtiden: agenten antar att den sparade informationen kommer att behövas igen. Prognosen kan bli inaktuell, vara felaktig eller duplicera information som är direkt tillgänglig i den aktuella miljön. I en speluppgift går det att se figurens position på skärmen, medan en härledd strategi eller verifierad regel inte kan hämtas på samma sätt utan att resonera på nytt.
Dokumentexperimentet visade en annan risk: strukturella fel. Flera agenter sammanställde samtidigt avtalsvillkor på en gemensam sida och skrev över delar av tabellen. Följden blev att wikin innehöll 41 av 57 kontrollerbara fakta och att den första sammanfattningen uppfyllde 72 % av kriterierna. När varje avtal i stället fick en egen sida och viktiga villkor återgavs ordagrant nådde sammanfattningen 100 % av kriterierna. För juridiskt betydelsefulla formuleringar visade sig det vara bättre att bevara citat och hänvisningar till originaldokumentet än att använda en sammanfattning.
Slutligen är det inte alltid värt kostnaden att bygga en wiki. I en uppgift där svaren fanns i ett enda dokument såg Anthropic ingen tydlig fördel jämfört med vanlig textsökning. I ett annat test blev den skapade wikin större än originalfilerna. Resultaten pekar på en enkel tumregel: en komplex struktur behövs när frågor regelbundet kräver att information från olika källor kopplas samman; vid enkla sökfrågor kan den innebära mer underhåll utan någon märkbar nytta.
Vad som kan överföras till agentdesign
Resultaten stöder en praktisk arkitektur med tre delar. Spara först de ursprungliga loggarna, så att anteckningarna har ett verifierbart underlag. Skapa sedan kompakta anteckningar om slutsatser, regler och planer – och ange varifrån de kommer och om de har verifierats. Starta slutligen regelbundet en separat genomgång som letar efter motsägelser i anteckningarna, rättar länkar och bygger om indexet utan att ersätta originalmaterialet med egna sammanfattningar.
För information som förändras är det användbart att spara datum eller uppgifter om när den gäller och att kontrollera anteckningen när den används igen. För stabil kunskap bör källa och verifiering bevaras. I den gemensamma kontexten för varje session bör bara ett kort index laddas in: Anthropic påpekar särskilt att instruktioner som läses in använder kontextfönstrets kapacitet och att en felaktig anteckning som automatiskt läggs till vid varje körning kan sprida felet gång på gång.
Studiens viktigaste lärdom är att agentminne blir användbart genom urval och underhåll, inte genom att bara samla på sig mer. Arkivet ger tillgång till historiken, sökningen hittar relevanta utdrag och strukturerade anteckningar knyter ihop återkommande regler. En bakgrundskontroll för tillbaka slutsatserna till de ursprungliga beläggen. Det är den verifierbara kopplingen som gör tidigare erfarenheter till en resurs för nästa session.
