Claude aprende a recordar: la memoria de los agentes se parece al sueño humano
The Components of Agent Memory
Anthropic explica cómo Claude gestiona su memoria entre sesiones, inspirándose en el hipocampo y la consolidación durante el sueño. En pruebas con CL-Bench y Pokémon Red, los modelos más avanzados aprendieron a distinguir qué vale la pena guardar: mientras Sonnet 3.7 acumuló 413 archivos sin ganar apenas medallas, Fable 5 usó nueve archivos y logró cuatro insignias. El proceso de «dreaming» permite revisar y corregir notas erróneas contra las transcripciones originales.
La memoria es, en ocasiones, una predicción.
- andai
No estoy seguro de que se explique aquí, pero por el gráfico (fig. 10) parece que wiki + búsqueda supera a dreaming, y que dreaming solo añade ganancias marginales a la configuración wiki + búsqueda.
Asumo que la búsqueda es mucho más barata que dreaming (¿aunque quizá depende de la escala temporal?), así que eso suena bastante importante.
- yfontana
Hasta ahora he desactivado la creación automática de memoria en cada harness que he usado. Claude Code a veces crea alguna de todos modos, y probablemente borro el 95% de ellas. Las memorias que crea casi siempre son relevantes solo para la tarea específica en la que está trabajando en ese momento. Si es una tarea que voy a tener que volver a hacer, entonces sí, quizá sea útil. Pero ese no es el caso la mayoría de las veces, así que las borro para evitar llenar el contexto de ruido.
Así que la principal mejora que me gustaría ver en las memorias es un mejor criterio sobre cuáles crear.
Las partes sobre "dreaming" me hacen pensar en cómo las transcripciones de los agentes contienen un montón de información que, creo, actualmente está infrautilizada. Repetiré un consejo que he visto aquí varias veces: ingiere tus propias transcripciones en duckdb (Claude Code construirá ese pipeline en unos 10 minutos) y haz algo de análisis de datos sobre ellas. Algunas ideas si no sabes por dónde empezar: mira los fallos de llamadas a herramientas para ver si puedes prevenir los comunes, comprueba si tienes grandes fallos de caché y qué los causa, mira varias métricas de eficiencia a lo largo del tiempo (tokens por $, líneas de código por tokens, etc.) con el hilo principal vs los subagentes, etc. Empecé con este tipo de cosas y acabé siguiendo algunos hilos hasta dar con ideas interesantes. Por ejemplo, encontré indicios de que tendía a hacer que Opus 5.5 / Sol 6.1 dividieran su trabajo en unidades demasiado pequeñas. Tienen capacidad para trabajar en más cosas a la vez que los modelos más antiguos, y yo no estaba aprovechando eso realmente.
- bob1029
Su avance hacia el gráfico cerúleo me está convenciendo bastante de no usar memoria.
Lo que más quiero evitar con un agente de larga duración es la volatilidad. Cualquier cosa que lo empuje rápidamente en una dirección u otra no es deseable en el caso promedio. Al menos no para mí.
- prtmnth
Tengo una skill llamada memory-prune cuyo único propósito es tomar una memoria creada automáticamente, evaluar si merece vivir, quedar almacenada en comentarios de código, una regla, un archivo AGENTS.md en el proyecto, el archivo global AGENTS.md/CLAUDE.md, o (y esta es la opción elegida más a menudo) no quedar en absoluto y ser eliminada.
- 2001zhaozhao
Este artículo es una gran validación de lo que estoy construyendo. Sin duda volveré al artículo varias veces para asimilar las ideas. Los sistemas de memoria en las IAs son extremadamente importantes y, en mi humilde opinión, se puede hacer mucho mejor que simplemente entrenar el modelo base para la gestión de memoria.