你的 Claude 今晚要做夢了，別打擾它

仿生人會做夢嗎？如果他們做夢的話，會夢見電子羊嗎？

電影《銀翼殺手》截圖

1968 年，科幻電影《銀翼殺手》的原著小說作者菲利普·K·迪克，在打字機前敲下這個抽象又超前的問題時，他大概不會想到，半個多世紀后，硅谷的科技巨頭們會一臉嚴肅地給出答案。

會，他們不僅能夢到電子羊，還能把夢可視化。

昨天，Anthropic 在舊金山的開發者大會上，，記憶擴展、結果輸出、多智能體協作，以及「做夢 Dreaming」。

按 Anthropic 自己的說法，「memory（記憶）和 dreaming（做夢）共同構成了一個穩健的、能夠自我改進的 agent 記憶系統」。

又是做夢，又是記憶，對 AI 領域不太關注的朋友，大概都會滿頭問號，這些屬于人類的詞語，什么時候開始可以如此絲滑地套用在 AI 身上了。

早在 2024 年 OpenAI 推出 o1 系列時，「一系列被設計成在回應前花更多時間思考的 AI 模型」，「思考」二字用得極其自然，自然到沒人停下來追問一句，一個統計預測下一個 token 的程序，憑什么叫思考？

緊接著是 reasoning（推理）、memory（記憶）、reflection（反思）、Imagining（想象），一個一個把人類才會做的事情，挨個搬到產品發布會上。

探討夢的電影《紅辣椒》截圖

「思考」還能解釋成隱喻，「記憶」也勉強算技術行話的延伸，「做夢」真就有點過了。文史哲幾千年都沒研究清，AI 公司卻能直接說：我們不僅做出了能思考的機器，我們還做出了會做夢的機器。

什么是做夢，除了做夢，找不到任何一個能精確描述這件事的工程術語了嗎？

AI 做夢也要花錢

早在 Claude Code 代碼泄露事件中，就有網友發現 Anthropic 正在準備一項名為 Auto Dreaming 的功能。當時，大家都在想，難道 AI 也和我們人類一樣，需要睡覺，得到足夠的休息，才能變得注意力更集中，更聰明嗎？

但只要了解目前 AI Agent 的工作原理，就會發現所謂的「做夢」，本質上只是一次自動化的離線日志批處理。

AI Agent 現在擅長完成一些長鏈路的復雜任務。比如「幫我調研一下這五家競品的最新財報，并整理成表格」。在這個過程中，Agent 需要在不同的網頁間跳轉，讀取多個文檔，調用不同的工具，甚至可能因為遇到反爬蟲機制而碰壁重試。

當這一長串繁雜的在線任務結束后，Agent 的后臺會留下海量的運行日志。

圖片由 AI 生成

Anthropic 的「做夢」功能，就是讓 Agent 在閑置時間里，重新梳理這些歷史記錄。它會從中尋找模式，比如發現「每次遇到這種彈窗，點擊右上角就能關掉」，從而優化下一次的操作路徑。

「記憶」負責在工作時捕獲學到的東西，而「做夢」則在會話之間提煉這些記憶，并在不同的 Agent 之間共享。

說白了，這就是一種基于歷史數據的強化學習和自我糾錯機制。

夢的介紹：https://platform.claude.com/docs/en/managed-agents/dreams

這次開發者大會上更新 Managed Agents 里的 Dreams，是個后臺處理的任務，我們需要手動觸發。Claude 一次能讀最多 100 個 session 的對話歷史，然后產出一份全新的 memory，供我們審查后再決定要不要用上。

而之前在 Claude Code 里已經悄悄上線的 AutoDream，是每次跟 Agent 聊完一輪，Claude Code 就會在后臺檢查「該不該做夢」，默認是 24 小時跑一次。

類似做夢的功能，Hermes Agent 也有。，它不僅支持自動從過去的任務里面總結出經驗，放在記憶文件里。

上下滑動查看更多內容

其中一項叫 Curator 的功能，還能將這些提煉出來的操作指南，自動整理成 Skill。

這些 Skill 會被打分、重復的進行合并、長期不用的自動歸檔，甚至還有 active、stale、archived 這樣的生命周期。我們還能把重要 Skill Pin 住，不讓系統自動清掉。

OpenClaw 在最近的幾次更新里，也添加了相關的機制，像是跨對話的持久記憶、定時的任務調度、子 Agent 隔離執行，以及直接叫 Dreaming 的做夢功能。

OpenClaw 的做夢：https://docs.openclaw.ai/concepts/dreaming

在 OpenClaw 的做夢機制里，它把夢境的行程概括成三個階段，light、REM、deep。前兩者負責整理、反思和主題歸納，deep 才真正把內容寫入長期記憶 MEMORY.md。

而深度睡眠階段的鞏固，會由 6 個加權信號進行決定，是否需要寫入長期記憶。這六個信號包括頻率、相關性、查詢多樣性、時效性、跨天重復度、概念豐富度。

圖片由 AI 生成

寫入長期記憶，會生成兩份文件，一份面向機器的狀態文件，放在 memory/.dreams/；另一份是面向用戶的可讀記錄，寫入 DREAMS.md 和按階段生成的報告。

此外，Dreaming 可以自動定時運行，默認每天凌晨 3 點跑一次完整流程，順序是 light → REM → deep。

除了做夢的輸出，OpenClaw 還維護這一個叫 Dream Diary 的文檔， 系統會自動生成一份「夢境日記」，用敘事方式記錄記憶整理過程，強調可解釋、可審閱，而不是黑箱寫庫。

神經科學里有一個非常經典的理解：人類白天獲取的信息，先進入更偏臨時存儲的系統；而在睡眠過程中，大腦會對這些信息進行重放、鞏固和清理，把重要的留下，把無意義的丟掉。

圖片由 AI 生成

我們不會記得昨天上班路上每一輛車的顏色，但會記得怎么去公司。

這些夢，聽起來和我們人做夢確實一樣，非得找點不同，大概就是 Claude 做夢的時候，還是在消耗我們的 Token。

但 Anthropic、OpenClaw 都沒有選擇叫它「基于會話的優化（session-based optimization）」，或者是「任務后調優（post-task tuning）」等，偏向工程方面的名字。

畢竟，當把那些復雜名字，直接變成「做夢」，我們感受到的就不再是軟件功能，而像一個「有內心活動的數字生命」。

AI 的記憶，是瑣碎的上下文

既然提到了「做夢」，就不得不提它的前置條件，記憶（Memory）。

過去一段時間，AI 圈最火的詞從提示詞工程，變成上下文工程、Skill 工程、，但無論怎么變化，目前最有價值的還是上下文工程。

系統提示、用戶輸入、短期對話、長期記憶、檢索回來的文檔、工具和 Skill 調用的輸出、當前用戶狀態，這些層疊加起來，就是 agent 真正在用的「上下文」。

讓 Agent 能記得更多，記下更有用的內容，一直是過去很長一段時間以來的難題。

Manus 去年發了一篇技術博客，專門講 Manus 是如何優化上下文工程。里面提到了把 KV-Cache 緩存命中率，定義為生產環境中 AI Agent 最重要的單一指標之一。同時在工具調用層面，優先做「遮蔽」而不是「移除」；以及把文件系統作為終極上下文等方法。

要理解所謂的 KV Cache（鍵值緩存），我們可以把大模型想象成一個每次只能讀一個字的極度強迫癥患者。

當它處理一句話時，它會為每一個生成的 Token 計算出一個 Key（鍵）和一個 Value（值）向量。為了不每次都從頭重新算一遍，它會把這些 (K, V) 鍵值對存起來，這就是 KV Cache。

KV Cache（鍵值緩存）是大模型在生成文本時，用來「用空間換時間」的底層加速技術。緩存使得模型在預測下一個詞時，不需要把前面的所有詞重新計算一遍。圖片由 AI 生成。

只要對話在繼續，KV Cache 就會不斷的保存。一般情況下，在面對動輒 128k 上下文的大模型時，一個 70B 參數的模型跑滿 128k 上下文，單單是 KV Cache 就能一口吞掉 64 GB 的顯存。

這也是為什么大多數模型的上下文窗口，目前最多都是百萬級別。

昨天，一家拿到 2900 萬美元種子輪融資的新公司 Subquadratic，在 X 發布 SubQ 新模型，主打更長上下文。

SubQ 宣稱可支持最高 1200 萬 token 上下文窗口，這是目前所有大模型里面最大的上下文窗口。

雖然還沒有技術論文或模型說明文檔，介紹的視頻里提到，SubQ 的核心技術路線是從傳統 Transformer 的「稠密注意力」，轉向帶有稀疏注意力的「次二次 / 線性擴展」架構。新的架構有望能解決上下文越長、算力成本越爆炸的問題。

給出的測試結果也相當激進，在 100 萬 token 下，速度提升超 50 倍、成本降低超 50 倍；在 1200 萬 token 時，算力需求較前沿模型可降低近 1000 倍。

而在 RULER 128K 長上下文基準上，Subquadratic 稱 SubQ 以 95% 準確率、8 美元成本，對比 Claude Opus 的 94% 準確率、約 2600 美元成本，成本下降約 300 倍。

要不擴大上下文窗口，要不讓模型學會做夢，自己丟棄一些東西。

這也是為什么 Anthropic 等 Agent 產品，現在必須推出 Dreaming。在上下文窗口受限的情況下，更聰明的 AI 不能光靠塞進更多內容，還需要有的放矢。

承認機器只是機器，比想象中難

了解了 AI 的做夢與記憶機制，我們或許能知道它和人類活動之間的關系。

但把所有這些 AI 公司造出來用在機器上的詞放在一起，OpenAI 的 thinking 思考、行業通用的 memory 記憶和 hallucination 幻覺、Anthropic 這次的 dreaming 做夢，以及 Anthropic 那本憲法里的美德和智慧。

我們能看到，AI 公司遠不只是在賣產品，它們在重新分配「人」這個概念里的詞匯所有權。每挪用一個詞，機器和人的邊界就模糊一寸。

語言會塑造預期，預期塑造容忍度，容忍度決定我們愿意把多少東西交給它。這是一條很長的鏈條，但起點就是發布會上那些無害的詞。

更隱蔽的一層影響是責任分配。當工具被描述成有「思考」、「記憶」、「價值觀」的實體，它出問題時，我們會自然地把它當成一個獨立的「行為主體」來追責，是這個 AI 它需要被「教育」「調試」「校準」。

可真正應該被追問的，是把這個程序部署到我們工作流里的那家公司，和寫出「dreaming」這個詞的那個產品團隊。詞一換，「被告席」上坐著的人也換了。

而我們看著一臺會「思考」、會「記憶」、現在還會「做夢」的機器，也開始下意識地相信里面有什么東西。因為承認這只是一個機器，那種「我在跟一個會思考的存在對話」的體驗感就消散了，回到的是冷冰冰的工具關系。

白日夢功能介紹｜圖片由 AI 生成

我已經想到了，Dreaming 做夢是處理過去的內容，接下來 AI 公司還會推出 Daydreaming，白日夢，用來預演未來。

介紹就是，白日夢或者走神，能讓 Agent 在活躍的狀態下，用一小部分的空閑算力，結合當前的正在進行的項目，同時去做探索性生成，準備未來可能的任務。

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標題「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關鏈接）