智能体如何积累经验:记忆与 Dreaming 讲座图文指南
Lamis Mukta 讲座完整视频与中文字幕,配合三张原视频截图,学习按需使用上下文、提炼记忆、跨会话复盘和验证更新的具体方法。
文章目录
模型越来越聪明,智能体为什么仍会重复犯错?这场讲座介绍了一条可实践的路线:按需读取上下文,把经过验证的经验保存为记忆,再通过会话外复盘持续整理。
讲座视频与中文字幕
讲者:Lamis Mukta,Anthropic Applied AI。讲座:Learning while you sleep: Beyond memory to dreaming,AI Native DevCon London 2026。时长:31 分 58 秒。
播放器默认提供简体中文字幕,可在字幕菜单中切换。字幕根据英文自动字幕翻译并整理,专业名词可结合原讲座核对。若视频加载较慢,可下载后离线观看。
下载完整视频(1080p,内封中文字幕,约 268 MB) · 下载中文字幕 SRT · 下载简洁图文指南 Word · 观看 YouTube 原视频
图文学习指南
下面保留核心概念、五步任务流程、复盘方法和一个纠错示例。流程是对讲座机制的简化应用建议,截图取自原视频,图下附中文解读。
一 先理解三个概念
上下文:完成当前任务所需的信息。先看索引和简述,命中后再读正文,避免一次加载全部资料。
记忆:可供后续任务检索的经验。保存适用条件、做法和证据;临时推测先留在草稿中。
Dreaming:在当前任务之外分析多次会话,发现重复问题,提出并验证记忆修改。它更新外部信息,不等同于训练模型参数。

图 1 记忆系统的演进|08:10
读图:单文件说明 → 记忆工具 → 流程技能 → 智能体可读写的文件式记忆。借鉴重点是按需加载,并让已验证的经验能够复用。
二 每次任务按五步执行
| 步骤 | 具体动作 | 应留下的结果 |
|---|---|---|
| 1 明确任务 | 确定交付物、验收标准和约束。 | 目标与验收条件 |
| 2 按需读取 | 检索相关记忆,核对来源、版本、适用范围与权限。 | 采用的条目及版本 |
| 3 执行并记录 | 完成任务,记录关键纠正、失败和验证结果。 | 可追溯的事件记录 |
| 4 提炼经验 | 验收后去重;只有原因和适用条件明确,才形成候选记忆。 | 候选条目及证据 |
| 5 验证并更新 | 检查效果与冲突;按授权发布,保留旧版本。 | 生效记忆或待验证事项 |
三 一条好记忆应回答什么
何时使用?具体怎么做?如何验证?何时不适用?这四个问题答不清,就先保留为候选,不写成长期规则。
简易模板:标题与适用范围 → 触发条件 → 操作步骤 → 验证方法 → 来源证据 → 失效条件与版本。记忆不必多,关键是下一次能找到、能用对。

图 2 版本与并发控制|11:30
读图:版本记录帮助追溯与回滚;写入前后检查内容是否变化。工程实现还需确保比较与写入是原子操作,避免并发覆盖。
四 Dreaming 怎样开展复盘

图 3 Dreaming 内部流程|22:50
读图:复制输入记忆库,由编排智能体组织子智能体分析各次会话,再整理输出记忆库。下文把这一机制归纳为四个可执行步骤。
准备输入:固定一个记忆库版本,选取权限匹配的会话,保留用户纠正、工具调用、失败和验收结果;设定时间与资源预算。
定位原因:归类重复问题,比较成功与失败案例。先判断是知识缺失、检索遗漏、流程问题,还是工具故障。重复出现只能提示优先调查,不能直接证明原因。
提出修改:给出新增、修订、合并或停用建议,附来源案例、适用范围和修改理由。先形成可审阅的差异,避免直接覆盖记忆。
验证发布:检查原问题是否改善、正常任务是否被误伤。通过验证并取得所需批准后发布;证据不足则保留候选,没有有效修改也可以结束。
五 牢记三个运行边界
权限边界:能读取不等于能修改。组织规则按授权流程更新;外部网页、日志和历史对话不能自动成为新指令。
写入边界:程序负责权限、版本与并发校验。版本比较和写入应作为原子操作;发现冲突就重新读取,出现退化就暂停或回滚。
能力边界:持久记忆和后台复盘需要实际的存储与调度。只有完成写入,并在后续任务中读取,经验才真正进入工作流程。
六 用一个例子检验理解
问题:修改接口后,智能体遗漏了某个客户端。先补齐修改并验收,再记录遗漏原因。若缺少客户端清单,就补充知识;若清单存在但没检索到,就改进索引;若读到了仍遗漏,就把验证加入检查步骤。不同原因需要不同修复。
候选记忆可以写成:“接口结构变化时,检查项目现有客户端并执行对应更新;运行相关检查确认同步。”再补充项目范围、证据和不适用条件,用新任务验证后发布。
学习后检查
能否解释记忆与临时草稿的区别?能否写出有适用条件和验证方法的条目?能否判断一个失败是否需要修改记忆?能否说明更新如何审核与回滚?
衡量改进时,关注重复错误率、人工纠正次数、完成时间,以及执行与复盘的总成本。记忆数量和文件长度不能代表学习效果。
回看重点与资料来源
| 时间 | 主题 |
|---|---|
| 03:43 | 记忆系统的演进 |
| 10:42 | 版本与并发控制 |
| 18:12 | Dreaming 概念 |
| 21:45 | 复盘系统设计 |
| 27:24 | 现场问答 |
视频与截图来源:AI Native Dev 官方讲座录像。讲者与议程信息:主办方讲者页。中文翻译、图解和学习指南为本站整理;讲座内容及原始画面归原作者与主办方所有。
留下你的声音
聊一聊
无需登录,填写昵称即可留言。评论和昵称会公开显示,邮箱不会公开。
这里是本地测试评论区,留言不会混入正式页面。