智能体现在可以"做梦"了——Dreaming 功能回顾历史会话、提炼规律、持续自我优化。 配合多智能体并行编排和 Outcomes 质量评估，Claude 智能体正式进入自我进化阶段。

复刻Claude永久记忆+自我进化能力，直接套用到你的OpenClaw上就能用。 OpenClaw永久记忆+自我进化 实操技能手册 核心技能定位 复刻Claude官方记忆+Dreaming自我进化逻辑，零复杂代码、傻瓜式配置，解决OpenClaw新开对话失忆、重复纠错、不记偏好、反复踩坑问题，打造会记经验、越用越懂你、自主优化的长效AI代理，全程12步精简实操，直接照搬执行。 核心原理 摒弃临时对话记忆，搭建基础固定记忆→持久长效记忆→自主进化迭代三层架构，代理永久留存你的偏好、操作规则、bug解决方案、工作流程，定时自我梳理优化，永不失忆、持续进化。 第一层：基础防失忆技能（必做，1分钟搞定） 步骤1：开启代理基础内置记忆 开启OpenClaw底层记忆开关，让代理默认读取、留存历史对话信息 • 操作：打开OpenClaw配置文件→开启auto_memory_switch（自动记忆总开关） • 效果：代理自动抓取对话关键信息，不会新开对话直接清空所有内容 步骤2：手动播种固定记忆（立刻生效，永不丢失） 直接复制下方模板，修改个人信息，一次性发给代理，永久留存，不用反复交代 永久记忆指令（请勿删除）： 1. 我的工作领域/核心任务：XXX 2. 我要求的输出格式：XXX（简洁/长文/纯代码/无列表/带注释） 3. 我的操作偏好：XXX（禁止做什么、必须做什么、避坑要求） 4. 禁止重复犯错：XXX（之前总出错的问题） • 效果：无需等待，代理立刻记住，所有新对话直接生效 步骤3：创建专属固定工作空间 新建OpenClaw专属任务窗口/项目文件夹，所有对话只在这个空间进行 • 空间内写入固定全局指令，绑定代理角色、工作规则、输出规范 • 效果：所有对话继承统一设置，不用每次重新设定代理 步骤4：厘清基础记忆边界 基础空间只记固定指令，不记临时对话内容，单独对话的细节、bug、方案不会自动留存，必须靠下层持久记忆解决，杜绝踩坑。 第二层：永久持久记忆技能（核心，彻底解决失忆） 步骤5：创建专属记忆文件 在OpenClaw项目知识库中，新建memory.md唯一永久记忆文件，代理每次启动自动读取 • 严格控制字数，只留关键信息，不写废话，不占用模型运行内存 步骤6：开启自动记录记忆 开启OpenClaw自动记忆功能 • 操作：输入指令/auto_memory开启，代理自动把纠错、偏好、解决方案写入记忆文件 • 效果：你纠正过的错误、修改的规则，下次对话直接记住，绝不重复犯错 步骤7：标准化记忆文件格式（直接套用） 统一格式，杜绝记忆混乱，只留4类核心内容，无关内容绝不添加 # 代理永久记忆库 ## 我的偏好 代码/写作风格、回复要求、格式禁忌 ## 核心决策 项目方案、技术选择、操作结论 ## 避坑方案 已知bug、报错解决方法、禁忌操作 ## 禁止重复错误 代理常犯问题、绝对不能做的操作 步骤8：记忆筛选纪律（关键） 只存有用信息：能改变代理后续操作、避免踩坑、提升效率的内容 无用信息（闲聊、一次性临时操作）直接删除，记忆文件越精简，代理越精准 第三层：自我进化技能（高阶，代理自主变强） 步骤9：理解自我进化（Dreaming）逻辑 代理定时自动梳理记忆：合并重复内容、删除过时信息、提炼经验规律，相当于代理睡前复盘，把短期经验变成永久能力，只针对日常高频使用的代理生效 步骤10：一键启动自我进化 适配OpenClaw简易配置，无需复杂API代码 1. 复制官方进化指令，粘贴到代理对话栏 2. 指定代理梳理：记忆文件+近期历史对话 3. 指令：只梳理工作偏好、避坑方案，删除临时无用内容 步骤11：进化后复核检查 代理自动生成全新优化版记忆文件，先检查内容： • 重复内容是否合并、过时内容是否删除、无错误噪音 • 复核通过再替换旧记忆，绝不直接覆盖原始记忆 步骤12：定时迭代+永久启用 1. 复核无误后，用新记忆文件替换旧文件 2. 设置定时进化：每天/每周自动执行一次 3. 代理全程自动复盘优化，越用越智能，无需手动调教 5个必避错误（精简牢记） 1. 别把工作空间当记忆库，只存固定指令 2. 记忆文件不臃肿，精简＞全面 3. 不什么都记，只记有用内容 4. 代理进化后必须复核，不直接覆盖 5. 低频使用代理，不用开启自我进化 快速上手（5分钟速成） 直接做前4步：开启基础记忆→粘贴播种指令→建固定工作空间→新建记忆文件 立马解决OpenClaw失忆问题，后续开启自动记忆+定时进化，打造永久记忆、自主进化、完全贴合你使用习惯的专属AI代理，无需反复调教，一劳永逸。 #OpenClaw# #AI代理# #永久记忆#

很推荐 Anthropic 刚发布的《The components of agent memory》，尤其是最近在研究 Agent Memory 的朋友。 之前看过不少 Memory 相关论文，这次可以从 Claude 的工程视角，看看它到底怎么管理、压缩和维护长期记忆。 文章有个很重要的设计，就是分层存储。 原始会话记录保留作证据，关键经验写入 Memory Notes，再通过 Dreaming 整理成相互关联的 Wiki。新会话只加载少量索引，需要时再查找详细内容。 比如 Claude Code 的 Auto Memory，每次只预加载 "MEMORY.md" 前 200 行或 25 KB，避免把大量历史信息塞进 Context。 文章中提到的 Dreaming 机制非常有意思。 Claude 可以在会话之外回查原始记录，合并重复经验、纠正错误记忆，甚至重新组织 Wiki，让过去积累的信息更容易被后续任务使用。 不过，维护这些记忆也需要额外计算。文章还发现，有些 Wiki 最后甚至比原始文档更大。 感觉 Agent Memory 还有很多值得探索的地方。如何让 Agent 留下真正有价值的经验，并在下一次任务中准确用上，可能比单纯追求记忆容量更重要。 原文：

Anthropic 的工程师说：我们内部已经不怎么写 prompt 了，写的是循环。 她在台上花了半小时，展示了 Claude 团队如何创建能够自我提示的循环。 如果这堂课卖 700 刀，今年 Agent 课的榜单大概就是它。但它是免费的。 真正拉开代际差距的，不是谁的 Prompt 写得好，而是Agent系统架构彻底换了： 1. 记忆从一份 CLAUDE.md，进化成 Agent 自己读写的 memory/ 目录 2. 记忆待在对话里会烂掉：注意力被劈开，规律被埋住，旧笔记还在自信地用错 3. 白天各 Agent 把进展写进团队记忆 4. 夜里再跑一轮 dreaming：核对、整理、补全。第二天开工的那个，自动比昨天聪明一点 数据结果也很直观：一次通过的错误少了 97%，验收快了 30%。人回去看产品，不再一直盯着提示词。 提示词是一次性的，而循环能够持续执行。 差的不是你会不会问。 是你的 Agent 睡一觉之后，还记不记得昨天学到的东西。

喜欢的游戏只出了 PS5 版，想在电脑上玩，以往基本只能指望模拟器，配置高不说，兼容性也看运气。 AnyPS5 换了个思路，直接把 PS5 的可执行文件转成 Linux 或 Windows 的原生程序，不走模拟，也不额外起一个运行时进程。 它自带一个重新链接的工具，把游戏程序转成目标系统能直接认的格式，再配上自己实现的一套系统库。 GitHub： 图形部分会把着色器重新编译成电脑显卡能跑的格式。已经跑通的 2D 平台游戏 Dreaming Sarah，在 GTX 1050 Ti 上能稳定 60 帧。 手柄的摇杆扳机都支持，键盘鼠标也能自己配。 项目本身不包含也不需要任何受版权保护的固件和密钥，定位是兼容研究和游戏保存。 不靠模拟器去搬，我觉得这条路挺硬核，研究游戏移植和底层兼容的可以关注一下进度。

🐘 太强了，Letta Code 让 AI agent 长出了记性，用得越久越有经验，不用每次都从头交代。 GitHub 上 3200 多 star，出自 MemGPT 论文的作者团队，9 月 1 号到 10 号连着发了 6 个版本，350 多个 issue 和 PR 还开着。 平时用 AI agent 干活，最磨人的是每开一个新会话，项目背景、做事习惯、上次踩过的坑都得重新讲一遍。 Letta Code 是一套 agent harness，思路是让 agent 自己长记性：学到的东西写回自己的记忆和技能，空闲时还会做一轮“dreaming”消化整理，所有上下文都用 git 记着，能同步到你自己的 GitHub 仓库。 登录 Letta 账号后状态存在云端，白天在笔记本上用，晚上换到云虚拟机或 Mac Mini 上，接着干活的还是同一个 agent，Telegram、Slack、Discord 里也能直接找它。 AI 助手终于不用每天重新认识你一遍了。 GitHub：

上周的存储行情为啥那么疯狂，我猜测是因为三件事情导致华尔街疯狂买入。 1. Anthropic将接入Spacex 300兆瓦算力资源。大幅提升其计算资源规模，使公司得以上调旗下AI产品的使用上限。同时云厂商想自掏腰包给海力士买设备铺产线。 2. Anthropic ARR：26q1已突破300亿美元，超越OpenAI。要知道25年全年只有90亿美金。5 月 6 日的旧金山开发者大会上，CEO Dario Amodei 亲口承认了 26Q1 的惊人表现 3. 上周Anthropic 展示了一项名为 “Dreaming（梦境机制）” 的 Agent 架构。这项技术允许 Claude 在非对话期间（Session 之间）自动审阅工作记录、识别模式并更新存储用户偏好的上下文文件。 这标志着 AI 从“瞬时计算（Stateless）”转向了“持久记忆（Stateful）”。 “Dreaming” 意味着模型即使在不说话时也在后台进行大规模的读写操作。这种“全天候高频读写”将对企业级 SSD 的耐用性和读取延迟提出变态的要求，这直接引爆了市场对存储芯片（尤其是高端 NAND 颗粒）长期短缺的恐慌性买入。而SSD的垄断者依然是三星海力士美光。 三件事共同导致了上周的疯狂而非简单的市场fomo，实际涨幅已经非常“保守”和“理性”。 anthropic租用xai算力资源说明了anthropic当下数据中心已经满载极度紧张。云厂商对AI公司对建设数据中心基础物料需求状态已经让他们疯狂，主动给海力士买产线。 第二点anthropic营收增速说明AI的潜力远超人类想象，存储，gpu，cpu等核心物料供应是线性的，但AI的增速却是远超预期以上的指数式的。 同时资本市场发现很恐怖的一件事情是如果照此增速，2027年上半年Anthropic营收将大概率超远市值一哥英伟达。 那么按照估值和市值计俩者差值就是一年内AI规模还有5倍大部分人认知外的真实增长空间。这5倍空间实现的途径依然是海量的存储和gpu。 第三点则意味着Anthropic现有用户体量不变的情况下，存储需求都还要继续倍增。这个改变不是对gpu，cpu的需求是纯粹的存储需求增量变化。