Anthropic让AI学会「做梦」,这对PM意味着什么?

你有没有想过，为什么人类睡觉时大脑还在转？

神经科学告诉我们：睡眠中的「做梦」不是无意义的随机放电，而是大脑在整理白天的记忆，提取规律，删除噪音，为第二天的高效运转做准备。

昨天，Anthropic 在 Code with Claude 开发者大会上宣布了一个功能，名字就叫「Dreaming」——让 AI Agent 在任务间隙「做梦」，自我整理记忆，自我发现规律，自我进化。

这不是噱头。这是 AI Agent 从「工具」走向「协作者」的一个关键信号。

「做梦」到底是什么？

先说清楚技术本质，不然后面的分析没有根基。

Claude Managed Agents 的「Dreaming」是一个定时触发的后台进程。它会做三件事：

① 回顾历史 Session
跨越多个 Agent、多个任务的历史记录，不只是当前对话，而是整个项目周期内所有 Agent 的行为日志。

② 提取高价值记忆
从海量历史中识别出值得保留的内容：反复出现的错误模式、Agent 自发收敛的高效工作流、团队共同的偏好和习惯。

③ 重构记忆结构
把提取出的内容写入持久化记忆，同时清理低信号噪音，保持记忆库的「高密度」。

「Dreaming 能发现单个 Agent 看不到的规律——包括反复出现的错误、Agent 收敛的工作流，以及团队共享的偏好。它还会重构记忆，让记忆随着演进保持高信噪比。」
—— Anthropic 官方

这个功能目前是 Research Preview，仅限 Claude Platform 上的 Managed Agents 用户申请使用。

为什么这件事比看起来重要得多？

很多人看到这个新闻，第一反应是：「哦，又一个 AI 新功能。」

但如果你做过 AI 产品，你会立刻意识到这解决的是一个根本性的工程难题。

上下文窗口是 AI Agent 的阿喀琉斯之踵

今天所有的 LLM 都有上下文窗口限制。哪怕是百万 Token 的模型，在真实的长期项目中也会遇到瓶颈——信息太多，重要的被稀释，关键的被遗忘。

现有的解法叫「Compaction」（压缩）：定期分析对话，删掉不重要的，保留关键信息。但这个方案有两个致命缺陷：

•  
• 只在单个 Agent 内生效，跨 Agent 的知识无法共享
•  
• 被动压缩，不能主动识别「什么是真正有价值的规律」

「Dreaming」是一个主动的、跨 Agent 的、异步的记忆管理机制。它不是在压缩，而是在学习。

多 Agent 协作的记忆同步问题

当你用多个 Agent 协同完成一个复杂任务时，每个 Agent 都有自己的上下文，但它们之间的「共同经验」无处存放。

Agent A 发现了一个高效的代码审查流程，Agent B 不知道。Agent C 踩了一个坑，Agent D 还会再踩一遍。

「Dreaming」让这些跨 Agent 的经验能够沉淀下来，变成整个 Agent 团队的「组织记忆」。

这才是真正的 AI 团队，而不是一堆各自为战的 AI 工具。

产品经理该怎么看这个信号？

不要只看功能本身，要看它背后的产品逻辑演变。

信号一：AI Agent 正在从「单次调用」走向「长期关系」

过去我们设计 AI 产品，默认的心智模型是：用户提问 → AI 回答 → 结束。每次交互都是独立的。

「Dreaming」代表的是另一种产品形态：AI Agent 是一个会随时间成长的协作者，它记得你的习惯，它知道团队的偏好，它会从错误中学习。

这对产品设计的影响是深远的：

•  
• 用户旅程不再是单次任务，而是长期关系的建立
•  
• 产品价值不只在于「当下有多聪明」，还在于「用得越久越好用」
•  
• 用户迁移成本会大幅提升——因为 Agent 积累的记忆是有价值的资产

信号二：「记忆」将成为 AI 产品的核心竞争壁垒

当所有 AI 模型的基础能力趋于同质化，谁的记忆系统更好，谁就能建立更深的用户粘性。

想象一下：一个用了你们产品 6 个月的 AI Agent，已经深度理解了你的业务流程、团队偏好、历史决策。这时候竞争对手推出了一个「更聪明」的模型，用户会轻易切换吗？

记忆 = 护城河。

这是 Anthropic 这个功能背后真正的商业逻辑。

信号三：AI 产品的「质量评估」维度需要升级

现在大多数 AI 产品的评估维度还停留在：准确率、响应速度、价格。

但当 Agent 开始「做梦」、开始自我进化，你需要新的评估维度：

•  
• 记忆质量：Agent 提取的规律是否准确？是否有用？
•  
• 进化速度：Agent 从错误中学习的效率如何？
•  
• 记忆可解释性：用户能否理解和干预 Agent 的记忆内容？

这些维度，今天大多数 AI 产品团队还没有认真思考过。

一个值得警惕的问题

「Dreaming」很美好，但有一个问题 Anthropic 没有正面回答：

谁来保证 Agent「做梦」时提取的规律是正确的？

如果 Agent 在历史任务中反复犯了同一个错误，它会把这个「错误模式」识别为「规律」并强化吗？如果团队的某个坏习惯被 Agent 学习并固化，怎么纠正？

Anthropic 提到用户可以选择「手动审查记忆变更」，但在实际的企业场景中，有多少团队有能力和意愿去审查 AI 的记忆更新？

自我进化的 AI，需要配套的人类监督机制。 这是产品设计层面必须解决的问题，不能只靠用户自觉。

对产品经理的三个行动建议

① 重新审视你的 AI 产品的「记忆架构」
如果你在做 AI 产品，现在就应该问：我们的产品有没有跨会话的记忆机制？用户的历史行为有没有被有效利用？这是下一个竞争维度。

② 把「长期关系」纳入产品设计
不要只设计「第一次使用」的体验，要设计「用了 3 个月之后」的体验。用得越久，产品应该越好用——这才是真正的 AI 产品护城河。

③ 建立 AI 行为的可审计机制
当 AI 开始自我进化，透明度和可控性变得更重要。产品设计中要给用户提供「查看 AI 记忆」「纠正 AI 认知」的能力，这不只是功能，是信任的基础。

「做梦」这个词，Anthropic 选得很聪明。

它让人联想到人类的认知机制，让一个技术功能变得直觉可理解。但更重要的是，它揭示了 AI Agent 产品演进的方向：从工具到伙伴，从单次调用到长期成长。

这条路刚刚开始走。