夜雨聆风
Anthropic给自家的AI Agent加了一个新功能。
他们管它叫"Dreaming"。
不是诗意化的修辞，不是营销噱头。它的运作方式是：在任务间隙，Claude会自动回顾过去完成过的所有会话和任务记录，提取其中的模式、规律和教训，然后把这些压缩后的"经验"存入记忆库，供未来的任务调用。
说白了，AI开始拥有"复盘"能力了。
这件事听起来可能不如"新模型参数翻倍"那么性感。但如果你理解了它意味着什么，你会发现这可能是AI Agent走向真正可用的最关键一步。
为什么单次回答好不够？
过去两年，我们评判AI能力的标准很简单：你问它一个问题，它回答得好不好。
GPT回答得好，Claude回答得好，Gemini回答得好。模型竞赛基本就是"单轮问答质量"的竞赛。
但当你真正把AI放入日常工作流，问题来了。
你让AI帮你管理一个项目。第一天它表现很好，第二天也不错。到了第三天，它忘了你之前说过的偏好。第五天，它重复犯了一个你第二天就纠正过的错误。第十天，你发现它完全没有从过去的经历中学到任何东西。
每一次对话，对AI来说都是一张白纸。
这就是为什么很多人觉得"AI用起来有用，但不够可靠"。不是模型不够聪明，而是它缺乏一件事：经验的积累和复用。
人类之所以能在工作中越来越顺手，不是因为每天变得更聪明，而是因为我们在不断积累经验。上次踩过的坑这次不会再踩，上次管用的方法这次直接复用。
Dreaming就是把这个机制搬到了AI上。
Dreaming到底在做什么？
让我们把它拆得更具体一些。
传统AI Agent的工作方式是：接收任务 → 执行 → 返回结果 → 结束。 每次任务结束后，一切清零。
Dreaming模式下的Agent工作方式变成了：接收任务 → 执行 → 返回结果 → 回顾执行过程 → 提炼模式与教训 → 更新记忆库 → 下次任务调用记忆库。
多出来的那两步，就是"做梦"——在任务间隙进行记忆整理和经验压缩。
举个例子。假设你让Claude帮你管理一个写作项目，连续用了两周：
- 第一天，你纠正了它引用格式的问题。
- 第三天，你让它改了语气风格。
- 第五天，你指出它总喜欢用"值得注意的是"这种AI套话。
- 第十天，你发现它终于不用了——不是因为模型更新了，而是它在"做梦"时把这个教训写进了记忆。
这才是智能体真正该有的样子：不是每次都从零开始，而是越用越懂你。
这件事对个人知识管理的启示
说个我自己的体会。
我用AI Agent做内容创作已经超过半年了。最大的痛点不是模型能力不够，而是——每隔一段时间，我就得把之前的偏好、风格、禁忌重新喂一遍。
"不要用'综上所述'。"
"不要连续三个bullet points。"
"语气要像朋友聊天，不要像老师教课。"
这些指令我写了不下二十遍。每次开新会话，都要重新来一遍。
如果Agent能自己记住这些东西呢？如果它能在我纠正一次之后，自动把这个偏好沉淀到记忆里，以后再也不犯呢？
这就是Dreaming的核心价值：把"每次从零开始"变成"越用越聪明"。
说白了，Dreaming解决的不是AI聪明不聪明的问题，而是AI能不能真正成为"长期搭档"的问题。
智能的本质不是回答，是复盘
把视角拉远一点，你会发现Dreaming背后藏着一个更深的洞察。
智能的本质不是一次性回答，而是持续复盘后的经验压缩。
这句话值得多读一遍。
一个人在职场上的成长，主要不是靠"学会了什么新知识"，而是靠"从过去的错误中学到了什么"。你做了三年项目管理，不是因为你读了很多书，而是因为你踩过足够多的坑，然后把这些坑变成了直觉。
AI也是一样。
过去我们给AI喂数据、调参数、训练模型——这相当于让它"读书"。但Dreaming让它开始"实践"：在实际任务中积累经验、识别模式、压缩教训。
这条路走下去，未来会出现一种全新的AI形态：它不只是通用的智能引擎，而是你的个性化知识伙伴。它了解你的工作习惯、审美偏好、常见错误、决策模式。它不只是帮你做事，而是帮你"不犯第二次同样的错"。
Claude Mythos：AI安全的新变量
和Dreaming同一时间被披露的，还有Claude Mythos——一个专门用于发现软件零日漏洞的安全模型。
Dario Amodei公开警告：我们正处在一个6到12个月的关键窗口期。AI已经能发现大量安全漏洞，但人类的修复速度远远跟不上。
这意味着什么？
攻击者可以用AI更快地找到漏洞。防御者也可以用AI更快地扫描和修复。但真实世界里的补丁部署、系统升级、资产盘点，仍然需要大量人力和时间。
AI让"发现问题"变快了，但没有自动让"组织修复问题"变快。
安全竞争最终不是模型之间的竞争，而是组织执行力之间的竞争。
普通人今天能做什么？
说了这么多技术趋势，落到行动上，有三件事你现在就可以做：
第一，建立你自己的"复盘机制"。
不用AI也行。每天花5分钟，写下今天犯的一个错误、一个教训、一个下次可以改进的点。一周后回头看，你会发现这些零散的笔记比任何方法论书都管用。
如果你用AI，可以每天结束前让它帮你回顾今天的产出，提炼"下次不要再犯什么错"。这比单纯问"明天怎么做"有价值得多。
第二，把你的偏好和经验结构化。
不要每次开新对话都从零开始。把你最常用的偏好、风格、禁忌整理成一份文档，每次直接喂给AI。这相当于手动给AI建一个"记忆库"。
PromptBox这类本地优先的提示词管理工具，在这个场景下就特别有用。提示词不是一次性文本，而是你的生产资料。
第三，重新定义你和AI的关系。
不要把AI当搜索引擎，拿来就问，用完就扔。把它当成一个需要"培养"的搭档。每次纠正它的错误，都是在投资它的未来表现。
用Dreaming的思路来管理你自己的工作流——不只是完成任务，而是在完成任务的间隙，花一点时间提炼经验。
你的工作流有没有"做梦"环节？如果没有，你可能在反复交同样的学费。
星河 ｜ AI 时代的超级个体修行者
在这里，看见AI如何真正重塑个人商业护城河
参考资料：
- Reuters：Anthropic unveils 'dreaming' feature https://www.reuters.com/business/retail-consumer/anthropic-unveils-dreaming-feature-help-its-ai-agents-self-improve-2026-05-06/
Ars Technica：Claude Managed Agents can now "dream" https://arstechnica.com/ai/2026/05/anthropics-claude-can-now-dream-sort-of/ Anthropic Research：Natural Language Autoencoders https://www.anthropic.com/research/natural-language-autoencoders Axios：Behind the Curtain - Intelligence explosion https://www.axios.com/2026/05/07/anthropic-jack-clark-ai-intelligence-explosion CNBC：Anthropic CEO warns of cyber 'moment of danger' https://www.cnbc.com/2026/05/05/anthropic-ceo-cyber-moment-of-danger-mythos-vulnerabilities.html
