2026年3月底,Anthropic为Claude Code推出灰度测试功能Auto Dream(自动做梦),核心是通过后台自动整理记忆文件,解决AI长期使用中记忆冗余、矛盾等痛点,其设计灵感源于人类大脑的记忆巩固机制,让AI具备“选择性遗忘与结构化整理”的能力,目前需满足特定条件触发,尚未全量开放。 一、功能触发与使用方式
1.开启路径
在Claude Code中输入指令/memory,若界面显示“auto-dream”选项即可开启;当前为灰度状态,部分用户暂未获得权限。 2.触发条件(自动模式)
需同时满足两个要求:距离上次记忆整理已超过24小时,且期间积累了至少5条对话记录。触发时机为用户下次打开Claude Code对话时,系统会在后台启动子代理执行整理,不影响当前操作(如敲代码、改bug)。
3.手动触发限制
官方推荐指令/dream暂不稳定,常出现“Unknown skill:dream”提示,手动触发功能仍在优化中。未来Kairos(主动模式)与Daemon(后台服务模式)上线后,有望实现实时“做梦”。
二、核心价值:解决AI记忆“爆炸”痛点
Auto Dream的设计初衷是优化Claude Code的Auto Memory(2026年2月上线的自动记忆系统),后者虽能按项目隔离存储用户的框架偏好、代码风格、项目进展等信息(存储路径:~/.claude/projects/你的项目名/memory/),但长期使用后会出现三大问题: 信息矛盾:如同时保留“支持方案A”与“支持方案B”的冲突记录,导致AI决策混乱;
时间模糊:记忆中大量“昨天”“下周”等相对日期,随着时间推移失去意义;
冗余堆积:过期deadline、已推翻方案、完结项目笔记等占用空间,成为“噪音库”。
Auto Dream通过“做梦”流程,对记忆文件进行提纯,例如30个对话积累的280行MEMORY.md(记忆索引文件),整理后可瘦身至142行,矛盾记录被解决、相对日期转为真实日期、过时信息被清理。
三、“做梦”四步流程:模拟人类记忆巩固
Auto Dream的工作流程与人类大脑记忆整理机制高度相似,分为四个阶段:
定向(Orient):读取整个项目的记忆目录,梳理文件结构与信息关联,如同人类醒来后回忆昨日经历;
搜集信号:精准检索对话记录(含本地JSONL格式原始日志),重点提取用户纠正、明确要求记忆、反复出现及关键决策类信息;
巩固(核心环节):将检索到的有效信息与现有记忆文件比对,完成重复信息合并、矛盾信息裁决、缺失信息补充、无效信息剔除;
修剪和索引:删除冗余内容,优化记忆索引结构,生成整理结果报告。
整理耗时根据记忆体量而定:少量记忆约1-2分钟,913个对话的海量记忆需8-9分钟。
四、四层记忆架构:构建类人记忆系统
Auto Dream上线后,Claude Code形成完整的四层记忆体系,各司其职、层层递进:
五、与人类记忆机制的同构性
Auto Dream的设计深度借鉴了人类神经科学中的记忆巩固原理:
人类记忆分感官记忆(瞬时)、短期记忆(容量7±2个单元,留存15-30秒)、长期记忆(无限容量),信息需通过睡眠中的“记忆重放”完成从短期到长期的转化;
Claude Code中,Session Memory类似短期记忆,Auto Memory类似海马体(临时缓存),Auto Dream则模拟人类睡眠中的记忆整理——在“做梦”时整合信息、强化有效连接、弱化冗余,最终形成结构化“长期记忆”。
两者核心差异在于:人类遗忘后信息不可恢复,而Claude Code仅在记忆文件中隐藏过时内容,原始对话日志仍留存本地,支持“翻旧账”,实现“选择性遗忘+可追溯”的双重优势。
六、安全与限制
安全隔离:整理过程中项目代码设为只读,仅操作记忆目录,避免误改源码;同一项目多窗口同时打开时,仅一个窗口可执行Auto Dream;
当前局限:未全量开放权限,手动触发不稳定,暂不支持自定义整理规则,未来需结合更多模式优化实时性与灵活性。
Auto Dream的推出标志着AI Agent从“被动记忆”向“主动整理记忆”进化,其类人化的记忆架构不仅提升了Claude Code的决策精准度,也为AI领域解决记忆冗余问题提供了新范式,让AI在长期协作中更贴近人类助手的高效与智能。