דלגו לתוכן
גיליון 001·חי·20:20 IL
→ יומן/2026-11-09·9 דק׳

ממצאי זיכרון הסוכנים של Anthropic: פתק שגוי אחד יכול ללולא את הסוכן שלכם, ו-'חלימה' מתקנת את זה

Anthropic פרסמה איך היא בונה זיכרון לסוכני Claude: היררכיית ארבע שכבות, מעברי 'חלימה' לא מקוונים שמתקנים פתקים מול התמלילים, והערכות שמראות שפתק שגוי אחד לכד סוכן בלולאה. הכללים המעשיים לכל מי שבונה זיכרון לסוכנים.

מאת Harel Asaf·בונה בינה מלאכותית·תל אביב

Anthropic פרסמה ב-6 בנובמבר תיאור מפורט של איך היא בונה זיכרון לסוכני Claude, וזו אחת מיצירות מחקר ההנדסה הסוכנית הקונקרטיות יותר השנה. הגרסה הקצרה: זיכרון סוכן עובד הכי טוב כהיררכיה (תמלילים, פתקים, ייצוגים מובנים כמו ויקי, ושכבה מוזרקת קטנה), שמתוחזקת על ידי תהליך לא מקוון ש-Anthropic מכנה dreaming (חלימה), שקורא מחדש תמלילים בין מושבים כדי לתקן פתקים שגויים ולארגן מחדש את מה שהסוכן שומר. ההערכות מאלפות: פתק שגוי אחד ("Mt Moon DONE") שלח סוכן חזרה לתחילת מערת פוקימון שלוש פעמים עד שמעבר חלימה תיקן אותו, וסוכנים שחלקו דף פתקים אחד במשימת חוזים דרסו זה את זה עד שרק 41 מתוך 57 עובדות מדורגות שרדו. אם אתם בונים סוכנים עם זיכרון מתמשך כלשהו, מצבי הכישלון כאן ייראו מוכרים.

ההקמה ש-Anthropic מתארת

לפי הפוסט, זיכרון פירושו ידע ש-Claude רוכש מניסיון ושומר בין מושבים כקבצים שהוא יכול לקרוא מאוחר יותר, לא כולל משקלים, למידה בתוך-הקשר, ודחיסה. ההיררכיה מכילה ארבע שכבות: יומן התמלילים הגולמי, פתקי זיכרון ש-Claude כותב בתוך-מושב, ייצוגים כמו ויקי שמארגנים פתקים, ושכבה מוזרקת קטנה שנטענת לכל מושב. חלימה (הפוסט מזכה את Letta וחוקרי UC Berkeley ברעיון של sleep-time compute) רצה בין מושבים ומעבירה מידע מעלה בהיררכיה, מתקנת פתקים מול תמלילים, בונה ויקי, וגוזמת את השכבה המוזרקת.

שני ממצאים על כתיבת זיכרון בולטים:

  • שיפוט הסף החשיבות השתפר עם דורות המודלים. במבחן Pokémon Red, Claude Sonnet 3.7 כתב 413 קבצי זיכרון ב-225 תיקיות (כ-978K תווים) והרוויח תג אחד, כשהוא מבלה 17 צעדים רצופים בארגון מחדש של זיכרון במקום לשחק. Claude Fable 5 כתב 10 קבצים בסך הכל כ-43K תווים והרוויח ארבעה תגים. Anthropic אומרת ש-Opus 5.5 נקט את אותה גישה חסכונית וניצח את המשחק.
  • כללי היגוי עלולים להזיק. במשימת בסיס הנתונים CL-Bench, לומר למודלים "תתעדו רק כישלונות" קיצץ את רוב רווח הזיכרון (Opus 5 איבד 0.234 מהתגמול). אבל ל-Sonnet 4.6 הישן יותר, הנחיה מפורשת לקרוא קבצי זיכרון ולבחון את התיאוריות שלו כמעט הכפילה את הציון שלו (0.330 בסיס ל-0.641 עם זיכרון ועם הנחיה מחודדת). הפרקטיקה הנוכחית של Anthropic עם מודלי חזית: הנחיה פשוטה לרשום פתקים כשמתבקש או כשמשהו בבירור שווה זכירה, ולהשאיר את השיפוט למודל.

מה ההערכות מראות

כל התוצאות למטה הן הערכות של Anthropic עצמה, אז לקרוא אותן כמדווחות על ידי הספק:

  • זיכרון עוזר לרוב המודלים שסוגרים את הלולאה. ב-CL-Bench 1.0 (לענות על שאלות בסיס נתונים, לקבל ציון, לכתוב זיכרון לפעם הבאה), תגמול ממוצע עם זיכרון מול חסר מצב: Opus 5.5 עלה מ-0.655 ל-0.838, Sonnet 5.5 מ-0.644 ל-0.833, Opus 5 מ-0.564 ל-0.828, Opus 4.7 מ-0.383 ל-0.700. Sonnet 4.6 בקושי זז (0.330 ל-0.364) בלי היגוי.
  • פתקים שגויים גרועים מחסרים. ריצת פוקימון אחת אחסנה מיקום ציון דרך שגוי, סימנה קטע מערה כבוצע, נפלה ממצוק חד-כיווני שלוש פעמים, ומעולם לא התאוששה. מעבר חלימה בדק את הפתק מול התמליל, תיקן אותו, והסוכן השלים את הקטע.
  • ויקי עוזר כשתשובות פזורות על מסמכים. בהערכת 25 שאלות על קורפוס של בערך 350K קבצים (כ-420M טוקנים, מ-Stainless), תשובות מויקי בלבד עלו מ-13% ל-48% מהקריטריונים המדורגים כשהחלימה התרחבה מ-2 ל-128 מושבים; ויקי ועוד חיפוש הגיע ל-61% מול 53% לחיפוש בלבד, וחסך כ-20K טוקנים לשאלה. במשימת מיזוג של Harvey LAB, Claude קלע 87% בשאלות רבות-מסמכים ושיפוט עם ויקי מול 73% עם חיפוש. כשהתשובות ישבו במסמך יחיד, הויקי לא הראה רווח ברור, ובמקרה אחד הויקי גדל ל-1.77 פעמים מגודל הקורפוס עצמו.
  • זיכרון משותף הניתן לכתיבה משתבש תחת מספר סוכנים. במשימת חוזים, כמה סוכנים שכתבו דף משותף אחד איבדו 16 מתוך 57 עובדות מדורגות לדריסות. מתן דף משלו לכל חוזה, עם תנאים מצוטטים מילה במילה, שמר את כל ה-57.
  • השכבה המוזרקת חייבת להישאר קטנה. Anthropic מציינת שהתיעוד של Claude Code שלה עצמה מזהיר שקבצי הוראות ארוכים מפחיתים ציות. הזיכרון האוטומטי של Claude Code טוען רק את 200 השורות הראשונות או 25 KB של MEMORY.md כאינדקס, וחלק מעבודת החלימה הוא דחיפת פרטים מטה בהיררכיה כדי לשמור את השכבה הזו קטנה.

מה אני הייתי בודק

ההצעות שלא נבדקו שלי לזיכרון הסוכנים שלכם:

  • להוסיף מעבר לא מקוון שמאמת פתקי זיכרון מול תמלילים או יומנים גולמיים, ולמדוד כמה פעמים הוא משנה משהו. מקרה הפוקימון מראה שפתק שגוי בטוח אחד יכול ללולא סוכן ללא הגבלה.
  • לאחסן ציטוטים מילוליים לכל דבר שחייב להיות מדויק (שמות, תנאים, מספרים), ולאחסן מסקנות במקום פרטים שאפשר לגזור מחדש.
  • לתת לכל ישות דף משלה ולהימנע מדפי טיוטה משותפים כשיותר מסוכן אחד כותב.
  • לשמור את השכבה המוזרקת או הנטענת תמיד זעירה: אינדקס, לא dump. דפוס ה-200 שורות או 25 KB של Claude Code הוא נקודת ייחוס קונקרטית.
  • להתאים היגוי למודל. לא להגביל יתר על המידה מודלים חזקים בכללי רישום קבועים, אבל כן לומר לחלשים יותר לקרוא זיכרון לפני פעולה ולבחון את התיאוריות שלהם.
  • לתקצב חלימה. זה חישוב נוסף, ו-Anthropic מפרטת תדירות ושחיקה כשאלות פתוחות, אז להתחיל עם לוח זמנים קשור לתדירות שבה זיכרונות נקראים.

מה לא הייתי מסיק

אלה הערכות של Anthropic על מודלים שלה עצמה על תערובת של benchmarks ציבוריים ופנימיים; מודלים של שום ספק אחר לא מופיעים. לא להסיק שחלימה נחוצה לכל סוכן: במשימות שליפה ממסמך יחיד הויקי לא הוסיף דבר, ובמשימה אחת הוא התנפח מעבר לגודל קורפוס המקור. לא להניח שתוצאת הפוקימון מתכללת מעבר להדגמת מנגנון הכישלון. ולא להתייחס לארכיטקטורה כסגורה: הפוסט עצמו מפרט מתי לכתוב זיכרון, איך לשמור אותו עדכני, והאם חיפוש תמלילים לבדו מספיק, כשאלות פתוחות.

שאלות נפוצות

מה זו "חלימה" לסוכני AI?

המונח של Anthropic להרצת המודל לא מקוון, בין מושבים, על התמלילים וקבצי הזיכרון שלו עצמו. המעבר מתקן פתקים שגויים מול רשומת התמלילים, בונה ייצוגים מובנים כמו ויקי, וגוזם את השכבה הקטנה הנטענת תמיד. הוא מתאים את רעיון ה-sleep-time compute מ-Letta וחוקרי UC Berkeley.

מהי היררכיית הזיכרון ש-Anthropic מתארת?

ארבע שכבות: תמלילים גולמיים בתחתית, פתקי זיכרון שהסוכן כותב במהלך מושבים, ייצוגים מאורגנים כמו ויקי מעליהם, ושכבת הקשר מוזרקת קטנה בראש שנטענת לכל מושב. חלימה מעבירה מידע כלפי מעלה ושומרת את השכבה העליונה קטנה.

כמה זיכרון שיפר את ציוני ה-benchmark של Claude?

במשימת בסיס הנתונים CL-Bench של Anthropic, תגמול ממוצע עם זיכרון מול בסיס חסר מצב עלה מ-0.655 ל-0.838 ל-Opus 5.5 ומ-0.383 ל-0.700 ל-Opus 4.7. Sonnet 4.6 בקושי הרוויח בלי היגוי (0.330 ל-0.364) אבל הגיע ל-0.641 עם זיכרון ועם הוראות מפורשות לקרוא זיכרון ולבחון תיאוריות. מדווח על ידי הספק לאורך כל הדרך.

מה קרה במבחן הזיכרון של פוקימון?

Sonnet 3.7 כתב 413 קבצי זיכרון והרוויח תג אחד; Fable 5 כתב 10 קבצים והרוויח ארבעה. בנפרד, פתק שגוי על ציון דרך שלח ריצה אחת חזרה לתחילת קטע מערה שלוש פעמים; אחרי שמעבר חלימה תיקן את הפתק מול התמליל, הסוכן השלים את הקטע.

האם זה חל על MEMORY.md של Claude Code?

כן, הפוסט מקשר את המחקר למוצר: Claude Code טוען רק את 200 השורות הראשונות או 25 KB של MEMORY.md כאינדקס לכל מושב, והתיעוד של Anthropic מזהיר שקבצי הוראות ארוכים מפחיתים ציות.

האם מספר סוכנים צריכים לחלוק קובץ זיכרון אחד?

ההערכה במשימת החוזים של Anthropic אומרת שלא: סוכנים שכתבו דף משותף אחד דרסו זה את זה ואיבדו 16 מתוך 57 עובדות מדורגות. דף אחד לכל חוזה, עם תנאים מצוטטים מילה במילה, שמר את כל ה-57.

האם חלימה שווה את החישוב הנוסף לסוכן שלי?

לא ברור, ו-Anthropic אומרת את זה. ויקי עזר בשאלות רבות-מסמכים ועמוסות-שיפוט (87% מול 73% במשימת Harvey LAB אחת) וחסך כ-20K טוקנים לשאלה עם חיפוש, אבל לא הוסיף דבר כשתשובות ישבו במסמך יחיד, ופעם אחת גדל מעבר לגודל הקורפוס. למדוד על עומס העבודה שלכם.

מקורות

  • The components of agent memory | Anthropic - 6 בנובמבר 2026, נקרא ב-9 בנובמבר 2026. היררכיית הזיכרון, החלימה, הערכות CL-Bench, פוקימון, ויקי-Stainless ו-Harvey LAB, ניסוי דריסת החוזים, והתנהגות MEMORY.md של Claude Code.

לא נקרא: מאמר ה-sleep-time compute של Letta ו-UC Berkeley, ה-benchmark של CL-Bench עצמו, ה-benchmark של Harvey LAB, ותיעוד הזיכרון של Claude Code מעבר למה שהפוסט מצטט. כל מספרי ההערכה למעלה מגיעים מהפוסט של Anthropic עצמה ומכסים רק מודלים של Anthropic.

קריאה נוספת

יומן הבנייה

לעקוב אחרי העבודה.

מאמרים ואבטיפוסים חדשים, ישר לקורא ה-RSS שלכם. מנויי המייל בהשהיה זמנית, עד שאחבר שירות משלוח עובד. לא נאסף כאן אימייל.

עקבו ב-RSS