Memória de agentes: Anthropic detalha como o “dreaming” ajuda o Claude a corrigir e organizar suas notas

A Anthropic publicou em 6 de novembro de 2026 um longo artigo de engenharia, “The components of agent memory”, sobre como seus agentes retêm o que aprendem de uma sessão para outra. O texto não lança nenhum produto: ele descreve experimentos e um método, o “dreaming”, que equipes que constroem agentes podem reproduzir.

Duas etapas: anotar e depois consolidar

A Anthropic chama de “memória de agente” o que o Claude mantém entre sessões na forma de contexto legível (notas em uma pasta, por exemplo), em contraste com os pesos do modelo, o aprendizado em contexto durante uma conversa ou a compactação. A publicação divide o processo em dois momentos:

• durante a sessão, o Claude toma notas sobre o que considera importante;
• fora da sessão, uma etapa de dreaming revisa as transcrições para corrigir essas notas, escrever novas, estruturar uma wiki ou decidir o que será carregado por padrão na próxima interação.

A ideia aproveita o sleep-time compute proposto pela Letta e pela UC Berkeley: usar o tempo ocioso entre duas interações para reorganizar o contexto.

O que os testes mostram

Em uma tarefa do CL-Bench 1.0 (perguntas sobre um banco de dados, com correção fornecida após cada resposta), a Anthropic descreve uma evolução de uma geração para a outra: o Sonnet 4.6 acumula hipóteses não testadas, o Opus 4.7 consolida um documento de referência e o Opus 5 é o primeiro a fechar o ciclo (uma regra, como ele sabe que ela é verdadeira e as armadilhas encontradas).

No Pokémon Red, a diferença está no que vale a pena reter: por volta de 10.000 passos, o Sonnet 3.7 havia criado 413 arquivos em 225 pastas para conquistar uma insígnia, enquanto o Claude Fable 5 gerou nove arquivos e um global.md para quatro insígnias. Um exemplo claro mostra a utilidade do dreaming: uma anotação incorreta sobre a localização de um prédio fazia o Claude andar em círculos; corrigida com base na transcrição, permitiu que ele avançasse no jogo.

Em um corpus interno da Stainless (cerca de 350.000 arquivos), a wiki criada por dreaming elevou os acertos em 25 perguntas de 13% para 48% dos critérios avaliados ao passar de 2 para 128 sessões. Combinada com uma ferramenta de busca, o índice chegou a 61%, contra 53% apenas com a busca, economizando cerca de 20.000 tokens por pergunta. Em um benchmark jurídico (Harvey LAB), a wiki ajuda quando a informação está dispersa entre vários documentos, mas não quando uma busca em um único arquivo é suficiente.

Os limites reconhecidos

O artigo destaca que é melhor explicar ao Claude para que serve a memória do que como usá-la: impor a regra de “registre apenas as falhas” fez o Opus 5 e o Opus 4.7 perderem boa parte do ganho de desempenho. Lembra também que a camada carregada a cada sessão deve permanecer compacta: o Claude Code lê apenas as primeiras 200 linhas ou 25 KB do MEMORY.md na inicialização. Por fim, uma wiki pode crescer até superar o tamanho dos documentos originais que resume, e o dreaming consome capacidade computacional.