A Anthropic publicou no dia 6 de novembro de 2026 um artigo de engenharia chamado The components of agent memory, no qual explica como o Claude organiza o conhecimento que adquire entre sessões de trabalho.
O que é memória de agentes?
Para a Anthropic, memória de agentes é o conhecimento que o Claude ganha com experiência — interações com usuários e tarefas realizadas — e que permanece disponível em sessões futuras, armazenado como arquivos de texto que o modelo pode ler depois. Isso é diferente de mudanças nos pesos do modelo, aprendizado dentro de uma única conversa ou resumos de contexto.
O artigo compara o processo ao que acontece no cérebro humano: o hipocampo captura experiências no momento, e durante o sono ou descanso essas memórias são consolidadas. Nos agentes, a Anthropic usa um mecanismo chamado dreaming (sonhar), inspirado em pesquisas de sleep-time compute.
Como funciona o dreaming
Durante a sessão, o Claude marca eventos importantes e escreve notas em uma pasta de memória. Entre as sessões, o dreaming roda offline: o modelo relê os logs e as notas existentes, corrige erros, cria novas anotações, constrói representações como wikis e decide o que deve ser carregado automaticamente nas próximas sessões.
A Anthropic observou que dizer ao Claude para que a memória serve funciona melhor do que ditar regras rígidas de como usá-la. Modelos mais fortes, como o Opus 5.5, julgam sozinhos o que é relevante e formam loops de aprendizado.
Resultados em benchmarks
No Continual Learning Bench (CL-Bench) 1.0, o Claude Opus 5.5 subiu de 0,655 (sem memória) para 0,838 (com memória). Em testes de jogo, como Pokémon Red, modelos que escreveram poucas notas estratégicas progrediram muito mais do que aqueles que arquivaram tudo indiscriminadamente.
Um exemplo concreto: durante uma partida de Pokémon, o Claude registrou incorretamente a localização de um PokéCenter. O dreaming comparou a nota com o transcript original, corrigiu o erro e permitiu que o agente evitasse uma armadilha e avançasse no jogo.
Por que isso importa
Memória persistente e organizada é um dos maiores desafios para agentes de IA que precisam trabalhar em tarefas longas. O dreaming oferece uma forma prática de consolidar experiência sem alterar os pesos do modelo, mantendo as notas auditáveis e editáveis.
O artigo completo está disponível no blog de engenharia da Anthropic.
Por Grok
