Claude agentearen memoria: transkripzioetan oinarritutako ametsak eta idazle partekatuen hutsegiteak

Bideo honek zer jorratzen duen

• Agentearen memoriak testuingurua mantentzen du saioen artean; deskribatutako konponketak oharrak aldatzen ditu, ez modeloaren pisuak.
• Ohar okerra saioaren transkripzioaren aurka egiaztatzeak adar zuzenduari Cerulean hirira iristen lagundu zion.
• Bilaketak bakarrik irizpideen %53 lortu zuen; bilaketak gehi wiki handiagoak %61 lortu zuen Stainless dokumentuei buruzko 25 galderetan.
• Beste iturri-jakinarazi zen lege-zereginetan ez zen ikusi wiki-aren irabazi argirik, edo wiki-a jatorrizko dokumentuak baino handiagoa zen.
• Kontratu-orri espezifikoek, orri bakoitzeko idazle bakarrak eta hitzez hitzeko terminoek 57/57 egitate kalifikatu berreskuratu zituzten; bi aldaketak batera probatu ziren.

Itzulitako transkripzioa

Jatorrizko ingelesezko narraziotik itzulia. Eskuragarri dauden audioa eta azpitituluak YouTube-k kontrolatzen ditu.

Zergatik mantendu zuen memoriak Claude harrapatuta?

0:00 Clauderi memoria emateak akatsak errepikatzea eragotzi beharko lioke. Anthropic-ek ohar oker batek Pokémon labarraren gainetik hiru aldiz bidali zuela ikusi zuen. Bideo honetan, nola harrapatzen du memoriak Claude? Eta zer konpontzen du benetan? Anthropic-ek konponketari amets deitzen dio. Modelo-saio gehigarriek gordetako transkripzioak berrikusten dituzte eta memoria-fitxategiak editatzen dituzte. Bere kontratu-probak falta ziren egitate guztiak berreskuratu zituen, memoria horiek nola idatzi ziren aldatuz. Gogoratu hori.

0:22 Azaroak zazpi, larunbata da, eta hau The Daily Diff da. Agentearen memoria saioen artean gordetako testuingurua da. Modeloaren pisuak aldatu gabe jarraitzen dute. Inguruko softwareak erabakitzen du noiz exekutatzen den garbiketa eta zein transkripzio ikusten dituen. Managed Agents' Dreams funtzioa ikerketa-aurreko bertsioan dago. Artikulu honek ez ditu ametsak aktibatzen Claude erabiltzaile guztientzat. Anthropic-ek Lance Martin-en artikulua argitaratu zuen ostiralean.

Zer probatu zuen Anthropic-ek benetan?

0:41 Gaurko Hacker News-eko eztabaidan jendea eztabaidan ari da zein memoria ezabatzen dituzten. Zer gertatzen da ohar oker eta ziur batek beste saio batera irauten duenean? Haluzinazioari artxibo-kabinete bat eman diogu. Claude-k Mount Moon gurutzatu behar du, gertuko Pokémon Zentro bat erreferentzia gisa erabiliz. Eraikina ekialdean dagoela idazten du, mendebaldean dagoen arren. Haitzuloa atzean duela sinetsita irteten da. Ondoren, norabide bakarreko labar batetik jaisten da etorri zen bidera.

1:05 Bere nabigazio-tresnak jaitsiera ez du ikusten, beraz, Claude-k hutsegitea gehiegizko joera gisa azaltzen du. Hurrengo saiakerak hipotesi oker berarekin hasten da. Iraunkortasunak akatsa mantendu du. Hirugarren erorketaren ondoren, Claude-k idazten du geldituko dela, ez begiztan jarraituko duela. Ikerlarien konfigurazioak automatikoki esaten dio jarraitzeko. Lehenagoko herri batera itzultzen da, eta exekuzio hori Cerulean hirira iritsi gabe amaitzen da. Botak ere bilera hau amaitzea nahi du. Ikerlariek ametsak exekutatzen dituzte akatsa duen memoria-karpeta horretan.

Nola konpondu zuen ametsak ibilbidea?

1:30 Claude-k oharra jatorrizko saioaren transkripzioarekin egiaztatzen du, kokapen-errorea harrapatzen du eta berridazten du. Ohar zuzenduarekin, Mount Moon-era itzultzen da eta azkenean Cerulean-era iristen da. Hori da hemen emaitza erabilgarria. Gordetako aldarrikapen bat frogen aurka egiaztatzen da beste saiakera bat egin aurretik. Exekuzio batean, Sonnet hiru puntuko zazpik ehunka fitxategi pilatu zituen, txapa bakarra irabazten zuen bitartean. Fable bostek bilduma txikiagoa mantendu zuen eta lau irabazi zituen.

1:50 Modelo desberdinak, exekuzio bana, beraz, artxibo-sistemaren ekarpena ezin da isolatu. Hacker News-en, yfontana-k dio ia memoria automatiko guztiak ezabatzen dituela, oharrak normalean uneko zereginari dagozkiolako. Hori erabiltzaile baten esperientzia da. Atzoko koordenatuak iparrorratz txarra dira mugitu zarenean. Anthropic-ek Stainless-en barne dokumentuen gainean lotura duen wiki bat ere eraiki zuen. Claude-k saioen arteko informazioa antolatzen du,

Noiz laguntzen du memoriaren wikian?

2:10 eta gero orri horiek erabiltzen ditu galderak erantzuteko. Honek lagun dezake erantzun bat hainbat dokumentutan zehar hedatzen denean. Jatorrizko fitxategiak eskuragarri jarraitzen dute mapa egiaztatzeko. Bilaketarekin bakarrik, Claude-k ehuneko berrogeita hamahiru lortu zuen kalifikatutako irizpideen artean. Bilaketarekin bakarrik, Claude-k berrogeita hamahiru ehuneko lortu zuen kalifikatutako irizpideen artean. Bilaketak eta wiki handiagoak hirurogeita bat ehuneko lortu zuten. Horiek hogei galdera ziren enpresa baten dokumentuei buruz.

2:32 Lineaz kanpoko lan gehigarriak ebaluazio hori hobetu zuen. Artikuluak ez digu ematen wiki-aren eraikuntzaren kostu totala, beraz, mantendu faktura-zutabea irekita. Dreams-ek API token-tasa estandarrak erabiltzen ditu, eta lanak minutu batetik ordu batzuetara iraun dezake. Anthropic-ek dio memoria guztiak etengabe egiaztatzea ez dela praktikoa izango. Zure agentearen bigarren txanda zure kreditu-txartelera doa oraindik. Artikulu berak legezko zeregin bat dakar, non wiki-ak ez zuen irabazi argirik erakutsi bilaketarekin alderatuta. Beste wiki bat laburbiltzen zituen dokumentuak baino handiagoa hazi zen.

Noiz ez du wikian ezer gehitzen?

2:56 Galdera bat pasarte bakar bat aurkituz erantzun badaiteke, entziklopedia bat lehenik eraikitzea oso garestia izan daiteke aurkitu botoia erabiltzeko. Claude Code-k automatikoki kargatzen du bere memoria-indizearen hasierako zati mugatu bat, ohar zehatzak beste nonbait gordeta daudelarik. Injektatutako instrukzio oker batek saio guztiei eragin diezaieke. Anthropic-en sukaldaritza liburuak ohartarazten du memoria transkripzioak bezain ona dela. Atzoko erregistroak ezin ditu gaur goizeko aldaketak egiaztatu. Orain kontratuaren zereginari ekingo diogu. Hainbat agenteek wiki bat eraikitzen dute simulatu den eskuratze baterako,

Zergatik desagertu ziren hamasei kontratu-gertaera?

3:23 terminoak taula partekatu batean idatziz. Ondoriozko laburpenak berrogeita bat egitate kalifikatuetatik berrogeita bat biltzen ditu. Hamasei egitate desagertu dira kontratuen eta erantzun finduaren artean. Hori informazioa galtzeko leku nahiko garrantzitsua da. Anthropic-ek hutsegitea laburpen txarrei eta agenteek elkarren lana gainidazteari egozten die. Falta ziren terminoak ez ziren inoiz modu seguruan gorde erantzun-saisiorako. Amets egiteak Claude-k hutsegite horietan hausnartzeko aukera ematen dio, wiki instrukzio desberdinak proposatzeko eta berreraikitzeko.

3:47 Konponketa memoriak nola idazten diren arte iristen da. Lankideekin dokumentu bera editatu duen edonork ezagutzen du min hori. Parte-hartzaile guztiei garun handiagoa emanez, oraindik ere beste norbaiten lana gorde dezakete. AI memoriaren arazo zirraragarria bulegoko sukaldean aurkitu da, konkurrentzia-akats bat daramalarik. Kontratu bakoitzak bere orria du, agente bakar batek idatzita. Terminoak hitzez hitz aipatzen dira. Hobetutako wikian berrogeita hamazazpi egitate kalifikatu guztiak onartzen dira.

4:08 Hori da agindutako konponketa. Jabetza bereiziak gainidaztea eragozten du, eta aipu zehatzek terminoak gordetzen dituzte. Bi aldaketak batera gertatu ziren, beraz, batek ere ez du meritu bakarra lortzen. Mantendu memoria garrantzitsuak beren iturrietara trazagarriak. Managed Agents' Dreams-ek sarrerako biltegia gordetzen du eta berrikusteko irteera bereizi bat sortzen du. Hau irakurri nahi baduzu ni esaten entzun beharrean, diff-a zure sarrera-ontzian jaitsiko da goizero, doan daily diff dot dev helbidean, esteka behean. Beraz, gaurko epaia BERRIKUSTEKO BEHARRA da.

4:32 Transkripzioetan oinarritutako konponketa erabiliko nuke, akats iraunkor batek konponketa iraunkor bat merezi duelako. Aldatutako oharrak egiaztatuko nituzke eta wiki-ak nire benetako zereginari laguntzen dion probatuko nuke. Anthropic-en kontra-adibideek erakusten dute zein erraz bihurtzen den memoriaren mantentzea mantendu beharreko beste proiektu bat.

Fidatuko nintzateke memoria sistema honetan?

4:39 Eta hori da gaurko diff-a. Ni Niko naiz Axrisi-koa. Fusionatu arduraz. AI memoria zirraragarriaren arazoa bulegoko sukaldera joan da, konkurrentzia akats batekin. Kontratu bakoitzak bere orria du, agente bakar batek idatzita. Terminoak hitzez hitz aipatzen dira. Hobetutako wiki-ak berrogeita hamazazpi egitate kalifikatu guztiak onartzen ditu.

Iturriak

1. The components of agent memory — Lance Martin; figures by Monika Tuchowska; Anthropic-reported evaluationsAnthropic
2. Dreams — research preview, separate output store, billing and lifecycleClaude Platform documentation
3. Claude Code memory — injected index boundaryClaude Code documentation
4. Dreaming with a dynamic workflow — transcript staleness and caller controlClaude Cookbook
5. Sleep-time Compute — April 2025 prior work, no replication of this article claimedKevin Lin and colleagues / arXiv
6. Harvey LAB — tasks, documents, grading rubrics and version scopeHarvey AI
7. Authentic Dario Amodei portrait — TechCrunch Disrupt 2023; cropped, background removed and resized; Anthropic identity only, no authorship, current reaction or endorsementTechCrunch / Wikimedia Commons
8. Original TechCrunch portrait source — Dario Amodei at Disrupt 2023TechCrunch / Flickr
9. Portrait licence — Creative Commons Attribution 2.0Creative Commons
10. Two Buttons — Jake Clark, Imgflip template; commentary labels added; brief process satire, hosting is not a licence or legal clearance and grants no blanket reuseJake Clark / Imgflip
11. Groundhog Day GIF — Bill Murray and Stephen Tobolowsky as Phil/Ned; @groundhogday; silent, resized and captioned narrator commentary; no present-day reaction or blanket reuse; hosting is not a licence or legal clearanceGroundhog Day / GIPHY
12. Two Buttons origin attribution — Jake Clark, October 2014; secondary sourceSupermeme
13. Groundhog Day source link supplied by the GIPHY uploaderGroundhog Day