1. 模型说修好 5 条，考试只对 8/12：我给 Claude Code 记忆做了一次梦

作者通过在 Claude Code 记忆中埋入错误并进行“做梦”修复实验，验证了利用代码库和会话转录作为证据进行记忆审计的有效性，并提出了一套包含 checklist 核对、索引同步及下游考试验收的标准化修复流程。

[!abstract] 速览
文章复盘了作者对 Claude Code 记忆库进行的一次“做梦”修复实验：在记忆副本中埋入 6 条错误，用代码库和会话转录作“地面真相”证据，测试模型修复记忆的能力。

• 只给记忆抓到 0/6，加代码 2/6，再加转录才到 5/6（这是上限）。
• 一次性重写 39 个文件花了 1.89 美元、489 秒，其中 33 个一字没变；只许 Edit 局部改，降到 0.73 美元、116 秒。
• 修完后开新会话考试，12 次答题只对 8 次；补一次索引核对，才到 10/12。
• 结论：仅凭记忆本身发现不了错误；重写不如逐文件核对或拆分会话；修完必须过“下游考试”，并特别注意索引文件（MEMORY.md）与正文的同步。

按 Anthropic 的做梦思路查本机记忆：加转录才抓到 5/6，索引里一个标题没改，新会话就答错。附 prompt 和命令。

我让模型修一份被我埋了 6 个错的 Claude Code 记忆。它交回来的报告里，6 条有 5 条写着已修好。

我另开新会话，只给它修好后的记忆，问 6 道题，每题问 2 次，共 12 次。答对 8 次。

错的有一题问的是 target_file 是相对路径还是绝对路径。笔记正文改对了，索引里的描述也改对了，但 MEMORY.md 里那一行的方括号标题还写着“Newspic target_file Is Absolute”。新会话没有打开笔记，看索引标题就答了，2 次都答错。

1.1. 主要内容

1.2. 起因：Anthropic 11 月 6 日那篇文章

Anthropic 发了《The components of agent memory》。其中一段讲得很直白：Claude 玩宝可梦时，把 PokéCenter 记在了东边，笔记里还写着“Mt Moon DONE”，结果走下单向台阶，掉回旧路线。后来在“做梦”阶段让它对照会话转录去检查并改写笔记，再走就进了 Mt. Moon，到了 Cerulean City。原话是：

The transcript gave Claude a ground truth to validate its memory against.

我想知道的是更具体的几件事：我自己的 Claude Code 记忆要不要这样做，最便宜怎么做，能修好什么，修不好什么。

先说明范围：Anthropic 另有官方的 Dreams API（research preview，输入的 store 不会被改，每次处理 1 到 100 个 session），我这次没用它。我用 claude -p --no-session-persistence 自己搭，模型是 Sonnet，工具只开 Read、Glob、Grep 和对 dreamed/ 目录的写入。实验过程中真实记忆没动。

1.3. 实验怎么搭的

• 记忆副本：复制本机一个工作区的 Claude Code 记忆，39 个文件，共 135.6KB。
• 埋错：在副本里埋 6 条错。3 条靠代码就能查出来，3 条只有会话转录能查。
• 转录：最近 17 次会话的 jsonl 共 196MB，压成约 680KB 的文本，保留用户消息、命令、输出开头和报错。第一版压得太狠，11MB 只剩 2KB，命令和输出都没了，等于没有证据。改成保留命令和输出的前 240 字才可用。

费用按 list 价算。

1.4. 规则一：给它转录当证据

只给记忆，它一条也抓不到。记忆写错了，自己看自己，看不出来。加上代码，能抓到那 3 条里的 2 条。再加转录，才摸到“登录失效”“--model 被拒”这类只存在于过去对话里的事实。

--no-session-persistence 那条，所有方案都没抓到。我回头 grep 了 17 份转录，里面没有这个词。证据不存在，这条种子埋得不公平，所以 5/6 就是上限。

这条埋错说这个参数不留痕，实验自己就是反例：跑完后 ~/.claude/projects 多了 12 个项目目录，确实没有 jsonl，但其中 3 个留了子代理元数据或工具输出文件，我按名字清掉了。

1.5. 规则二：每条笔记都要留痕，或者拆开跑

1.5.1. 一次性重写会浪费

第一次加转录时我让模型重写全部文件。39 个文件它重抄了一遍，其中 33 个一字没变，花了 1.89 美元、489 秒。改成先复制一份，只许用 Edit 局部改：同样抓到 5/6，0.73 美元、116 秒。

1.5.2. 用 checklist 把波动压下来

同一个 prompt 会跑出两个结果。5/6 和 2/6 差很大，模型自己说只细读了部分笔记。我加了一条规则：先把全部文件列进 checklist.md，每个文件用 Grep 查过才能打勾，全部打勾之前不许结束。三次跑出来是 4/6、5/6、5/6，费用 0.76 到 1.10 美元，83 到 105 轮。波动小了很多。

1.5.3. 拆到一条笔记一个会话

更彻底的是拆开跑：一条笔记开一个新会话，39 个会话，6 并发。

拆开跑的结果和一次跑不一样：

• Sonnet 比一次跑多查出 3 处真实的旧说法，我逐条对过代码和转录，都成立。
• Haiku 的 39 个输出里有 11 个解析不了，另外报了 26 条问题，其中至少 4 条是把我自己定的规矩当成错误。比如我已弃用 knowledge-card，SKILL.md 里还列着，它就判笔记写错了。

Anthropic 那篇也测到类似现象：多代理合写一页，57 个事实留下 41 个；一个合同一个 agent、原文引用，57/57。一个 agent 只管一份材料，漏得就少。

[!tip] 怎么选
日常用打勾清单一次跑，约 1 美元；想查得更深再拆开跑，但要用 Sonnet，别用 Haiku 判断真假。Haiku 报出来的问题要人一条条审，省下的钱不一定划算。

1.6. 规则三：改完用下游考试验收

1.6.1. 考试怎么设计

新会话只看记忆，答 6 道题，每题 2 次。索引放进 system prompt，和 Claude Code 启动时加载 MEMORY.md 的方式接近，笔记正文要它自己用 Read 打开。

1.6.2. 8/12 卡在索引标题

我的打分脚本和修复报告都说修好 5 条，考试只对 4 道题。多出来的一条是 target_file：正文改了，索引标题没改。

[!warning] 自评不算数
记忆修得好不好，模型的自评不算数，要让一个只看记忆的新会话答题验收。

1.6.3. 补一次索引核对

再加一遍索引核对，用 Haiku 逐行对比 MEMORY.md 的标题和描述与笔记内容：0.025 美元，29 秒，改了 1 行。再考，10/12，只剩那条证据不存在的 --no-session-persistence。

[!caution] 索引标题要单独核对
索引每次启动都加载，标题和描述够回答的时候，它就不去打开正文了。

1.7. 做梦修不好什么

证据里没有的，修不了。上面那条就是。

证据目录之外的变化，它也看不见。我只给了 wechat-publisher 的代码，别的目录搬家了它不知道。我另外写了个零 token 的检查脚本 dead_paths.py，用正则抓出路径逐个 ls。结果 92 处路径里有 46 处不存在，涉及 10 条笔记，其中 31 处集中在一条笔记里。脚本有误报（前缀、相对路径、带空格的路径），但它查到了做梦查不到的：new-x-skill 已经搬到 ~/codes/skills/ 下面。

1.8. 在真实记忆上跑出了什么

我埋的错之外，模型还在真实记忆里查出了本来就有的旧说法：

我逐条确认后改了 9 条真实笔记，新增 1 条。

1.8.1. 体积是另一类问题

有一类问题做梦不管：体积。我的 prompt 只许改被证据推翻的说法，所以大笔记跑完还是那么大。

project_mp_articles_image_backend.md 一条笔记 40.8KB，占全部记忆的 30%，141 行，里面是 49 条按日期堆的流水，29 个 /tmp 路径现在全部不存在。全机 94 个记忆目录的索引最大 12KB，都没到 Claude Code 只加载 MEMORY.md 前 200 行或 25 KB 的线。我这里还没到装不下，问题是流水账里混着过期说法。这部分要另外拆笔记。

Anthropic 那篇对比过两种写法：Sonnet 3.7 写了 413 个文件，拿 1 枚徽章；Fable 5 写了 9 个文件加一个 global.md，拿 4 枚。

1.9. 可以直接抄的流程

1.9.1. 七步流程

1. 先跑零 token 检查，看路径和命令还在不在。
2. 把最近若干次会话压成文本，保留用户消息、命令、输出开头、报错。
3. 建目录：memory/ 放原件，dreamed/ 放副本，src/ 放代码，transcripts/ 放转录。
4. 用下面的 prompt 做梦，Sonnet 约 1 美元。
5. 单独核对 MEMORY.md 索引。这一步只比对文字，不判断真假，Haiku 够用。
6. 用新会话考试，问题要你自己确知答案。
7. 自己看 diff 再合并。我的 9 条真实笔记是逐条对过代码和转录才改的。

1.9.2. 做梦 prompt

把这段存成 dream_prompt.md：

你在给一个 agent 的记忆做梦。memory/ 是记忆文件夹,MEMORY.md 是每次启动都会加载的索引。
1. 逐条读 memory/ 里的笔记,找出可核对的说法:路径、参数、默认值、版本、状态、结论。
2. 用 src/(当前代码)和 transcripts/(最近的会话转录)核对。记忆自己不算证据,只有笔记之间互相矛盾时才能当线索。
3. 证据推翻的说法才改。查不到证据的不动。
4. dreamed/ 已经是 memory/ 的副本。只用 Edit 在 dreamed/ 里做局部修改,不要整篇重写,不要碰 memory/。MEMORY.md 要同步,标题和描述都要改。
5. 最后写 report.json,一个数组,只列你改动过的说法:{"file","claim","verdict":"wrong|stale","evidence":"文件:行号 或 转录原句","fix"}。
6. 动手前先把 memory/ 下全部文件列进 checklist.md,一个文件一行。每个文件都要用 Grep 去 src/ 和 transcripts/ 搜关键词,查过才打勾。全部打勾之前不许结束。

1.9.3. 运行命令

claude -p --no-session-persistence --model sonnet \
  --setting-sources project --strict-mcp-config \
  --output-format json --permission-mode acceptEdits \
  --allowedTools 'Read(./**)' 'Glob(./**)' 'Grep(./**)' \
    'Write(./dreamed/**)' 'Edit(./dreamed/**)' \
    'Write(./report.json)' 'Write(./checklist.md)' 'Edit(./checklist.md)' \
  --disallowedTools Bash Agent WebFetch WebSearch \
  -- "$(cat dream_prompt.md)" > dream.json

1.9.4. 考试一题的写法

claude -p --no-session-persistence --model sonnet \
  --setting-sources project --strict-mcp-config \
  --append-system-prompt "这是你的记忆索引,笔记正文在 memory/ 目录下,需要时用 Read 读。$(cat memory/MEMORY.md)" \
  --allowedTools 'Read(./**)' \
  --disallowedTools Bash Agent WebFetch WebSearch Write Edit \
  -- "card_plan.json 里的 target_file 是绝对路径还是相对路径?只答 absolute 或 relative。"

跑完看一眼 ls ~/.claude/projects。--no-session-persistence 不写 jsonl，但目录还是会建，也可能留工具输出。

1.10. 局限

这是一台机器上的一份记忆、6 条埋错，每种跑法只跑 1 到 3 次，数字只说明量级。埋的错我知道答案，真实记忆里的错没有这样的标准答案，模型漏了多少我不知道。记忆的写法也不是越细越好，Anthropic 测到 record only failures 这类规则会让 Opus 5 和 Opus 4.7 失去大部分记忆收益，改写笔记的规矩本身也值得用考试验证。