仿生人会做梦吗？如果他们做梦的话，会梦见电子羊吗？

来源｜APPSO（ID：appsolution）

封面来源｜视觉中国

仿生人会做梦吗？如果他们做梦的话，会梦见电子羊吗？

1968年，科幻电影《银翼杀手》的原著小说作者菲利普·K·迪克，在打字机前敲下这个抽象又超前的问题时，他大概不会想到，半个多世纪后，硅谷的科技巨头们会一脸严肃地给出答案。

会，他们不仅能梦到电子羊，还能把梦可视化。

5月8日，Anthropic在旧金山的开发者大会上，发布了智能体构建平台Managed Agents的一系列新功能，记忆扩展、结果输出、多智能体协作，以及「做梦Dreaming」。

按Anthropic自己的说法，「memory（记忆）和dreaming（做梦）共同构成了一个稳健的、能够自我改进的agent记忆系统」。

又是做梦，又是记忆，对AI领域不太关注的朋友，大概都会满头问号，这些属于人类的词语，什么时候开始可以如此丝滑地套用在AI身上了。

早在2024年OpenAI推出o1系列时，「一系列被设计成在回应前花更多时间思考的AI模型」，「思考」二字用得极其自然，自然到没人停下来追问一句，一个统计预测下一个token的程序，凭什么叫思考？

紧接着是reasoning（推理）、memory（记忆）、reflection（反思）、Imagining（想象），一个一个把人类才会做的事情，挨个搬到产品发布会上。

「思考」还能解释成隐喻，「记忆」也勉强算技术行话的延伸，「做梦」真就有点过了。文史哲几千年都没研究清，AI公司却能直接说：我们不仅做出了能思考的机器，我们还做出了会做梦的机器。

什么是做梦，除了做梦，找不到任何一个能精确描述这件事的工程术语了吗？

AI做梦也要花钱

早在Claude Code代码泄露事件中，就有网友发现Anthropic正在准备一项名为Auto Dreaming的功能。当时，大家都在想，难道AI也和我们人类一样，需要睡觉，得到足够的休息，才能变得注意力更集中，更聪明吗？

但只要了解目前AI Agent的工作原理，就会发现所谓的「做梦」，本质上只是一次自动化的离线日志批处理。

AI Agent现在擅长完成一些长链路的复杂任务。比如「帮我调研一下这五家竞品的最新财报，并整理成表格」。在这个过程中，Agent需要在不同的网页间跳转，读取多个文档，调用不同的工具，甚至可能因为遇到反爬虫机制而碰壁重试。

当这一长串繁杂的在线任务结束后，Agent的后台会留下海量的运行日志。

Anthropic的「做梦」功能，就是让Agent在闲置时间里，重新梳理这些历史记录。它会从中寻找模式，比如发现「每次遇到这种弹窗，点击右上角就能关掉」，从而优化下一次的操作路径。

「记忆」负责在工作时捕获学到的东西，而「做梦」则在会话之间提炼这些记忆，并在不同的Agent之间共享。

说白了，这就是一种基于历史数据的强化学习和自我纠错机制。

梦的介绍：https://platform.claude.com/docs/en/managed-agents/dreams

这次开发者大会上更新Managed Agents里的Dreams，是个后台处理的任务，我们需要手动触发。Claude一次能读最多100个session的对话历史，然后产出一份全新的memory，供我们审查后再决定要不要用上。

而之前在Claude Code里已经悄悄上线的AutoDream，是每次跟Agent聊完一轮，Claude Code就会在后台检查「该不该做梦」，默认是24小时跑一次。

类似做梦的功能，Hermes Agent也有。Hermes Agent主打就是能自我学习和进化，它不仅支持自动从过去的任务里面总结出经验，放在记忆文件里。

其中一项叫Curator的功能，还能将这些提炼出来的操作指南，自动整理成Skill。

这些Skill会被打分、重复的进行合并、长期不用的自动归档，甚至还有active、stale、archived这样的生命周期。我们还能把重要Skill Pin住，不让系统自动清掉。

OpenClaw在最近的几次更新里，也添加了相关的机制，像是跨对话的持久记忆、定时的任务调度、子Agent隔离执行，以及直接叫Dreaming的做梦功能。

OpenClaw的做梦：https://docs.openclaw.ai/concepts/dreaming

在OpenClaw的做梦机制里，它把梦境的行程概括成三个阶段，light、REM、deep。前两者负责整理、反思和主题归纳，deep才真正把内容写入长期记忆MEMORY.md。

而深度睡眠阶段的巩固，会由6个加权信号进行决定，是否需要写入长期记忆。这六个信号包括频率、相关性、查询多样性、时效性、跨天重复度、概念丰富度。

写入长期记忆，会生成两份文件，一份面向机器的状态文件，放在memory/.dreams/；另一份是面向用户的可读记录，写入DREAMS.md和按阶段生成的报告。

此外，Dreaming可以自动定时运行，默认每天凌晨3点跑一次完整流程，顺序 light→REM→deep。

除了做梦的输出，OpenClaw还维护这一个叫Dream Diary的文档，系统会自动生成一份「梦境日记」，用叙事方式记录记忆整理过程，强调可解释、可审阅，而不是黑箱写库。

神经科学里有一个非常经典的理解：人类白天获取的信息，先进入更偏临时存储的系统；而在睡眠过程中，大脑会对这些信息进行重放、巩固和清理，把重要的留下，把无意义的丢掉。

我们不会记得昨天上班路上每一辆车的颜色，但会记得怎么去公司。

这些梦，听起来和我们人做梦确实一样，非得找点不同，大概就是Claude做梦的时候，还是在消耗我们的Token。

但Anthropic、OpenClaw都没有选择叫它「基于会话的优化（session-based optimization）」，或者是「任务后调优（post-task tuning）」等，偏向工程方面的名字。

毕竟，当把那些复杂名字，直接变成「做梦」，我们感受到的就不再是软件功能，而像一个「有内心活动的数字生命」。

AI的记忆，是琐碎的上下文

既然提到了「做梦」，就不得不提它的前置条件，记忆（Memory）。

过去一段时间，AI圈最火的词从提示词工程，变成上下文工程、Skill工程、Harness工程，但无论怎么变化，目前最有价值的还是上下文工程。

系统提示、用户输入、短期对话、长期记忆、检索回来的文档、工具和Skill调用的输出、当前用户状态，这些层叠加起来，就是agent真正在用的「上下文」。

让Agent能记得更多，记下更有用的内容，一直是过去很长一段时间以来的难题。

Manus去年发了一篇技术博客，专门讲Manus是如何优化上下文工程。里面提到了把KV-Cache缓存命中率，定义为生产环境中AI Agent最重要的单一指标之一。同时在工具调用层面，优先做「遮蔽」而不是「移除」；以及把文件系统作为终极上下文等方法。

要理解所谓的KV Cache（键值缓存），我们可以把大模型想象成一个每次只能读一个字的极度强迫症患者。

当它处理一句话时，它会为每一个生成的Token计算出一个Key（键）和一个Value（值）向量。为了不每次都从头重新算一遍，它会把这些(K,V)键值对存起来，这就是KV Cache。

KV Cache（键值缓存）是大模型在生成文本时，用来「用空间换时间」的底层加速技术。缓存使得模型在预测下一个词时，不需要把前面的所有词重新计算一遍。图片由AI生成。

只要对话在继续，KV Cache就会不断的保存。一般情况下，在面对动辄128k上下文的大模型时，一个70B参数的模型跑满128k上下文，单单是KV Cache就能一口吞掉64GB的显存。

这也是为什么大多数模型的上下文窗口，目前最多都是百万级别。

昨天，一家拿到2900万美元种子轮融资的新公司Subquadratic，在X发布SubQ新模型，主打更长上下文。

SubQ宣称可支持最高1200万token上下文窗口，这是目前所有大模型里面最大的上下文窗口。

虽然还没有技术论文或模型说明文档，介绍的视频里提到，SubQ的核心技术路线是从传统Transformer的「稠密注意力」，转向带有稀疏注意力的「次二次/线性扩展」架构。新的架构有望能解决上下文越长、算力成本越爆炸的问题。

给出的测试结果也相当激进，在100万token下，速度提升超50倍、成本降低超50倍；在1200万token时，算力需求较前沿模型可降低近1000倍。

而在RULER 128K长上下文基准上，Subquadratic称SubQ以95%准确率、8美元成本，对比Claude Opus的94%准确率、约2600美元成本，成本下降约300倍。

要不扩大上下文窗口，要不让模型学会做梦，自己丢弃一些东西。

这也是为什么Anthropic等Agent产品，现在必须推出Dreaming。在上下文窗口受限的情况下，更聪明的AI不能光靠塞进更多内容，还需要有的放矢。

承认机器只是机器，比想象中难

了解了AI的做梦与记忆机制，我们或许能知道它和人类活动之间的关系。

但把所有这些AI公司造出来用在机器上的词放在一起，OpenAI的thinking思考、行业通用的memory记忆和hallucination幻觉、Anthropic这次的dreaming做梦，以及Anthropic那本宪法里的美德和智慧。

我们能看到，AI公司远不只是在卖产品，它们在重新分配「人」这个概念里的词汇所有权。每挪用一个词，机器和人的边界就模糊一寸。

语言会塑造预期，预期塑造容忍度，容忍度决定我们愿意把多少东西交给它。这是一条很长的链条，但起点就是发布会上那些无害的词。

更隐蔽的一层影响是责任分配。当工具被描述成有「思考」、「记忆」、「价值观」的实体，它出问题时，我们会自然地把它当成一个独立的「行为主体」来追责，是这个AI它需要被「教育」「调试」「校准」。

可真正应该被追问的，是把这个程序部署到我们工作流里的那家公司，和写出「dreaming」这个词的那个产品团队。词一换，「被告席」上坐着的人也换了。

而我们看着一台会「思考」、会「记忆」、现在还会「做梦」的机器，也开始下意识地相信里面有什么东西。因为承认这只是一个机器，那种「我在跟一个会思考的存在对话」的体验感就消散了，回到的是冷冰冰的工具关系。

我已经想到了，Dreaming做梦是处理过去的内容，接下来AI公司还会推出Daydreaming，白日梦，用来预演未来。介绍就是，白日梦或者走神，能让Agent在活跃的状态下，用一小部分的空闲算力，结合当前的正在进行的项目，同时去做探索性生成，准备未来可能的任务。