Claude Managed Agents 的記憶機制：檔案系統就是最好的記憶體 (Memory in Claude Managed Agents)

原始來源與檔名：20260512_2026-04-28T092703+0800-Memory in Claude Managed Agents.md

來源：[[@RLanceMartin]] / X (Twitter) — 2026-04-25 原始檔名：2026-04-28T092703+0800-Memory in Claude Managed Agents.md

NAPKIN | 餐巾紙

餐巾紙公式

Old Agent Memory = Complex cognitive architecture + Specialized vector DBs. New Agent Memory (Claude) = Standard Filesystem Tools (Read, Write, mkdir). Claude 3.5 Sonnet -> Writes bad transcripts. Claude 4.6 Opus -> Autonomously creates directories, stores exact knowledge rules, self-corrects.

Anthropic 在 Claude Managed Agents 中引入了跨對話的「記憶」功能，但令人意外的是，他們沒有使用花俏的向量資料庫或複雜的認知框架（如 MemGPT），而是直接給予 Agent 一個掛載在系統上的標準資料夾 (/mnt/memory/)。實測證明，隨著大語言模型變聰明（如 Opus 4.6），它們完全有能力利用標準的檔案管理工具，自己學會歸類、整理、並萃取出高品質的長期記憶。檔案系統，就是最優雅的 Agent 記憶體。

一句話

這是一篇探討 AI Agent 記憶底層架構的技術文章。作者透露 Claude Managed Agents 的記憶系統實際上是基於標準的檔案系統。在過去（如 Sonnet 3.5 時代），模型會把記憶當作流水帳來寫；但到了 Opus 4.6 時代，模型已經能自主建立目錄結構，精煉出高價值的經驗法則（例如玩寶可夢時的具體攻略）。因此，與其為 Agent 設計複雜的專用記憶工具，不如直接給它通用檔案工具，讓智慧模型自己學會管理上下文。

餐巾紙草圖

[ The Evolution of Agent Memory ]

Past (MemGPT, CoALA era):
LLM -> Complex Memory APIs -> Core Memory / Archival Memory / DB

Present (Claude Managed Agents):
LLM -> Standard File Tools (write_file, mkdir) -> /mnt/memory/<store-name>/
* Opus 4.6 organizes its own folders and writes distilled learnings.
* Memories are human-readable (.md files).
* Memories sync concurrently across multiple agents.

ROUND 1: SKELETON | 骨架掃描

“這篇文章在說什麼”

• 新功能發布: Claude Managed Agents 現在支援跨會話的「記憶」。記憶以檔案形式儲存，且可透過 API 匯出。
• 一個有趣的對比 (玩寶可夢實驗):
  • Sonnet 3.5: 給予檔案讀寫權限後，它把記憶當成對話記錄（流水帳），記下了一堆 NPC 的廢話，14,000 步後卡關。
  • Opus 4.6: 同樣的步驟，它主動把記憶歸類到不同的資料夾，甚至寫出了一個提煉過的 learnings.md，包含了精確的打怪策略和系統限制。
• 設計哲學的轉變: 過去學界（如 MemGPT, CoALA）試圖用認知科學原理為 Agent 打造專用的複雜記憶管理工具。現在的趨勢是：只要模型夠聰明，直接給它「通用的檔案管理工具」，它就能自己管好記憶。
• Claude Managed Agents 的實作:
  • 將 Memory Stores 作為目錄掛載到 /mnt/memory/<store-name>/。
  • 在 System Prompt 中注入提示，告訴 Agent 這個目錄的存在。
  • 支援多 Agent 並發讀寫與即時同步。
  • 檔案具有高度可解釋性，人類可以直接下載、閱讀、分享。

ROUND 2: DISSECTION | 血肉解剖

“憑什麼這麼說”

核心論證鏈

1. 智慧湧現解決了工程痛點: 早期需要向量資料庫 (Vector DB) 和複雜 Retriever 框架，是因為模型不夠聰明，無法自己判斷「什麼該記、該怎麼存」。當 Opus 4.6 展現出自主提煉歸納能力後，工程架構就可以大幅簡化，回歸最古老也最可靠的作業系統基礎：檔案系統 (Filesystem)。
2. 檔案系統的絕對優勢 (可解釋性): 將記憶儲存為 Markdown 或 JSON 檔案，意味著這些記憶是透明的 (Transparent) 且可審查的 (Auditable)。人類開發者可以隨時打開資料夾看 Agent 到底學到了什麼，這比檢查一堆 Embedding 向量值要直觀一萬倍。

關鍵證據

• 寶可夢實驗的具體 log 對比：3.5 版的記憶是無用的（“Caterpie does not have poison”），而 4.6 版的記憶是戰術級的（“Bellsprout Sleep+Wrap combo: KO FAST with BITE… Toss unneeded TMs”）。
• Letta AI 的獨立測試也證明：檔案系統的表現超越了特製的記憶工具。

邊界條件

• 這種極簡的「檔案系統記憶法」高度依賴於底層大模型的能力。如果你使用的是較弱的開源模型或 GPT-3.5 級別的模型，它們極有可能會把記憶資料夾弄得一團糟，這時你還是需要 MemGPT 式的防呆護欄。

ROUND 3: SOUL | 靈魂提取

“還能怎么用”

• 知識連結: 完美對應了《通过分析 Claude Code 和 OpenClaw Harness工程方法的实践》中提到的：“纯文件方案优于数据库方案。文件是人类可读的… 在 Agent 工程的早期阶段，简洁性比专业性重要得多。” 兩者不謀而合地證明了 AI 架構正在回歸 Unix 哲學 (Everything is a file)。
• 深層洞見: “Give Claude general tools to manage its own context… Claude can learn to use general tools to solve problems, like memory, with scaling intelligence.” 不要替高智商的 AI 打造拐杖，給它瑞士刀，它會自己發明出解決方案。這就是 Agent-First 的設計思維。
• 行動呼籲: 如果你在設計 Agent 產品，請拋棄「導入向量資料庫」的執念。先試著給你的 Agent 提供一套讀寫純文字 Markdown 檔案的工具，教它在結束任務時寫一份 learnings.md，你會驚訝於它的自我進化能力。