2026 年 4 月 23 日，Anthropic 宣布 Claude Managed Agents 的记忆（memory）功能进入公开测试。这意味着通过 Claude Platform 构建的 Agent 不再”只活在当下”——它们可以从每次会话中学习，将经验以文件形式保存下来，供单个 Agent 或跨会话复用。
记忆层的运作方式
Anthropic 对记忆功能的设计有几个关键点：
- 文件式存储：记忆以文件形式保存，用户可以直观地查看、编辑和管理 Agent 的记忆内容
- 跨会话持久化：Agent 可以在不同会话之间继续访问之前保存的记忆，不需要在每次对话中重复输入背景信息
- API 可导出：开发者可以通过 API 导出 Agent 的记忆文件，便于后续审计和分析
- 性能与灵活性平衡：Anthropic 称记忆层经过”智能体优化”，在检索性能和记忆灵活性之间做了取舍
为什么这很重要
在 Claude Managed Agents 之前，Anthropic 的 Messages API 是无状态的——每次调用都是独立的对话，Agent 没有持久化记忆。这意味着：
- 构建需要长期上下文的 Agent（如项目管理助手、代码库维护 Agent）需要开发者自行实现记忆层
- 跨会话的 Agent 行为一致性难以保证
- 记忆管理成为了构建高质量 Agent 的额外工程负担
现在 Anthropic 在 Platform 层内置了这一能力，降低了 Agent 开发的门槛。
与竞品的对比
| 维度 | Claude Managed Agents | OpenAI Assistants API | 自建记忆方案 |
|---|---|---|---|
| 内置记忆 | ✅ 公测中 | ✅ 已可用 | ❌ 需自行实现 |
| 记忆格式 | 文件系统 | 向量存储 | 自定义 |
| 跨会话 | ✅ | ✅ | 取决于实现 |
| 可审计性 | ✅ 文件可导出 | 有限 | 取决于实现 |
| 灵活性 | 中等 | 中等 | 高 |
Anthropic 选择文件系统作为记忆载体是一个有趣的设计决策。相比向量检索方案，文件系统的优势在于可读取、可编辑、可版本控制，但在大规模记忆检索场景下，性能可能不如向量方案。
适用场景
- 长期项目维护：代码库 Agent 可以记住项目的架构决策、编码规范和历史变更记录
- 多步骤工作流：Agent 可以在不同阶段之间传递上下文，不需要在每次调用时重建完整背景
- 个性化助手：Agent 可以从用户交互中学习偏好，逐步提升服务质量
行动建议
- 已使用 Claude Platform 的团队：尽快试用记忆功能，评估对现有 Agent 工作流的改善
- 自建记忆层的团队：对比内置记忆方案与自建方案在成本、性能和可维护性上的差异
- 尚未采用 Managed Agents 的团队：评估从 Messages API 迁移到 Managed Agents 的可行性，记忆功能是一个重要的加分项