W skrócie
- Anthropic w około rok przeszedł 4 etapy pamięci agentów: plik CLAUDE.md, narzędzia pamięci, skille i pamięć jako katalog plików Markdown.
- W produkcji pamięć potrzebuje 4 bezpieczników: wersji, kontroli równoległych zapisów, uprawnień i przenośności.
- Dreaming, w research preview od 6 maja 2026, przegląda magazyn pamięci i od 1 do 100 sesji, a nową pamięć proponuje do akceptacji człowieka.
Stan na 29 października 2026
Kto mówi i dlaczego warto posłuchać
Lamis Mukta pracuje w zespole Applied AI w Anthropic, między badaniami, produktem i sprzedażą, i na co dzień pomaga startupom budować agentów. Na konferencji AI Native DevCon 2026 w Londynie opowiedziała, jak przez ostatni rok zmieniało się podejście Anthropic do pamięci agentów: od jednego pliku z instrukcjami do procesu nazwanego dreaming. Warto posłuchać, bo to opis z kuchni firmy, która te mechanizmy wbudowała w swoje produkty. Podstawy, czyli czym w ogóle jest agent i kiedy ma sens w firmie, opisujemy w przewodniku po agentach AI.
Definicja
Dreaming (ang. „śnienie”) to osobny proces, który w tle przegląda pamięć agenta i zapisy wielu jego sesji, szuka powtarzających się wzorców i proponuje nową, uporządkowaną wersję pamięci. W Claude Managed Agents działa od 6 maja 2026 jako research preview, czyli wersja badawcza dostępna na wniosek.
Teza 1. Sama inteligencja modelu nie wystarczy
Każdy nowy model jest mądrzejszy, ale nie wie, jak działa Twoja firma. Mukta nazywa tę wiedzę „ortogonalną” do inteligencji modelu: to dwie osobne osie, a kontekst mnoży to, co model potrafi.
W jej ujęciu bez kontekstu „sama inteligencja nie będzie procentować”. Typowe objawy zna każdy, kto pracował z agentem: nie zna bazy kodu ani preferencji użytkownika i powtarza te same błędy.
W praktyce: czas włożony w opisanie firmy, procesów i standardów nie traci wartości po premierze nowego modelu. Zwraca się przy każdym kolejnym.
Teza 2. Zacznij od najprostszego: od CLAUDE.md do pamięci w plikach
Anthropic kieruje się zasadą „rób najprostszą rzecz, która działa”. Droga, którą opisała Mukta, ma cztery przystanki i zajęła około roku.
| Etap | Na czym polega | Co się sprawdziło | Ograniczenie |
|---|---|---|---|
| 1. Plik CLAUDE.md | Instrukcje w Markdownie wczytywane na starcie każdej sesji Claude Code | Kilka zdań mocno ustawia agenta; plik czyta i edytuje zarówno człowiek, jak i agent | Rośnie i zapycha kontekst |
| 2. Narzędzia pamięci | Agent sam decyduje, kiedy czytać i zapisywać notatki | Autonomia działa dobrze | Wszystko dzieje się w jednej sesji |
| 3. Skille | Agent czyta tylko krótki opis, a resztę ładuje, gdy jest potrzebna | Dużo wiedzy bez przeładowania kontekstu | Człowiek decyduje, co zasługuje na skill |
| 4. Pamięć jako system plików | Katalogi z plikami Markdown, przeszukiwane zwykłymi narzędziami (bash, grep) | Pamięć może być duża, jeśli ma dobry indeks | Problemy pojawiają się przy skali |
O pierwszym etapie Mukta mówi, że plik okazał się „nieproporcjonalnie skuteczny”. Dokumentacja Claude Code radzi dziś trzymać CLAUDE.md poniżej 200 linii, bo dłuższy plik zużywa kontekst i gorzej działa.
W praktyce: zanim zbudujesz system pamięci, napisz jeden krótki plik z instrukcjami. Skille Mukta tłumaczy półką z książkami, a my rozwijamy tę analogię w poradniku o skillach w Claude Code.
Teza 3. Pamięć w produkcji potrzebuje bezpieczników
Pamięć w plikach działa świetnie u jednej osoby. Gdy agentów są setki, pracują długo i nad złożonym kodem, pojawiają się kłopoty: kilku agentów zapisuje ten sam plik naraz, ktoś wpisuje błąd do wiedzy całej organizacji, pamięć się starzeje albo zostaje zatruta przez prompt injection (ukryte polecenie podrzucone agentowi w danych).
Błąd w kontekście, z którego czytają wszyscy, „rozlałby się na wszystkich agentów” i według Mukty byłoby to „dość katastrofalne”. Dlatego Anthropic stosuje cztery zasady: wersjonowanie (historia zmian i cofanie), kontrolę równoległych zapisów (porównanie skrótu treści przed zapisem), uprawnienia (wiedza firmy tylko do odczytu, brudnopis agenta do zapisu) i przenośność (dostęp przez czyste API, bez zamykania pamięci w jednym narzędziu).
W praktyce: te zasady są w dokumentacji Claude Managed Agents. Każda zmiana tworzy niezmienną wersję, zapis może wymagać zgodności skrótu SHA-256, a magazyn można podpiąć tylko do odczytu. Jak przełożyć to na zasady w firmie bez programowania, piszemy w tekście o pamięci agenta AI: cztery ryzyka i cztery zasady.
Teza 4. Agent w jednej sesji nie widzi własnych powtarzających się błędów
Pamięć prowadzona w trakcie sesji ma dwa wbudowane ograniczenia. Agent dzieli uwagę między zadanie a dbanie o notatki na przyszłość, a do tego widzi tylko bieżącą rozmowę.
Kiedy więc denerwujesz się, że agent znowu popełnia ten sam błąd, on, jak mówi Mukta, „po prostu nie rozumie, jakie to frustrujące”, bo każda sesja zaczyna się z czystym kontekstem. Przy flocie agentów w różnych środowiskach żaden z nich nie wie też, na co trafiają pozostali.
W praktyce: nie każ jednemu agentowi jednocześnie pracować i porządkować wiedzy całego zespołu. Te dwie role warto rozdzielić.
Teza 5. Dreaming działa jak szkoła
To najlepsza część wykładu. Mukta proponuje wyobrazić sobie szkołę: uczniowie oddają prace, nauczyciele je oceniają, a dyrektor przegląda całość i zmienia program. „W realnym świecie mamy taki system nie bez powodu”, mówi. Działa, bo ktoś ma czas przeznaczony na pomaganie w nauce, a ktoś inny widzi wszystkich uczniów naraz.
W tej analogii uczniowie to agenci przy pracy, oceny to zapisy sesji, a dyrektor to dreaming. Mukta podaje trzy przykłady:
- Geografia. Wszyscy uczniowie źle odpowiadają na to samo pytanie, bo tematu brakuje w programie. Dreaming dopisuje do pamięci brakującą wiedzę.
- Radiany zamiast stopni. Na sprawdzianie z matematyki wszyscy mylą się tak samo, bo mają źle ustawione kalkulatory. U agentów to źle skonfigurowane narzędzie, które widać w powtarzających się błędach wywołań.
- Pauzy. Cała organizacja nadużywa długich myślników, a Ty go nie lubisz. Wystarczy jedno ogłoszenie dla wszystkich, czyli zmiana w pamięci całej floty.
Technicznie orkiestrator wysyła podagentów do analizy zapisów sesji, łącznie z wywołaniami narzędzi i metadanymi, a potem proponuje zmiany tam, gdzie wzorzec jest wystarczająco częsty. W dokumentacji Anthropic jedno takie zadanie bierze magazyn pamięci i od 1 do 100 sesji, trwa od kilku minut do kilku godzin i nie zmienia oryginału, tylko tworzy nowy magazyn do przejrzenia.
W praktyce: dreaming nie jest magią, tylko okresowym przeglądem z szerszej perspektywy, jak zebranie zespołu po miesiącu pracy.
Teza 6. Ostatnie słowo ma człowiek, a koszt się zwraca
Orkiestrator nie zmienia pamięci po cichu. Według Mukty do każdej propozycji dołącza przykłady sesji i statystykę, jak często problem występuje, a człowiek akceptuje albo odrzuca zmianę. Anthropic pozwala też wybrać tryb automatyczny.
Dreaming kosztuje tokeny, ale w ocenie prelegentki się zwraca, bo agenci z lepszą pamięcią częściej robią zadanie za pierwszym razem. Anthropic podaje, że w testach firmy Harvey, która używa agentów do pracy prawniczej, odsetek ukończonych zadań wzrósł około sześciokrotnie. To wynik podany przez dostawcę, a nie niezależny pomiar.
Są też głosy ostrożności. Jayakumar Ramalingam, niezależny badacz systemów agentowych, ostrzega w The New Stack, że dreaming tworzy ścieżkę, na której powtarzany błąd zamienia się w trwałą regułę: zła odpowiedź znika z sesją, a zła notatka w pamięci może wpływać na tysiące kolejnych. Przegląd przez człowieka przy dużej skali łatwo staje się odruchowym zatwierdzaniem.
Na koniec Mukta dodaje, że „to naprawdę nie dotyczy tylko programowania”: sama używa pamięci przy robieniu prezentacji. Na pytanie z sali, czy nie wymyślamy na nowo baz danych, odpowiedziała, że wersje i skróty to sprawdzone zasady inżynierii, bo „nie ma potrzeby wymyślać koła na nowo”.
Co z tego wynika dla firm w Polsce
Z naszych obserwacji wiele polskich firm jest dziś na etapie pierwszym lub drugim: pracownicy używają czatu, czasem projektu z instrukcjami. To dobra wiadomość, bo najtańszy krok daje najwięcej. Jeden spisany plik o firmie, klientach i standardach poprawia odpowiedzi każdego modelu, a jak to zrobić w aplikacji, pokazujemy w poradniku o projektach i pamięci w Claude.
Dreaming w małej skali da się zrobić bez żadnej infrastruktury. Raz w tygodniu przejrzyj rozmowy z asystentem i swój plik z instrukcjami: połącz powtórzenia, usuń nieaktualne notatki i dopisz regułę na każdy błąd, który wrócił więcej niż raz. To ta sama pętla, którą opisuje Mukta, tylko rolę dyrektora szkoły pełnisz Ty.
Firmy, które budują flotę agentów, powinny od początku zaplanować wersje, uprawnienia i przegląd pamięci. Zapisy sesji mogą zawierać dane osobowe, a w Claude Managed Agents są przechowywane do czasu ich usunięcia, więc warto ustalić, co trafia do analizy i kiedy jest kasowane. Jeśli chcesz to poukładać w zespole, zajrzyj do naszych szkoleń z AI albo umów konsultację wdrożeniową.
Poradniki z tego samego wykładu
- Projekty i pamięć w Claude: jak dać AI stały kontekst o Tobie i firmie, dla osób nietechnicznych.
- Skille w Claude Code: jak je tworzyć i do czego się przydają, z analogią półki z książkami.
- Pamięć agenta AI w firmie: cztery ryzyka i cztery zasady, dla zespołów budujących agentów.
Jak zbudować pierwszego agenta krok po kroku, opisujemy w poradniku jak stworzyć agenta AI, a o wspólnym standardzie skilli piszemy w tekście o przekazaniu Agent Skills fundacji AAIF.
Systemy agentowe są już na tyle sprawne, że poleciłbym je każdemu, bo zwykły czat przestaje wystarczać. Automatyzacji przeciętny użytkownik raczej sam nie skonfiguruje, ale agenta może dziś zbudować każdy.
Co to znaczy dla Ciebie
Jeśli używasz AI na co dzień, spisz jeden krótki plik z instrukcjami o sobie i firmie, a po miesiącu sprawdź, które błędy wracają, i dopisz na nie reguły. To ręczna wersja dreamingu. Jeśli Twoja firma buduje agentów, zanim pozwolisz im zapisywać wspólną pamięć, ustal, kto może ją zmieniać, jak cofnąć złą zmianę i kto zatwierdza propozycje.
Najczęstsze pytania
Co to jest Claude dreaming?
To funkcja Claude Managed Agents, która w tle czyta magazyn pamięci agenta i zapisy od 1 do 100 jego sesji, a potem tworzy nowy, uporządkowany magazyn: łączy powtórzenia, zastępuje nieaktualne wpisy i dopisuje nowe wnioski. Oryginalna pamięć się nie zmienia.
Czy dreaming jest dostępny dla każdego?
Nie. Od 6 maja 2026 jest w research preview, czyli w wersji badawczej, do której trzeba złożyć wniosek o dostęp. Działa w Claude Managed Agents przez API, z wybranymi modelami Claude, i jest rozliczany według standardowych stawek za tokeny.
Czym dreaming różni się od zwykłej pamięci agenta?
Zwykła pamięć jest prowadzona w trakcie sesji: agent sam zapisuje notatki i efekt widać już w następnej rozmowie. Dreaming działa osobno, po fakcie, z własnym budżetem i patrzy na wiele sesji naraz, więc widzi wzorce, których pojedynczy agent nie zauważy.
Co to jest context engineering według Anthropic?
W naszym ujęciu to projektowanie wszystkiego, co agent ma w kontekście poza samym poleceniem: instrukcji, pamięci, skilli i narzędzi. Lamis Mukta nazywa w wykładzie context engineering jedną z głównych dźwigni, które zamieniają inteligencję modelu w użyteczny produkt.
Czy dreaming może utrwalić złe nawyki agenta?
Takie ryzyko wskazują krytycy: powtarzany błąd lub zatruta notatka może stać się trwałą regułą. Dlatego Anthropic tworzy wynik jako osobny magazyn do przejrzenia i pozwala zatwierdzać zmiany ręcznie, a pamięć ma historię wersji, więc złą zmianę da się cofnąć.
Źródła i data sprawdzenia
- AI Native DevCon 2026 London: opis wystąpienia „Context Engineering, Memory Systems, and Dreaming” (Tessl)
- Tessl: AI Native DevCon 2026, Londyn, 1–2 czerwca 2026
- The New Stack: relacja z wykładu Lamis Mukty i komentarz Jayakumara Ramalingama (12.08.2026)
- Anthropic: dokumentacja Dreams (research preview, 1–100 sesji, rozliczenie, modele)
- Anthropic: informacje o wydaniach (Dreams 6.05.2026, pamięć w Managed Agents 23.04.2026)
- Anthropic: pamięć w Claude Managed Agents (wersje, SHA-256, dostęp tylko do odczytu, prompt injection)
- Claude: nowości w Claude Managed Agents (dreaming, Harvey ok. 6x)
- Claude Code: jak Claude pamięta projekt (CLAUDE.md, zalecenie poniżej 200 linii)
- Code with Claude London: sesja „Memory and dreaming for self-learning agents” (19.05.2026)
Sprawdzono 29 października 2026
Czytaj dalej
W tej sprawie
W tej sprawie
W tej sprawie
W tej sprawie
W tej sprawie
Zobacz też
Zobacz też
Zobacz też
Zobacz też
Zobacz też
Zobacz też
Zobacz też
Zobacz też
- Zapier: co to jest, ile kosztuje i jak zbudować pierwsze automatyzacje z AI
- Claude Desktop: jak pobrać aplikację Claude na Windows i Mac i co daje więcej niż przeglądarka
- Reklamy AI: kreacje, kampanie Meta i Google, raporty i narzędzia (listopad 2026)
- MCP do Google Ads i Meta Ads: jak podłączyć konto reklamowe do Claude i ChatGPT
- Lumo Desktop: AI od Protona z dostępem do plików i harmonogramem
Zobacz też
- Konektory MCP: jak podłączyć AI do narzędzi firmy (Claude, ChatGPT, Meta Ads)
- Jak stworzyć agenta AI: krok po kroku, bez programowania i z kodem
- Pamięć agenta AI: jak sprawić, żeby agent uczył się na błędach
- Jak Anthropic uczy agentów pamiętać: od CLAUDE.md do dreamingu. Wnioski z wykładu Lamis Mukty
- Manus AI: co to jest, ile kosztuje i czyja to dziś firma
- Prompt injection: jak atakuje się asystentów i agentów AI i jak się bronić
- Copilot Studio: agenci AI dla firmy – ceny, licencje i pierwszy agent
- Badanie Anthropic: eksperci przejmują zdanie agenta AI, nawet losowe
- Human in the loop: ile swobody dać agentowi AI i jak go pilnować
- Wielkie twierdzenie Fermata sformalizowane przez 1000 agentów Claude: opracowanie badania Anthropic
Zobacz też
Przewodnik po temacie Agenty AI: czym są, jak działają i kiedy warto ich używać w firmie

