Lamis
Anthropic技术团队成员，专注于上下文工程与Agent记忆系统研究，曾在AI DevCon发表演讲。
时间轴 (近 90 天)
Anthropic技术团队成员Lamis在AI DevCon上系统回顾了上下文工程（Context Engineering）近一年的演进路径。
Lamis将记忆工作分为两条互补路径：会话内记忆（Agent在单次会话中读写记忆）和会话外的「Dreaming」（独立Agent批量审阅历史会话记录并修改记忆库）。
Lamis给出的落地渐进路线为：先用Claude MD和技能等简单手段；当Agent数量增多、运行周期变长、协作变复杂时引入版本、哈希、权限分层等生产级机制；最后考虑加入Dreaming这类会话外流程。
Lamis表示这套记忆系统方法并非只适用于编程任务，他本人就用记忆系统沉淀演示文稿的写作偏好和幻灯片风格。
Lamis承认团队在回归软件工程中被验证过的做法（版本控制、并发控制、确定性执行），但前提是这些机制要能被自主Agent高效使用。
全部知识事实 (5)
Lamis将记忆工作分为两条互补路径：会话内记忆（Agent在单次会话中读写记忆）和会话外的「Dreaming」（独立Agent批量审阅历史会话记录并修改记忆库）。
50%待验证Lamis给出的落地渐进路线为：先用Claude MD和技能等简单手段；当Agent数量增多、运行周期变长、协作变复杂时引入版本、哈希、权限分层等生产级机制；最后考虑加入Dreaming这类会话外流程。
50%待验证Lamis表示这套记忆系统方法并非只适用于编程任务，他本人就用记忆系统沉淀演示文稿的写作偏好和幻灯片风格。
50%待验证Lamis承认团队在回归软件工程中被验证过的做法（版本控制、并发控制、确定性执行），但前提是这些机制要能被自主Agent高效使用。
50%待验证Anthropic技术团队成员Lamis在AI DevCon上系统回顾了上下文工程（Context Engineering）近一年的演进路径。
50%