मैंने क्लॉड मेमोरी के बारे में वह सब कुछ जो वास्तव में काम करता है - आधिकारिक दस्तावेज़, ड्रीमिंग रिसर्च प्रीव्यू, वास्तविक प्रोडक्शन सेटअप - एक वॉकथ्रू में संयोजित किया है।
मेरे Substack को फॉलो करें ताज़ा AI अल्फा पाने के लिए: movez.substack.com
इसे बुकमार्क करें। इसे सेव करें। अंत तक आपके पास एक एजेंट होगा जो स्थायी रूप से याद रखता है - "चैट के भीतर" नहीं, बल्कि हफ्तों तक।
यह अतिशयोक्ति नहीं है। मार्च 2026 तक यह सामान्य उपयोगकर्ताओं के लिए असंभव था। अब इसमें 12 कदम लगते हैं।
आपके द्वारा बनाया गया हर एजेंट एक सुनहरी मछली क्यों है।
हर बार जब आप एक नया क्लॉड चैट खोलते हैं, यह शून्य से शुरू होता है।
उसे आपका नाम नहीं पता। उसे वे तीन सुधार याद नहीं जो आपने कल किए, वह वर्कअराउंड जो उसने पिछले हफ्ते खोजा, या यह तथ्य कि आपको बुलेट-पॉइंट सारांश पसंद नहीं हैं।
हर सत्र वही चीज़ें फिर से खोजता है, वही गलतियाँ करता है, और वही सवाल पूछता है जिनका आप पहले ही जवाब दे चुके हैं।
यह क्लॉड के मार्केटिंग में कोई खामी नहीं है। यह एक मूलभूत गुण है कि भाषा मॉडल कैसे काम करते हैं: प्रत्येक सत्र ताज़ा शुरू होता है जब तक कि आप स्पष्ट रूप से संदर्भ वापस नहीं डालते।
चैटबॉट के लिए यह ठीक है। एक एजेंट के लिए जो वास्तविक, दोहराए जाने वाले काम करता है, यह सबसे बड़ा कारण है कि आपका सेटअप ठहर जाता है। बिना मेमोरी वाला एजेंट रन 100 पर उतना ही उपयोगी होता है जितना रन 1 पर।
लेयर 1 एक स्टिकी नोट है। लेयर 4 एक कर्मचारी है जो हर शुक्रवार को सप्ताह पर चिंतन करता है और और अधिक तेज होकर वापस आता है। ये 12 कदम चारों लेयर को तीन भागों में बनाते हैं।
फाउंडेशन - लेयर 1 और 2
01. क्लॉड की बिल्ट-इन मेमोरी चालू करें
उस चीज़ से शुरू करें जिसे ज़्यादातर लोग नहीं जानते कि पहले से मौजूद है। मार्च 2026 में, Anthropic ने स्थायी मेमोरी रोल आउट की, जिसे "चैट मेमोरी" कहा जाता है - हर क्लॉड अकाउंट पर, फ्री और Pro दोनों के लिए।
क्लॉड अब आपकी प्राथमिकताओं, चल रहे प्रोजेक्ट्स और कार्यशैली को हर बातचीत में स्वचालित रूप से याद रखता है, जब तक कि आप इसे भूलने के लिए न कहें।
अपने प्रोफ़ाइल आइकन → Settings → Capabilities → Memory सेक्शन पर जाएं, और "Generate memory from chat history" चालू होने की पुष्टि करें।
हुड के नीचे यह मेमोरी सिंथेसिस चलाता है - क्लॉड आपकी बातचीत को लगभग हर 24 घंटे में एक प्रोफ़ाइल में संक्षेपित करता है। यह बेसलाइन है जिस पर बाकी सब कुछ बनता है।
02. अपनी मेमोरी को इंतज़ार करने के बजाय जानबूझकर सीड करें
डॉक्स में स्पष्ट रूप से बताया गया प्रतिज्ञापूर्ण भाग: क्लॉड के लिए आपके इतिहास से प्राथमिकताओं का अनुमान लगाने की प्रतीक्षा न करें - वह सिंथेसिस केवल लगभग हर 24 घंटे में चलता है।
इसे सीधे एक नई बातचीत में बताएं। स्पष्ट हमेशा अनुमान से बेहतर होता है, और यह एक दिन बाद के बजाय तुरंत प्रभावी हो जाता है।
क्लॉड इन्हें मेमोरी में लिखता है। अगली बातचीत पहले से ही उन्हें जानकर शुरू होती है। एक संदेश पूरी श्रेणी की दोहराई जाने वाली व्याख्या को समाप्त कर देता है।
03. अपने एजेंट के घर के रूप में एक प्रोजेक्ट बनाएं
प्रोजेक्ट एक स्थायी कार्यक्षेत्र है जहां निर्देश उसके अंदर हर बातचीत में लोड रहते हैं। यह अपने सबसे मजबूत रूप में लेयर 1 है।
Projects → New Project पर जाएं। इसे विषय के बजाय काम के अनुसार नाम दें। फिर कस्टम इंस्ट्रक्शन बॉक्स में एजेंट की भूमिका, मानक और बाधाएं भरें। उस प्रोजेक्ट के अंदर हर चैट इन्हें विरासत में लेता है।
04. समझें कि प्रोजेक्ट क्या याद नहीं रखते
यह वह जगह है जहां ज़्यादातर लोग जल जाते हैं। प्रोजेक्ट निर्देशों को बनाए रखते हैं। वे डिफ़ॉल्ट रूप से बातचीत की मेमोरी को बनाए नहीं रखते।
आप एक प्रोजेक्ट सेट करते हैं, इसे विस्तृत संदर्भ देते हैं, कुछ बातचीत करते हैं - फिर उसी प्रोजेक्ट में एक नया चैट शुरू करते हैं, और जो कुछ भी आपने पहले चर्चा की थी वह सब गायब हो जाता है।
आर्किटेक्चर के निर्णय, आधा-पूरा काम, डीबगिंग सत्र - सब गायब। प्रोजेक्ट अपने निर्देशों को याद रखता है, आपके इतिहास को नहीं।
स्थायी मेमोरी - लेयर 3 (कोडर्स के लिए)
05. एक जीवित मेमोरी फ़ाइल जोड़ें
सबसे सरल स्थायी मेमोरी जो वास्तव में काम करती है वह एक एकल फ़ाइल है जिसे एजेंट शुरुआत में पढ़ता है और अंत में जोड़ता है।
क्लॉड कोड में यह CLAUDE.md है; किसी भी एजेंट के लिए यह प्रोजेक्ट नॉलेज में memory.md हो सकता है।
डॉक्स में जोर देकर बताया गया नियम: इसे संक्षिप्त रखें। एक ताज़ा सत्र कुछ भी टाइप करने से पहले निर्देश लोड करने में लगभग 20,000 टोकन खर्च कर सकता है।
इस फ़ाइल को विकी डंप की तरह न समझें। यदि आप क्लॉड कोड के /init का उपयोग करके एक स्टार्टर फ़ाइल उत्पन्न करते हैं, तो प्रतिज्ञापूर्ण अगला कदम इसके अधिकांश भाग को हटाना है - यह स्पष्ट चीज़ें बताता है जो मॉडल पहले से देखता है।
06. ऑटो मेमोरी चालू करें
क्लॉड कोड में एक ऑटो-मेमोरी तंत्र है: यह आपके सुधारों और प्राथमिकताओं के आधार पर स्वयं को नोट्स लिखता है, और उन्हें हर सत्र की शुरुआत में लोड करता है।
अब एजेंट हल्का स्व-दस्तावेज़ीकरण करता है। जब आप इसे सुधारते हैं, तो सुधार अगले सत्र में जीवित रह सकता है, बजाय इसके कि वाष्पित हो जाए।
07. मेमोरी फ़ाइल को संरचित करें ताकि वह उपयोगी बनी रहे
एक मेमोरी फ़ाइल जो बिना संरचना के बढ़ती है, शोर बन जाती है। इसे अनुभाग दें:
प्रत्येक प्रविष्टि अपनी जगह अर्जित करती है। यह वह फ़ाइल है जिसे एजेंट कल की गलतियों को दोहराने से रोकने के लिए देखता है।
08. तय करें कि क्या याद रखने लायक है
सब कुछ सहेजा नहीं जाना चाहिए। यहां अनुशासन ही पूरा खेल है। प्रत्येक महत्वपूर्ण सत्र के बाद, एजेंट समीक्षा करता है कि क्या हुआ और केवल वही निकालता है जो रखने लायक है: एक निर्णय, एक वर्कअराउंड, एक प्राथमिकता, एक विफलता मोड। बाकी सब कुछ जानबूझकर भुला दिया जाता है।
एक अच्छा फ़िल्टर: क्या यह बदल देगा कि एजेंट अगली बार कैसे कार्य करता है? यदि हाँ, तो इसे स्टोर करें। यदि नहीं, तो इसे जाने दें। मेमोरी जो सब कुछ स्टोर करती है, उतनी ही बेकार है जितनी मेमोरी जो कुछ भी स्टोर नहीं करती।
स्व-सुधार करने वाली मेमोरी - लेयर 4: ड्रीमिंग
09. समझें कि ड्रीमिंग वास्तव में क्या है
6 मई, 2026 को, Code with Claude में, Anthropic ने मैनेज्ड एजेंट्स के लिए एक रिसर्च प्रीव्यू के रूप में ड्रीमिंग शिप की। यह नाम जानबूझकर न्यूरोसाइंस से उधार लिया गया है: जब मनुष्य सोते हैं, मस्तिष्क दिन के अनुभवों को दीर्घकालिक स्मृति में समेकित करता है। ड्रीमिंग एक एजेंट के लिए वही करता है।
यह एक शेड्यूल्ड बैकग्राउंड प्रक्रिया है। यह एजेंट के मौजूदा मेमोरी स्टोर और पिछले सत्र ट्रांसक्रिप्ट को पढ़ता है, फिर एक नया, पुनर्गठित मेमोरी स्टोर उत्पन्न करता है: डुप्लिकेट मर्ज किए जाते हैं, पुरानी प्रविष्टियों को नवीनतम मान से बदल दिया जाता है, और वास्तव में नई अंतर्दृष्टियाँ सामने आती हैं।
एक शर्त मायने रखती है इससे पहले कि आप परेशान हों: ड्रीमिंग केवल उन एजेंटों की मदद करता है जो एक ही प्रकार के कार्य को बार-बार करते हैं। यह कई सत्रों में पैटर्न को समेकित करता है, इसलिए एक एकमुश्त एजेंट के पास समेकित करने के लिए कुछ नहीं होता। इसे एक वर्कहॉर्स पर चलाएं, एक पर्यटक पर नहीं।
10. एक ड्रीम चलाएं - सटीक API प्रक्रिया
ड्रीमिंग एक रिसर्च प्रीव्यू है, इसलिए कोई कोड लिखने से पहले तीन पूर्वापेक्षाएँ हैं: एक मैनेज्ड एजेंट्स API कुंजी, Anthropic के फ़ॉर्म के माध्यम से ड्रीमिंग तक पहुंच का अनुरोध (यह गेटेड शिप होता है), और नवीनतम Anthropic SDK के साथ Python या TypeScript वातावरण।
हर ड्रीम कॉल को एक साथ दो बीटा हेडर की आवश्यकता होती है - SDK दोनों को स्वचालित रूप से सेट करता है यदि आप ड्रीमिंग-अवेयर वर्शन पर हैं:
कॉल स्वयं दो प्रकार के इनपुट लेता है: मौजूदा मेमोरी स्टोर जिसे आप समेकित करना चाहते हैं, और 100 तक सत्र ID - हाल के एजेंट रन जिनसे क्लॉड पैटर्न निकालेगा।
आप ड्रीम को निर्देशित करने के लिए निर्देश भी पास कर सकते हैं कि वह किस पर ध्यान केंद्रित करे:
प्रीव्यू के दौरान समर्थित मॉडल claude-opus-4-7 और claude-sonnet-4-6 हैं। ड्रीम को आपके द्वारा चुने गए मॉडल के मानक API टोकन दरों पर बिल किया जाता है, और लागत इनपुट सत्रों की संख्या और लंबाई के साथ लगभग रैखिक रूप से बढ़ती है।
डॉक्स स्पष्ट हैं: सत्रों के एक छोटे बैच से शुरू करें, एक बार जब आप क्यूरेशन गुणवत्ता से खुश हों तो बढ़ाएं।
11. कमिट करने से पहले आउटपुट स्टोर का निरीक्षण करें
इनपुट मेमोरी स्टोर पूरे समय केवल-पढ़ने योग्य रहता है। ड्रीम एक अलग आउटपुट स्टोर उत्पन्न करता है, और रन शुरू होने पर इसकी ID ड्रीम के outputs[] ऐरे में दिखाई देती है:
अब इसे पढ़ें। जांचें कि मर्ज की गई प्रविष्टियाँ सही हैं, कि बदली गई प्रविष्टियाँ वास्तव में पुरानी थीं, कि सामने आई अंतर्दृष्टियाँ वास्तविक हैं और शोर नहीं।
यह समीक्षा कदम एक एजेंट के बीच का अंतर है जो होशियार होता है और एक जो चुपचाप बह जाता है। क्योंकि आउटपुट एक बिल्कुल नया स्टोर है जिसमें आप ऑप्ट इन करते हैं, एक ड्रीम कभी भी चुपचाप आपके पास मौजूद चीज़ों को दूषित नहीं कर सकता।
12. इसे स्वैप करें, शेड्यूल करें, इसे चक्रवृद्धि होने दें
एक बार जब आप आउटपुट पर भरोसा कर लें, तो प्रोडक्शन में स्विच एक-पंक्ति परिवर्तन है - अपने एजेंट को पुराने के बजाय नए स्टोर ID पर इंगित करें।
फिर ड्रीमिंग को शेड्यूल पर रखें: रात में या साप्ताहिक, इस पर निर्भर करता है कि एजेंट कितना चलता है।
अब लूप बंद हो गया है। एजेंट दिन में काम करता है, रनों के बीच ड्रीम करता है, और प्रत्येक चक्र में और अधिक तेज होकर वापस आता है, बिना किसी पुनर्प्रशिक्षण या मैनुअल पुनर्विन्यास के।
एक पुराने ड्रीम को आर्काइव करने से उसका आउटपुट स्टोर कभी प्रभावित नहीं होता - आप उन्हें मेमोरी स्टोर्स API के माध्यम से अलग से प्रबंधित करते हैं।
पैमाने पर इसके काम करने का प्रमाण: कानूनी-AI कंपनी Harvey ने कानूनी-ड्राफ्टिंग वर्कफ़्लो के लिए ड्रीमिंग सक्षम करने के बाद एजेंट कार्य-पूर्णता दरों में लगभग 6 गुना वृद्धि की सूचना दी।
वही काम जो पहले विफल होते थे क्योंकि क्लॉड सत्रों के बीच फ़ाइलटाइप की ख़ासियतों और टूल वर्कअराउंड को भूल जाता था, अचानक विश्वसनीय रूप से पूरे होने लगे।
एजेंट मेमोरी को तोड़ने वाली गलतियाँ।
- प्रोजेक्ट को मेमोरी मानना। प्रोजेक्ट निर्देशों को बनाए रखते हैं, बातचीत का इतिहास नहीं। अन्यथा मान लें और आप बिना यह समझे संदर्भ खो देंगे कि क्यों।
- सब कुछ CLAUDE.md में डालना। एक फूली हुई मेमोरी फ़ाइल टोकन बर्बाद करती है और सिग्नल को दबा देती है। संक्षिप्त और संरचित लंबे और पूर्ण से बेहतर है।
- बिना फ़िल्टर के मेमोरी स्टोर करना। यदि सब कुछ याद रखने लायक है, तो कुछ भी नहीं। केवल वही सहेजें जो भविष्य के व्यवहार को बदल देगा।
- ड्रीम आउटपुट को ऑटो-डिप्लॉय करना। अलग आउटपुट स्टोर का पूरा उद्देश्य समीक्षा है। इसे छोड़ें और आप सुरक्षा जाल खो देंगे।
- कम-आवृत्ति एजेंट पर ड्रीमिंग चलाना। ड्रीमिंग कई सत्रों में पैटर्न को समेकित करता है। एक एजेंट जो महीने में दो बार चलता है, कभी पर्याप्त संचय नहीं करता।
निष्कर्ष:
ज़्यादातर लोग क्लॉड को वैसे ही खोलते रहेंगे जैसे उन्होंने हमेशा किया है - हर बार एक ताज़ा, भूलने वाला चैट, हर रन पर खुद को फिर से समझाते हुए, सोचते हुए कि उनका एजेंट कभी बेहतर क्यों नहीं होता।
जो चार लेयर बनाएंगे, उनके पास कुछ अलग होगा: एक एजेंट जो उन्हें जानता है, जो सीखता है उसे संचित करता है, और हर हफ्ते तेज होने के लिए अपनी मेमोरी को फिर से लिखता है।
पहले चार कदम चुनें। उन्हें आज रात सेट करें। अकेला यह बदल देगा कि आपका अगला सत्र कैसा महसूस होगा।
![[Ultimate Edition] A Deep Dive Analysis of Recruit Holdings by a Former Employee (Written by me, not AI)](/cdn-cgi/image/width=1920,quality=90,format=auto,metadata=none/https%3A%2F%2Fcms-assets.youmind.com%2Fmedia%2F1783619810056_4fyuz8_HMtxHM_bIAA-0_J.jpg)
