Dreaming(ChatGPT 后台记忆整理)

定义

Dreaming 是 OpenAI ChatGPT 在 2025-04 推出、2026-06 升级为 V3 的后台记忆整理机制——从聊天历史中自动合成用户记忆状态,对应人脑睡眠期的记忆巩固。V3 是 compute-efficient 的独立可扩展架构,能跑在亿级用户 × 多年时间窗口。

演化时间表

时间阶段特征
2024-04Saved memories用户显式说"记住 X"才存
2025-04Dreaming V0后台从聊天历史自动整理;补充 saved memories
2025-06Memory improvements短期连续性 rollout 到 free users
2026-06Dreaming V3独立可扩展系统,可替代 saved memories

三大设计目标

目标含义V3 解法
携带上下文"告诉我一次,未来记得"跨会话检索
跟随偏好/约束"我是素食者"→ 未来回答考虑偏好识别 + 应用
保持时新"我 7 月去新加坡" → 8 月变成"我 7 月去了"时间感知 + 自动更新

与 saved memories 的关键差异

维度Saved memories (2024)Dreaming V3 (2026)
触发用户显式说"记住"后台持续运行
范围显式 mention 的事实聊天历史自动综合
失效容易 stale自动时间感知 + 更新
评审难(要主动看)Memory summary page 暴露
算力偶发持续 compute cost

形式化

旧: 记忆 = 标注事件(用户驱动,偶发)
新: 记忆 = 后台进程(系统驱动,持续)
dreaming = 后台整理 + 时间感知 + 跨会话综合 + 用户可审可改

前提与局限性

  • 持续 compute cost — 用户不在时也在跑 GPU;商业模式必须覆盖
  • staleness 难解 — 时间对偏好的改变不是函数式可预测的;只能缓冲
  • summary 失真 — 当记忆量巨大,summary page 仍要降维
  • 数据归属 — 记忆属用户数据,监管风险陡增
  • 训练回授 — 用户修改 = 标注员行为

关联概念

本库主题Dreaming 的连接
Context-Engineering持续记忆是 context engineering 的核心场景
Multi-Layer-Memory平行概念:Three-Layer Agent Memory(Three-Layer-Agent-Memory
Agent-HarnessDreaming 是个人 AI 助理的 harness 组件
Memex个人数据主权的历史范式
Continual-Learning持续学习的应用案例
Personal-AI-Assistant是个人 AI 助理的标志能力
Staleness-ProblemDreaming 试图解决的核心难题
Memory-ArchitectureDreaming 是 V3 架构的具体实现
  • OpenAI — 开发与运营方

关键数据点

(关键事实、统计、时间线从原 raw 源沉淀,见 source_raw 字段)