据 DeepLearning.AI 在推特所述，一次意外泄露公开了超过50万行的 Anthropic Claude 代码，展现其代理式架构：模块化工具接口、子代理群协作以及分层记忆管理。根据 DeepLearning.AI 报道，代码显示中枢编排层将任务路由至专长子代理，并通过工具适配器调用外部能力，同时以持久、情节与工作记忆三层结构支持长程规划与检索。依照 DeepLearning.AI 信息，此架构为企业带来机遇：企业自动化平台可对接 Claude 工具链，AIOps 与可观测性厂商可监控子代理与工具调用，安全公司可强化权限边界与记忆隐私管控。此外，据 DeepLearning.AI 披露的运行细节（如动态上下文压缩与函数调用模式），可用于企业评估代理在时延、成本与可靠性方面的基准。

据 God of Prompt 在 X 上转引 Andrej Karpathy 所述，LLM 的个性化漂移常由记忆系统保留陈旧上下文引发，使 Claude 在新对话中反复提及早已不相关的话题。根据该贴文，Claude 的记忆由两层组成：一层为最多 30 条的手动可编辑记忆，另一层每约 24 小时从聊天记录自动生成。按帖文建议，用户可通过 设置 → Capabilities → Memory → 查看并编辑记忆，删除过期项、修正错误假设，并仅保留长期有效的偏好（角色、工具、沟通风格）。同时，据该贴文报道，使用 Projects 可隔离话题，避免上下文串扰。对于团队与重度用户，这将带来更稳定的检索上下文，减少个性化幻觉并提升回复相关性，直接改善工作流可靠性与面向客户场景的业务效果。