Perplexity beskriver Brains hukommelsesarkitektur og test af Agent API

Den 2. november 2026 udgav Perplexity en teknisk vejledning om vedvarende hukommelse for AI-agenter, der beskriver Brain-systemet i Perplexity Computer, Agent API’ens komponenter til opbygning af hukommelse og test af, om lagret kontekst forbedrer en agents senere arbejde.

Brains arkitektur og rapporterede resultater

Perplexity beskriver Brain som sit selvforbedrende hukommelsessystem til Computer, der er udviklet til at organisere tidligere arbejde og rettelser i en videnswiki under løbende udvikling. Systemet bruger hukommelse på tokenniveau, hvilket betyder, at oplysninger lagres uden for modellen og læses ind i konteksten efter behov. Når en wikiside ændres, ændres det, agenten kan læse i en senere opgave, uden at modellens indlærte vægte ændres.

Brain gemmer disse optegnelser som filer i agentens sandkasse fordelt på tre lag. Det sessions/ katalog gemmer rå transskriptioner og deres sammenfatninger, notes/ organiserer destilleret information efter emne, og knowledge/ indeholder wikipediens sammenkædede Markdown-sider om personer, projekter og begreber. Vejledningen klassificerer sessionsoptegnelser som episodisk hukommelse og wikien som semantisk hukommelse; færdigheder og gemte instruktioner udgør procedurehukommelse for, hvordan opgaver skal udføres.

Baggrundsagenter kaldet Dream behandler hver dags sessionsoptegnelser natten over, udarbejder sammenfatninger og reviderer wikien, når oplysningerne har ændret sig. Perplexity oplyser, at systemet kontrollerer klargjorte ændringer, før de indføres via Git, så en diff er tilgængelig til gennemsyn. Hver hukommelsespost linker tilbage til sin kilde, mens Brains baggrundsopdateringer styrker oplysninger, der stadig er gyldige, reviderer poster efter ændringer og markerer forældet materiale.

Perplexity rapporterede, at sessioner med Brain i en parret evaluering over 30 dage øgede korrektheden med 9,3 procentpoint og genkaldelsen med 8,9, samtidig med at der blev brugt cirka 15 % færre tokens. I en separat intern test med 150 spørgsmål om finansielle dokumenter opnåede en undersøgelsesagent, der brugte standardfilværktøjer, en svarscore på 0,627 mod cirka 0,37 for semantisk søgning i det samme tekstkorpus.

Hukommelseskomponenter i Agent API

Perplexity skelner udtrykkeligt mellem sit tilbud til udviklere og Brain: Agent API indeholder ikke et selvvedligeholdende hukommelsessystem. I stedet tilbyder det versionsstyrede procedurer, metoder til at videreføre samtalekontekst mellem forespørgsler og værktøjer til at læse fra og skrive til et lager, som udvikleren selv styrer.

En tilpasset færdighed samler instruktioner, procedurer og tilhørende filer under ét versionsnummer. En profil gemmer den bredere konfiguration, herunder modellen, instruktionerne, værktøjerne, færdighederne, forbindelserne og kørselsindstillingerne, under ét versionsstyret ID. Færdigheder lærer ikke selvstændigt; deres instruktioner ændres, når en person eller en automatiseret proces uploader en ny version.

Udviklere har to muligheder for at bevare arbejdskontekst mellem beskeder. De kan indsætte udvalgte tidligere beskeder i inputarrayet for den næste forespørgsel og selv beslutte, hvad der skal bevares, sammenfattes, redigeres eller udelades. Alternativt kan de angive ID’et for et færdigt svar som previous_response_id, så Perplexity kan bevare samtaletilstanden på sine servere, uden at applikationen behøver at sende tidligere beskeder igen. Uanset hvilken metode der vælges, skal eventuelle nye instruktioner, værktøjer eller modelindstillinger, der er nødvendige for det næste svar, stadig angives.

Det er stadig udviklerens ansvar at lagre episodisk og semantisk hukommelse. Funktionskald kan bruges til at udføre en læsehandling, før agenten handler, og en skrivehandling bagefter, hvor applikationen udfører kald og returnerer resultaterne. Ved at registrere udfaldet, den underbyggende kilde og en efterfølgende rettelse fra brugeren kan man begynde at opbygge en episodisk optegnelse i stedet for blot at logge, at oplysninger blev hentet. En kompatibel ekstern MCP-server giver en anden mulighed ved at stille hukommelsesfunktioner til rådighed uden separate indpakninger til brugerdefinerede funktioner. Perplexity nævner GitHub, Slack, Google Drive, Datadog, Linear og Notion blandt sine administrerede forbindelser, mens brugerdefinerede forbindelser kan give adgang til interne systemer.

Test og kontroller i Computer

Vejledningens test med en ny session starter en forespørgsel uden at genafspille beskeder eller previous_response_id, samtidig med at adgangen til det samme hukommelseslager bevares. Agenten bliver derefter bedt om at udføre beslægtet arbejde uden at få den tidligere rettelse gentaget. For en implementeringsagent foreslår Perplexity, at man kontrollerer, om agenten henter og bruger den verificerede kommando til tilbagerulning for den berørte tjeneste, lader andre tjenesters procedurer være uændrede og følger nyere vejledning, når kommandoen ændres, samtidig med at en sporbar kilde bevares.

Når resultater med og uden hukommelse sammenlignes, anbefaler Perplexity, at man holder modellen samt versionerne af profil og færdighed fast og starter fra et kendt øjebliksbillede af lageret, så én test ikke kan lære agenten svaret på den næste. Perplexity anbefaler også, at mislykkede tilfælde gemmes, så senere revisioner kan bestå dem. I stedet for kun at basere sig på genkaldelse siger vejledningen, at man bør måle, om opgaver, der afhænger af hukommelsen, bliver løst, og medregne omkostninger og svartid.

I Computer trækker Brain på sessioner, tilsluttede værktøjer, filer og artefakter samt brugerrettelser. Visningen Memory giver brugerne mulighed for at gennemgå poster, følge dem tilbage til deres kilder samt redigere eller slette dem. Brain udelader inkognitosessioner og har en separat til/fra-knap.

Guidens eksempel med Rho beskriver et faktureringsprojekt, hvor Computer gennemgik ændringer natten over, markerede uoverensstemmelser og offentliggjorde en morgenoversigt i Slack. Rho oplyste, at den ugentlige mødetid blev reduceret fra 2,5 timer til 15 minutter, og anslog, at der blev sparet 120 arbejdstimer i løbet af det 12 uger lange projekt. Perplexity sagde, at estimatet på 120 timer omfattede den samlede arbejdsgang med integrationer, kørsler natten over og morgenoversigten i Slack, og at virksomheden endnu ikke kunne opgøre hukommelsens særskilte bidrag.

Guiden fastslår derfor ikke hukommelsens individuelle bidrag til de besparelser, Rho rapporterede.