Perplexity erläutert die Speicherarchitektur von Brain und Tests der Agent API

Perplexity veröffentlichte am 2. November 2026 einen technischen Leitfaden zum persistenten Speicher für KI-Agenten. Darin werden das Brain-System in Perplexity Computer, die Komponenten zum Aufbau eines Speichers in der Agent API und Tests dazu vorgestellt, ob gespeicherter Kontext die spätere Arbeit eines Agenten verbessert.

Architektur und berichtete Ergebnisse von Brain

Perplexity beschreibt Brain als sein selbstoptimierendes Speichersystem für Computer, das frühere Arbeit und Korrekturen zu einem fortlaufend wachsenden Wissenswiki zusammenführt. Es nutzt einen tokenbasierten Speicher: Informationen werden außerhalb des Modells gespeichert und bei Bedarf in den Kontext geladen. Wird eine Wiki-Seite geändert, beeinflusst das, was der Agent bei einer späteren Aufgabe lesen kann, ohne die erlernten Gewichtungen des Modells zu verändern.

Brain speichert diese Datensätze als Dateien in der Sandbox des Agenten auf drei Ebenen. Das sessions/ Verzeichnis bewahrt Rohtranskripte und ihre Zusammenfassungen auf, notes/ ordnet verdichtete Informationen nach Themen und knowledge/ enthält die verknüpften Markdown-Seiten des Wikis über Personen, Projekte und Konzepte. Der Leitfaden ordnet Sitzungsaufzeichnungen dem episodischen Gedächtnis und das Wiki dem semantischen Gedächtnis zu; Fähigkeiten und gespeicherte Anweisungen bilden das prozedurale Gedächtnis dafür, wie Aufgaben ausgeführt werden sollen.

Hintergrundagenten namens Dream verarbeiten über Nacht die Sitzungsaufzeichnungen jedes Tages, erstellen Zusammenfassungen und überarbeiten das Wiki, wenn sich Informationen geändert haben. Perplexity zufolge prüft das Unternehmen bereitgestellte Änderungen, bevor sie über Git übernommen werden; dabei bleibt ein Diff zur Überprüfung verfügbar. Jeder Speichereintrag verweist auf seine Quelle zurück. Die Hintergrundaktualisierungen von Brain bekräftigen weiterhin gültige Informationen, überarbeiten Einträge nach Änderungen und kennzeichnen veraltete Inhalte.

Perplexity berichtete, dass Sitzungen mit Brain in einer gepaarten 30-Tage-Auswertung die Korrektheit um 9,3 Prozentpunkte und den Recall um 8,9 verbesserten und dabei rund 15 % weniger Token verbrauchten. In einem separaten internen Benchmark mit 150 Fragen zu Finanzdokumenten erzielte ein explorativer Agent mit standardmäßigen Dateiverarbeitungswerkzeugen einen Antwortwert von 0,627, verglichen mit etwa 0,37 bei der semantischen Suche im selben Korpus.

Speicherkomponenten der Agent API

Perplexity grenzt sein Angebot für Entwickler ausdrücklich von Brain ab: Die Agent API umfasst kein selbstverwaltendes Speichersystem. Stattdessen stellt sie versionierte Abläufe, Methoden zur Übernahme des Gesprächskontexts in Folgeanfragen und Werkzeuge zum Lesen und Schreiben in einem vom Entwickler kontrollierten Speicher bereit.

Eine benutzerdefinierte Fähigkeit bündelt Anweisungen, Abläufe und unterstützende Dateien unter einer Versionsnummer. Ein Profil speichert die umfassendere Konfiguration – einschließlich Modell, Anweisungen, Werkzeugen, Fähigkeiten, Konnektoren und Ausführungseinstellungen – unter einer einzigen versionierten ID. Fähigkeiten lernen nicht selbstständig; ihre Anweisungen ändern sich, wenn eine Person oder ein automatisierter Prozess eine neue Version hochlädt.

Entwickler haben zwei Möglichkeiten, den Arbeitskontext zwischen Gesprächsrunden beizubehalten. Sie können ausgewählte frühere Nachrichten in das Eingabearray der nächsten Anfrage aufnehmen und entscheiden, was beibehalten, zusammengefasst, unkenntlich gemacht oder weggelassen werden soll. Alternativ können sie die ID einer abgeschlossenen Antwort als previous_response_id, sodass Perplexity den Gesprächsstatus auf seinen Servern verwalten kann, ohne dass die Anwendung frühere Gesprächsrunden erneut senden muss. In beiden Fällen müssen alle neuen Anweisungen, Werkzeuge oder Modelleinstellungen, die für die nächste Antwort benötigt werden, weiterhin mitgegeben werden.

Die Verantwortung für die Speicherung episodischer und semantischer Informationen bleibt bei den Entwicklern. Mithilfe von Funktionsaufrufen lässt sich vor der Aktion des Agenten ein Lesevorgang und danach ein Schreibvorgang ausführen; die Anwendung führt die Aufrufe aus und gibt die Ergebnisse zurück. Werden das Ergebnis, die dazugehörige Quelle und eine spätere Korrektur durch den Nutzer aufgezeichnet, entsteht der Ansatz eines episodischen Eintrags – statt lediglich zu protokollieren, dass Informationen abgerufen wurden. Ein kompatibler entfernter MCP-Server bietet eine weitere Möglichkeit: Er stellt Speicherfunktionen bereit, ohne dass separate Wrapper für benutzerdefinierte Funktionen erforderlich sind. Perplexity führt GitHub, Slack, Google Drive, Datadog, Linear und Notion als verwaltete Konnektoren auf; benutzerdefinierte Konnektoren können den Zugriff auf interne Systeme ermöglichen.

Tests und Steuerungsmöglichkeiten in Computer

Beim Test mit einer neuen Sitzung aus dem Leitfaden wird eine Anfrage ohne erneut übermittelte Nachrichten oder previous_response_id, wobei der Zugriff auf denselben Speicher erhalten bleibt. Anschließend wird der Agent aufgefordert, verwandte Aufgaben auszuführen, ohne die frühere Korrektur erneut zu erhalten. Für einen Bereitstellungsagenten schlägt Perplexity vor zu prüfen, ob der Agent den verifizierten Rollback-Befehl für den betroffenen Dienst abruft und verwendet, die Abläufe anderer Dienste unverändert lässt und neuere Vorgaben übernimmt, wenn sich der Befehl ändert, wobei die Quelle nachvollziehbar bleibt.

Für Vergleiche mit und ohne Speicher empfiehlt Perplexity, die Modell-, Profil- und Fähigkeitsversionen unverändert zu lassen und von einem bekannten Speicher-Schnappschuss auszugehen, damit ein Test dem Agenten nicht die Antwort für den nächsten Test beibringt. Außerdem empfiehlt das Unternehmen, fehlgeschlagene Fälle zu speichern, damit sie bei späteren Überarbeitungen erfolgreich bewältigt werden können. Statt sich allein auf den Recall zu verlassen, sollte laut Leitfaden gemessen werden, ob speicherabhängige Aufgaben erledigt werden; Kosten und Latenz sind dabei ebenfalls zu berücksichtigen.

In Computer greift Brain auf Sitzungen, verbundene Tools, Dateien und Artefakte sowie auf Korrekturen der Nutzer zurück. In der Speicheransicht können Nutzer Einträge einsehen, zu ihren Quellen zurückverfolgen und bearbeiten oder löschen. Brain schließt Sitzungen im Inkognito-Modus aus und verfügt über einen separaten Schalter.

Das Rho-Beispiel im Leitfaden beschreibt ein Rechnungsstellungsprojekt, bei dem Computer Änderungen über Nacht überprüfte, Unstimmigkeiten markierte und morgens eine Zusammenfassung in Slack veröffentlichte. Rho gab an, die wöchentliche Besprechungszeit von 2,5 Stunden auf 15 Minuten reduziert zu haben, und schätzte, im Verlauf des 12-wöchigen Projekts 120 Arbeitsstunden einzusparen. Perplexity erklärte, die Schätzung von 120 Stunden umfasse den kombinierten Arbeitsablauf aus Konnektoren, nächtlichen Durchläufen und der Slack-Zusammenfassung. Der separate Beitrag der Speicherfunktion lasse sich bislang nicht beziffern.

Der Leitfaden lässt daher offen, welchen individuellen Beitrag die Speicherfunktion zu den von Rho gemeldeten Einsparungen geleistet hat.