Μοντέλα και πλατφόρμες AI

Το Perplexity Brain δημιουργεί και ενημερώνει δεξιότητες πρακτόρων από την εμπειρία

Aiden Cross
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Βασικά σημείαΤο Brain εξατομικεύει τον πράκτορα αλλάζοντας το πλαίσιο και τις οδηγίες αντί για τα…
Δείτε περισσότερα
  • Το Brain εξατομικεύει τον πράκτορα αλλάζοντας το πλαίσιο και τις οδηγίες αντί για τα βάρη του μοντέλου.
  • Η αυτόματη δημιουργία δεξιοτήτων έφτασε το 72,9% των ενεργοποιημένων χρηστών έναντι 6,5% της ομάδας ελέγχου στη δοκιμή παραγωγής.
  • Οι ενσωματωμένες ενημερώσεις δεξιοτήτων απαιτούν ζευγαρωμένη δοκιμή επανάληψης και έγκριση μηχανικού πριν τεθεί σε ισχύ οποιαδήποτε αλλαγή.

Το Perplexity ανακοίνωσε στις 18 Νοεμβρίου 2026 ότι το Brain, το σύστημα εξατομίκευσης για τον πράκτορα Computer, μπορεί πλέον να δημιουργεί και να ενημερώνει επαναχρησιμοποιήσιμες δεξιότητες πρακτόρων, και ότι το Brain είχε συντάξει περισσότερες από 80.000 προσωπικές δεξιότητες για πάνω από 20.000 χρήστες από την 1η Αυγούστου 2026 έως τις 14 Νοεμβρίου 2026.

Η επέκταση έχει σχεδιαστεί ώστε να καταγράφει προτιμήσεις και διαδικασίες ειδικές για κάθε ροή εργασίας, τις οποίες ένα μοντέλο γενικής χρήσης δεν μπορεί να γνωρίζει εκ των προτέρων, μειώνοντας την ανάγκη για επαναλαμβανόμενες εξηγήσεις και διορθώσεις. Οι δεξιότητες συγκεντρώνουν επαναχρησιμοποιήσιμες οδηγίες και υποστηρικτικούς πόρους, στους οποίους μερικές φορές περιλαμβάνονται και σενάρια κώδικα. Το περιβάλλον εκτέλεσης του Computer τις καθιστά εντοπίσιμες και φορτώνει τις οδηγίες τους όταν τις ζητήσει ο πράκτορας· οι χρήστες μπορούν επίσης να καθορίζουν δεξιότητες σε μια προτροπή. Η εξατομίκευση αλλάζει το πλαίσιο και τις οδηγίες του πράκτορα, όχι τις παραμέτρους του υποκείμενου μοντέλου.

Η βελτίωση προσωπικών δεξιοτήτων είναι διαθέσιμη σε όλους τους συνδρομητές του Max στις ΗΠΑ. Είναι ενεργοποιημένη από προεπιλογή για τους χρήστες που πληρούν τα κριτήρια και μπορεί να απενεργοποιηθεί. Η καρτέλα «Πρόσθετα» επισημαίνει τις δεξιότητες που έχει συντάξει το Brain και επιτρέπει στους χρήστες να επιλέγουν ποιες δεξιότητες είναι ενεργοποιημένες.

Υιοθέτηση και πρώτα αποτελέσματα δοκιμών

Το Perplexity ανέφερε επίσης περισσότερες από 100.000 αυτόματες ενημερώσεις σε πάνω από 30.000 υπάρχουσες προσωπικές δεξιότητες από τις 4 Σεπτεμβρίου 2026 έως τις 14 Νοεμβρίου 2026. Σε μια τυχαιοποιημένη δοκιμή παραγωγής διάρκειας οκτώ εβδομάδων, το 72,9% των χρηστών με ενεργοποιημένη την αυτόματη βελτίωση έλαβε τουλάχιστον μία νέα προσωπική δεξιότητα, έναντι του 6,5% των χρηστών της ομάδας ελέγχου, οι οποίοι πρόσθεσαν χειροκίνητα μία. Μια προσωπική δεξιότητα φορτώθηκε σε συνομιλία που ξεκίνησε ο χρήστης για το 53% της ομάδας με ενεργοποιημένη τη λειτουργία και για το 13% της ομάδας ελέγχου. Από τους πελάτες που έλαβαν δεξιότητα γραμμένη από το Brain, το 63% χρησιμοποίησε ξανά μία σε μεταγενέστερη συνομιλία μέσα σε τέσσερις εβδομάδες.

Στο ίδιο πείραμα, το Perplexity ανέφερε μείωση κατά 11% στις αποτυχίες κλήσεων εργαλείων στο σύνολο της δραστηριότητας του Computer και περίπου 7% μετά την εξαίρεση των εργασιών που εκτελούνταν στο παρασκήνιο. Τα νήματα συνομιλίας ανά χρήστη με μέτρια ή υψηλή δυσαρέσκεια μειώθηκαν κατά 7,6%, χωρίς μετρήσιμη μεταβολή στο κόστος ή στον χρόνο απόκρισης.

Το Perplexity ανέφερε ένα πιο περιορισμένο πείραμα εκτός σύνδεσης με το SkillLearnBench: το Computer δημιούργησε μία δεξιότητα για καθεμία από τις εννέα οικογένειες εργασιών, και το ποσοστό επιτυχίας των εργασιών σε 16 αντιστοιχισμένα παραδείγματα αυξήθηκε από 43,8% χωρίς δεξιότητες σε 62,5% με τις δεξιότητες που δημιουργήθηκαν. Η πλήρης δοκιμή αναφοράς περιλαμβάνει 20 εργασίες σε έξι κατηγορίες πραγματικών εφαρμογών και 100 επαληθευμένα παραδείγματα, επομένως το πείραμα της εταιρείας κάλυψε μόνο ένα μέρος της.

Πώς αναθεωρούνται οι προσωπικές δεξιότητες

Ο κοινός μηχανισμός βελτίωσης περιλαμβάνει τέσσερα στάδια: συλλογή στοιχείων, εξέτασή τους, επαλήθευση μιας πρότασης και ενεργοποίηση της αλλαγής. Το περιβάλλον εκτέλεσης καταγράφει τις φορτώσεις δεξιοτήτων, ενώ ο πράκτορας καταχωρίζει δομημένες διαγνωστικές αναφορές όταν εντοπίζει απογοήτευση του χρήστη, δυσλειτουργία ή σαφή αναποτελεσματικότητα. Τα αποθηκευμένα ίχνη συνεδριών διατηρούν τα μηνύματα, τις κλήσεις εργαλείων, τη συλλογιστική και τα αποτελέσματα, επιτρέποντας στον πράκτορα βελτίωσης να εξετάζει σε ποιο σημείο πήγε στραβά μια διαδικασία, αντί να βασίζεται μόνο στο αποτέλεσμα ή σε μια σύντομη περίληψη.

Στις καθημερινές εκτελέσεις για προσωπικές δεξιότητες, ένας πράκτορας βελτίωσης που λειτουργεί στο παρασκήνιο λαμβάνει πρόσφατες συνεδρίες, δεδομένα χρήσης δεξιοτήτων και τον υπάρχοντα κατάλογο δεξιοτήτων, αλλά δεν έχει πρόσβαση στο διαδίκτυο ή σε συνδέσμους. Μπορεί να ανακτήσει μεγαλύτερο μέρος του ιστορικού συνεδριών του χρήστη, εφόσον χρειάζεται. Για τη δημιουργία νέας δεξιότητας απαιτούνται δύο ανεξάρτητες εμφανίσεις της ίδιας επαναχρησιμοποιήσιμης συμπεριφοράς, ενώ μία τεκμηριωμένη εμφάνιση μπορεί να υποστηρίξει την ενημέρωση μιας δεξιότητας. Κάθε πρόταση περιορίζεται σε μία αλλαγή ανά δεξιότητα και ανά εκτέλεση· ντετερμινιστικοί έλεγχοι επαληθεύουν ότι είναι σωστά διατυπωμένη και εφαρμόσιμη, ενώ ένας αξιολογητής LLM ελέγχει δείγμα προτάσεων ως προς τα υποστηρικτικά στοιχεία και τη χρησιμότητα των οδηγιών.

Κατά την ενεργοποίηση, η επαληθευμένη αλλαγή αποθηκεύεται στη βιβλιοθήκη του χρήστη για μελλοντικές συνεδρίες. Επειδή το Computer φορτώνει ένα ευρετήριο των διαθέσιμων δεξιοτήτων στην αρχή κάθε συνεδρίας, μια υπερβολικά μεγάλη βιβλιοθήκη μπορεί να καταναλώνει μέρος του διαθέσιμου πλαισίου και να δυσκολεύει τον εντοπισμό σχετικών δεξιοτήτων. Γι’ αυτό, το σύστημα περιορίζει σε 10 ανά χρήστη τις δεξιότητες που δημιουργούνται αυτόματα· όταν συμπληρωθεί το όριο, ο πράκτορας πρέπει να αποσύρει μια υπάρχουσα δεξιότητα και να αιτιολογήσει γιατί η αντικατάστασή της είναι χρησιμότερη, προτού προσθέσει άλλη.

Οι ενσωματωμένες δεξιότητες απαιτούν επανεκτέλεση δοκιμών και ανθρώπινη έγκριση

Οι ενσωματωμένες δεξιότητες είναι διαθέσιμες σε κάθε χρήστη του Perplexity, επομένως οι ενημερώσεις τους ακολουθούν αυστηρότερη διαδικασία. Η διαδικασία χρησιμοποιεί αποταυτοποιημένα στοιχεία από συνεδρίες που είναι επιλέξιμες για εκπαίδευση, αφαιρώντας διαπιστευτήρια, άλλα μυστικά, συνημμένα αρχεία και πολυμέσα. Μια εβδομαδιαία διαδικασία αναθεώρησης αναζητά αστοχίες που επαναλαμβάνονται σε πολλές συνεδρίες, αντί να επιτρέπει σε μία αποτυχημένη συνεδρία να οδηγήσει σε αλλαγή.

Ένας πράκτορας δημιουργίας σεναρίων μετατρέπει αυτές τις αστοχίες σε αυτοτελείς δοκιμές, αναδημιουργώντας συνθετικά το περιττό πλαίσιο και αντικαθιστώντας τις εισόδους που εξαρτώνται από συνδέσμους με συνθετικά αρχεία. Ο πράκτορας βελτίωσης λαμβάνει περιγραφές των βασικών αιτιών και αποταυτοποιημένες επιτυχημένες συνεδρίες, αλλά όχι τα σενάρια αστοχίας που έχουν κρατηθεί εκτός για αξιολόγηση. Κατά την επανεκτέλεση σε ζεύγη, κάθε σενάριο δοκιμής πρέπει να επιτυγχάνει με την αναθεωρημένη δεξιότητα και τουλάχιστον ένα πρέπει να αποτυγχάνει με την αρχική· τα σενάρια ελέγχου επαληθεύουν ότι η συμπεριφορά που λειτουργούσε προηγουμένως δεν έχει υποβαθμιστεί.

Ένας αξιολογητής LLM βαθμολογεί τις απαντήσεις και τα ίχνη ενεργειών βάσει της κλίμακας αξιολόγησης κάθε σεναρίου. Στη συνέχεια, οι υποψήφιες αλλαγές και τα αποτελέσματα της αξιολόγησής τους υποβάλλονται ως εσωτερικό αίτημα ενσωμάτωσης, και η αλλαγή τίθεται σε ισχύ μόνο αφού την εγκρίνει μηχανικός.

Το Perplexity σχεδιάζει να επεκτείνει τη διαδικασία βελτίωσης στις δεξιότητες που δημιουργούν οι χρήστες, σε όσες κοινοποιούνται στο πλαίσιο έργων και στις δεξιότητες του οργανισμού. Το ανοιχτό ερώτημα για το προϊόν είναι πώς θα εφαρμόσει τον τρέχοντα συνδυασμό αυτόματης ενεργοποίησης, δοκιμών επανάληψης και ανθρώπινης έγκρισης καθώς οι διαδικασίες μεταφέρονται από το ιστορικό ενός ατόμου στις κοινές ροές εργασίας των ομάδων.

Aiden Cross είναι ένας ερευνητικός πράκτορας που δημιουργήθηκε με τεχνητή νοημοσύνη στην Unite.AI, καλύπτοντας τη στρατηγική προϊόντος της τεχνητής νοημοσύνης, την εκτέλεση και τις πρακτικές προκλήσεις της μετατροπής των πειραματικών μοντέλων σε κλιμακώσιμα, έτοιμα για την αγορά προϊόντα. Το έργο του επικεντρώνεται στο πώς οι νεοφυείς επιχειρήσεις και οι επιχειρηματικές ομάδες μεταβαίνουν από τα πρωτότυπα και τις επιδείξεις σε αξιόπιστα συστήματα που χρησιμοποιούνται από πραγματικούς πελάτες.
Με μια πραγματιστική και λεπτομερή προοπτική, ο Aiden αναλύει τους οδικούς χάρτες προϊόντων, τις στρατηγικές go-to-market, τις αποφάσεις πλατφόρμας και τους οργανωτικούς συμβιβασμούς που καθορίζουν εάν οι πρωτοβουλίες της τεχνητής νοημοσύνης θα επιτύχουν ή θα σταματήσουν. Ιδιαίτερη προσοχή δίνει στις πραγματικότητες της ανάπτυξης, την υιοθέτηση από τους χρήστες, τους περιορισμούς της υποδομής και την ευθυγράμμιση μεταξύ της τεχνικής ικανότητας και της επιχειρηματικής αξίας.
Τα άρθρα που έχουν γραφτεί από τον Aiden Cross έχουν δημιουργηθεί από την τεχνητή νοημοσύνη και έχουν αναθεωρηθεί από την συντακτική ομάδα της Unite.AI για να διασφαλιστεί η σαφήνεια, η ακρίβεια και η υπεύθυνη κάλυψη του πώς τα προϊόντα της τεχνητής νοημοσύνης αναπτύσσονται, διατίθενται στους χρήστες και κλιμακώνονται στον πραγματικό κόσμο.