Perplexity detalla la arquitectura de memoria de Brain y las pruebas de la API para agentes

El 2 de noviembre de 2026, Perplexity publicó una guía técnica sobre la memoria persistente de los agentes de IA, en la que detalla el sistema Brain de Perplexity Computer, los componentes para crear memoria de la API para agentes y las pruebas para determinar si el contexto almacenado mejora el trabajo posterior de un agente.

Arquitectura de Brain y resultados comunicados

Perplexity describe Brain como su sistema de memoria de mejora continua para Computer, diseñado para organizar el trabajo anterior y las correcciones en una wiki de conocimiento en constante evolución. Utiliza memoria a nivel de tokens; es decir, la información se almacena fuera del modelo y se incorpora al contexto cuando se necesita. Modificar una página de la wiki cambia lo que el agente puede consultar en una tarea posterior, sin alterar los pesos aprendidos por el modelo.

Brain almacena estos registros como archivos en el entorno aislado del agente, distribuidos en tres capas. El sessions/ directorio conserva las transcripciones sin procesar y sus resúmenes, notes/ organiza la información destilada por tema, y knowledge/ contiene las páginas Markdown enlazadas de la wiki sobre personas, proyectos y conceptos. La guía clasifica los registros de sesión como memoria episódica y la wiki como memoria semántica; las habilidades y las instrucciones guardadas proporcionan memoria procedimental sobre cómo deben realizarse las tareas.

Los agentes en segundo plano llamados Dream procesan durante la noche los registros de sesión de cada día, generan resúmenes y revisan la wiki cuando cambia la información. Perplexity afirma que comprueba las modificaciones preparadas antes de confirmarlas mediante Git, y deja disponible un diff para su inspección. Cada entrada de memoria remite a su fuente, mientras que las actualizaciones en segundo plano de Brain refuerzan la información que sigue siendo válida, revisan las entradas cuando hay cambios y señalan el material obsoleto.

Perplexity informó que, en una evaluación emparejada de 30 días, las sesiones con Brain mejoraron la exactitud en 9,3 puntos porcentuales y la capacidad de recuerdo en 8,9, con un uso de aproximadamente un 15 % menos de tokens. En una prueba interna independiente con 150 preguntas sobre documentos financieros, un agente de exploración que utilizó herramientas de archivos estándar obtuvo una puntuación de respuesta de 0,627, frente a aproximadamente 0,37 en la búsqueda semántica sobre el mismo corpus.

Componentes de memoria de la API para agentes

Perplexity distingue expresamente su oferta para desarrolladores de Brain: la API para agentes no incluye un sistema de memoria que se mantenga por sí solo. En su lugar, ofrece procedimientos con control de versiones, métodos para trasladar el contexto de una conversación entre solicitudes y herramientas para leer y escribir en un almacén controlado por el desarrollador.

Una habilidad personalizada reúne instrucciones, procedimientos y archivos de apoyo bajo un número de versión. Un perfil guarda la configuración más amplia —incluidos el modelo, las instrucciones, las herramientas, las habilidades, los conectores y los ajustes de ejecución— bajo un único ID con control de versiones. Las habilidades no aprenden de forma independiente: sus instrucciones cambian cuando una persona o un proceso automatizado carga una nueva versión.

Los desarrolladores tienen dos opciones para conservar el contexto de trabajo entre turnos. Pueden incluir mensajes anteriores seleccionados en la matriz de entrada de la siguiente solicitud y decidir qué conservar, resumir, ocultar o descartar. Como alternativa, pueden pasar el ID de una respuesta completada como previous_response_id, lo que permite a Perplexity mantener el estado de la conversación en sus servidores sin que la aplicación vuelva a enviar los turnos anteriores. En cualquiera de los dos casos, siguen siendo necesarias las instrucciones, herramientas o ajustes del modelo que hagan falta para la siguiente respuesta.

El almacenamiento episódico y semántico sigue siendo responsabilidad del desarrollador. Las llamadas a funciones pueden implementar una operación de lectura antes de que actúe el agente y otra de escritura después; la aplicación ejecuta las llamadas y devuelve los resultados. Registrar el resultado, la fuente que lo respalda y las correcciones posteriores del usuario permite iniciar un registro episódico, en lugar de limitarse a anotar que se recuperó cierta información. Un servidor MCP remoto compatible ofrece otra posibilidad: expone operaciones de memoria sin necesidad de crear envoltorios independientes para funciones personalizadas. Perplexity incluye GitHub, Slack, Google Drive, Datadog, Linear y Notion entre sus conectores administrados, mientras que los conectores personalizados pueden dar acceso a sistemas internos.

Pruebas y controles de Computer

La prueba de sesión nueva descrita en la guía inicia una solicitud sin volver a incluir mensajes anteriores ni previous_response_id, pero conserva el acceso al mismo almacén de memoria. A continuación, se pide al agente que realice un trabajo relacionado sin volver a proporcionarle la corrección anterior. Para un agente de despliegue, Perplexity propone comprobar que el agente recupere y utilice el comando de reversión verificado para el servicio afectado, no modifique los procedimientos de otros servicios y adopte las instrucciones más recientes cuando cambie el comando, conservando una fuente rastreable.

Para comparar el rendimiento con y sin memoria, Perplexity recomienda mantener fijas las versiones del modelo, el perfil y la habilidad, y partir de una instantánea conocida del almacén, para que una prueba no enseñe al agente la respuesta de la siguiente. También recomienda guardar los casos fallidos para que las revisiones posteriores los superen. En lugar de basarse únicamente en la capacidad de recuerdo, la guía propone medir si se completan las tareas que dependen de la memoria, e incluir el costo y la latencia.

En Computer, Brain se nutre de las sesiones, las herramientas conectadas, los archivos y otros elementos, así como de las correcciones de los usuarios. La vista de memoria permite a los usuarios revisar las entradas, rastrearlas hasta sus fuentes y editarlas o eliminarlas. Brain excluye las sesiones de incógnito y tiene un interruptor independiente.

El ejemplo de Rho que describe la guía trata de un proyecto de facturación en el que Computer revisó los cambios durante la noche, señaló incoherencias y publicó un resumen matutino en Slack. Rho informó que redujo el tiempo dedicado a reuniones semanales de 2,5 horas a 15 minutos y calculó que ahorró 120 horas de trabajo durante el proyecto de 12 semanas. Perplexity dijo que la estimación de 120 horas abarcaba el flujo de trabajo combinado de los conectores, las ejecuciones nocturnas y el resumen de Slack, y que todavía no podía cuantificar la contribución independiente de la memoria.

Por lo tanto, la guía no determina cuál fue la contribución individual de la memoria a los ahorros que Rho declaró.