Perplexity menguraikan arsitektur memori Brain dan pengujian API Agen

Pada 2 November 2026, Perplexity menerbitkan panduan teknis tentang memori persisten untuk agen AI, yang menguraikan sistem Brain di Perplexity Computer, komponen pembentuk memori dalam Agent API, serta pengujian untuk mengetahui apakah konteks yang tersimpan meningkatkan kinerja agen pada tugas berikutnya.

Arsitektur dan Hasil yang Dilaporkan tentang Brain

Perplexity menjelaskan Brain sebagai sistem memori Computer yang terus menyempurnakan dirinya, dirancang untuk menata pekerjaan dan koreksi sebelumnya menjadi wiki pengetahuan yang terus berkembang. Sistem ini menggunakan memori tingkat token, yang berarti informasi disimpan di luar model dan dimasukkan ke dalam konteks saat diperlukan. Mengubah halaman wiki akan mengubah informasi yang dapat dibaca agen pada tugas berikutnya tanpa memodifikasi bobot yang telah dipelajari model.

Direktori sessions/ menyimpan transkrip mentah beserta ringkasannya, notes/ menata informasi yang telah diringkas berdasarkan topik, dan knowledge/ berisi halaman Markdown wiki yang saling tertaut tentang orang, proyek, dan konsep. Panduan tersebut menggolongkan catatan sesi sebagai memori episodik dan wiki sebagai memori semantik; Keterampilan dan instruksi tersimpan menyediakan memori prosedural tentang cara menyelesaikan tugas.

Agen latar belakang bernama Dream memproses catatan sesi setiap hari pada malam hari, membuat ringkasan, dan merevisi wiki jika informasi telah berubah. Perplexity mengatakan bahwa mereka memeriksa suntingan yang masih dalam tahap persiapan sebelum menerapkannya melalui Git, sehingga perubahan dapat ditinjau. Setiap entri memori tertaut kembali ke sumbernya, sementara pembaruan latar belakang Brain memperkuat informasi yang masih berlaku, merevisi entri setelah terjadi perubahan, dan menandai materi yang sudah usang.

Perplexity melaporkan bahwa sesi yang menggunakan Brain dalam evaluasi berpasangan selama 30 hari meningkatkan ketepatan sebesar 9,3 poin persentase dan daya ingat sebesar 8,9, sekaligus menggunakan sekitar 15% lebih sedikit token. Dalam tolok ukur internal terpisah yang mencakup 150 pertanyaan tentang dokumen keuangan, agen eksplorasi yang menggunakan alat berkas standar memperoleh skor jawaban 0,627, dibandingkan dengan sekitar 0,37 untuk pencarian semantik pada korpus yang sama.

Komponen Memori Agent API

Perplexity secara tegas membedakan penawaran untuk pengembang dari Brain: Agent API tidak mencakup sistem memori yang mengelola dirinya sendiri. Sebagai gantinya, API ini menyediakan prosedur berversi, metode untuk membawa konteks percakapan dari satu permintaan ke permintaan berikutnya, serta alat untuk membaca dan menulis ke penyimpanan yang dikendalikan pengembang.

Keterampilan khusus mengemas instruksi, prosedur, dan berkas pendukung dalam satu nomor versi. Profil menyimpan konfigurasi yang lebih luas—termasuk model, instruksi, alat, Keterampilan, konektor, dan pengaturan proses—dengan satu ID berversi. Keterampilan tidak belajar secara mandiri; instruksinya berubah ketika seseorang atau proses otomatis mengunggah versi baru.

Pengembang memiliki dua pilihan untuk mempertahankan konteks kerja di antara giliran percakapan. Mereka dapat menyertakan pesan-pesan sebelumnya yang dipilih dalam larik masukan untuk permintaan berikutnya, lalu menentukan informasi yang akan dipertahankan, diringkas, disamarkan, atau dihapus. Sebagai alternatif, mereka dapat meneruskan ID respons yang telah selesai sebagai previous_response_id, sehingga Perplexity dapat mempertahankan status percakapan di servernya tanpa aplikasi mengirim ulang giliran percakapan sebelumnya. Kedua cara tersebut tetap memerlukan instruksi, alat, atau pengaturan model baru yang dibutuhkan untuk respons berikutnya.

Penyimpanan episodik dan semantik tetap menjadi tanggung jawab pengembang. Pemanggilan fungsi dapat digunakan untuk menjalankan operasi baca sebelum agen bertindak dan operasi tulis sesudahnya, sementara aplikasi menjalankan pemanggilan tersebut dan mengembalikan hasilnya. Mencatat hasil, sumber pendukung, dan koreksi pengguna berikutnya menjadi awal catatan episodik, alih-alih sekadar mencatat bahwa informasi telah diambil. Server MCP jarak jauh yang kompatibel menawarkan cara lain dengan menyediakan operasi memori tanpa pembungkus fungsi khusus yang terpisah. Perplexity mencantumkan GitHub, Slack, Google Drive, Datadog, Linear, dan Notion sebagai konektor terkelolanya, sementara konektor khusus dapat menyediakan akses ke sistem internal.

Pengujian dan Kontrol Computer

Pengujian sesi baru dalam panduan ini memulai permintaan tanpa memutar ulang pesan atau previous_response_id, sambil tetap mempertahankan akses ke penyimpanan memori yang sama. Agen kemudian diminta melakukan pekerjaan terkait tanpa menerima koreksi sebelumnya lagi. Untuk agen penerapan, Perplexity mengusulkan pengujian untuk memastikan agen mengambil dan menggunakan perintah pemulihan yang telah diverifikasi untuk layanan terdampak, tidak mengubah prosedur layanan lain, dan mengikuti panduan yang lebih baru ketika perintah berubah, sekaligus mempertahankan sumber yang dapat ditelusuri.

Untuk membandingkan kinerja dengan dan tanpa memori, Perplexity menyarankan agar versi model, Profil, dan Keterampilan tetap sama, serta pengujian dimulai dari cuplikan penyimpanan yang sudah diketahui agar satu pengujian tidak mengajarkan jawaban kepada agen untuk pengujian berikutnya. Perplexity juga menyarankan agar kasus yang gagal disimpan untuk digunakan dalam revisi berikutnya. Alih-alih hanya mengandalkan daya ingat, panduan tersebut menyarankan pengukuran apakah tugas yang bergantung pada memori berhasil diselesaikan, dengan biaya dan latensi turut diperhitungkan.

Di Computer, Brain memanfaatkan sesi, alat yang terhubung, file dan artefak, serta koreksi pengguna. Tampilan Memori memungkinkan pengguna memeriksa entri, menelusuri sumbernya, serta mengedit atau menghapusnya. Brain mengecualikan sesi penyamaran dan memiliki sakelar terpisah.

Contoh Rho dalam panduan tersebut menjelaskan sebuah proyek penagihan yang pengerjaannya ditinjau oleh Computer sepanjang malam, dengan inkonsistensi ditandai dan ringkasan pagi diterbitkan di Slack. Rho melaporkan bahwa waktu rapat mingguan berkurang dari 2,5 jam menjadi 15 menit dan memperkirakan penghematan 120 jam kerja selama proyek 12 minggu tersebut. Perplexity mengatakan bahwa perkiraan 120 jam itu mencakup alur kerja gabungan berupa konektor, proses yang berjalan semalaman, dan ringkasan Slack, serta bahwa kontribusi memori secara terpisah belum dapat dihitung.

Karena itu, kontribusi memori secara individual terhadap penghematan yang dilaporkan Rho belum dapat dipastikan.