Perplexity illustra l’architettura della memoria di Brain e i test dell’API per agenti

Il 2 novembre 2026, Perplexity ha pubblicato una guida tecnica alla memoria persistente degli agenti IA, illustrando il sistema Brain in Perplexity Computer, i componenti dell’API per agenti che consentono di costruire una memoria e i test volti a verificare se il contesto memorizzato migliora il lavoro successivo di un agente.

Architettura di Brain e risultati dichiarati

Perplexity descrive Brain come il proprio sistema di memoria auto-migliorante per Computer, progettato per organizzare il lavoro svolto in precedenza e le correzioni in una wiki della conoscenza in continua evoluzione. Utilizza una memoria a livello di token: le informazioni vengono memorizzate al di fuori del modello e inserite nel contesto quando necessario. Modificare una pagina della wiki cambia ciò che l’agente può leggere in un’attività successiva, senza modificare i pesi appresi dal modello.

La sessions/ cartella conserva le trascrizioni originali e i relativi riepiloghi, notes/ organizza le informazioni distillate per argomento e knowledge/ contiene le pagine Markdown collegate della wiki, dedicate a persone, progetti e concetti. La guida classifica i registri delle sessioni come memoria episodica e la wiki come memoria semantica; le competenze e le istruzioni salvate forniscono la memoria procedurale relativa a come svolgere le attività.

Gli agenti in background chiamati Dream elaborano durante la notte i registri delle sessioni di ogni giornata, producono riepiloghi e aggiornano la wiki quando le informazioni cambiano. Perplexity afferma di controllare le modifiche in attesa prima che vengano confermate tramite Git, rendendo disponibile un diff per la revisione. Ogni voce della memoria rimanda alla propria fonte; gli aggiornamenti in background di Brain, inoltre, rafforzano le informazioni ancora valide, aggiornano le voci dopo eventuali modifiche e segnalano i contenuti obsoleti.

Perplexity ha riferito che, in una valutazione appaiata di 30 giorni, le sessioni con Brain hanno migliorato la correttezza di 9,3 punti percentuali e il richiamo di 8,9 punti percentuali, utilizzando circa il 15% di token in meno. In un benchmark interno separato, basato su 150 domande relative a documenti finanziari, un agente di esplorazione che utilizzava strumenti standard per i file ha ottenuto un punteggio di risposta pari a 0,627, rispetto a circa 0,37 per la ricerca semantica sullo stesso corpus.

Componenti di memoria dell’API per agenti

Perplexity distingue esplicitamente la propria offerta per sviluppatori da Brain: l’API per agenti non include un sistema di memoria autogestito. Fornisce invece procedure versionate, metodi per mantenere il contesto della conversazione tra una richiesta e l’altra e strumenti per leggere e scrivere in un archivio gestito dallo sviluppatore.

Una competenza personalizzata raccoglie istruzioni, procedure e file di supporto in una versione numerata. Un profilo salva la configurazione più ampia — inclusi modello, istruzioni, strumenti, competenze, connettori e impostazioni di esecuzione — con un unico ID versionato. Le competenze non apprendono in modo autonomo: le relative istruzioni cambiano quando una persona o un processo automatizzato carica una nuova versione.

Gli sviluppatori hanno due opzioni per conservare il contesto operativo tra un turno e l’altro. Possono inserire nella matrice di input della richiesta successiva alcuni messaggi precedenti selezionati, decidendo quali mantenere, riassumere, oscurare o eliminare. In alternativa, possono passare l’ID di una risposta completata come previous_response_id, consentendo a Perplexity di mantenere lo stato della conversazione sui propri server senza che l’applicazione debba inviare di nuovo i turni precedenti. In entrambi i casi, per la risposta successiva è comunque necessario fornire eventuali nuove istruzioni, strumenti o impostazioni del modello.

La memorizzazione episodica e semantica resta responsabilità dello sviluppatore. La chiamata di funzioni può implementare un’operazione di lettura prima che l’agente agisca e un’operazione di scrittura in seguito; l’applicazione esegue le chiamate e restituisce i risultati. Registrare l’esito, la fonte di supporto e le successive correzioni dell’utente costituisce l’inizio di un registro episodico, invece di limitarsi ad annotare che un’informazione è stata recuperata. Un server MCP remoto compatibile offre un’altra possibilità, esponendo le operazioni di memoria senza richiedere wrapper separati per funzioni personalizzate. Tra i connettori gestiti, Perplexity elenca GitHub, Slack, Google Drive, Datadog, Linear e Notion; i connettori personalizzati possono invece fornire accesso ai sistemi interni.

Test e controlli di Computer

Il test della guida con una sessione nuova avvia una richiesta senza riproporre i messaggi precedenti né previous_response_id, mantenendo però l’accesso allo stesso archivio di memoria. All’agente viene quindi chiesto di svolgere attività correlate senza ricevere di nuovo la correzione precedente. Per un agente di distribuzione, Perplexity propone di verificare che recuperi e utilizzi il comando di rollback convalidato per il servizio interessato, lasci invariate le procedure degli altri servizi e adotti le indicazioni più recenti quando il comando cambia, mantenendo una fonte tracciabile.

Per confrontare le prestazioni con e senza memoria, Perplexity consiglia di mantenere fisse le versioni del modello, del profilo e della competenza e di partire da un’istantanea nota dell’archivio, in modo che un test non insegni all’agente la risposta per quello successivo. Consiglia inoltre di conservare i casi non riusciti, così da poterli superare nelle revisioni successive. Invece di basarsi soltanto sul richiamo, la guida suggerisce di misurare se le attività che dipendono dalla memoria vengono completate, includendo nel calcolo costi e latenza.

In Computer, Brain attinge alle sessioni, agli strumenti collegati, ai file e agli artefatti, oltre che alle correzioni degli utenti. La vista Memory consente agli utenti di esaminare le voci, risalire alle relative fonti e modificarle o eliminarle. Brain esclude le sessioni in incognito e dispone di un interruttore separato.

L’esempio di Rho riportato nella guida descrive un progetto di fatturazione in cui Computer ha esaminato le modifiche durante la notte, segnalato le incongruenze e pubblicato un riepilogo mattutino su Slack. Rho ha riferito di aver ridotto il tempo dedicato alle riunioni settimanali da 2,5 ore a 15 minuti e ha stimato un risparmio di 120 ore di lavoro nell’arco del progetto di 12 settimane. Perplexity ha dichiarato che la stima di 120 ore comprendeva il flusso di lavoro combinato di connettori, esecuzioni notturne e riepilogo su Slack e che non era ancora in grado di quantificare il contributo separato della memoria.

La guida lascia quindi irrisolto il contributo individuale della memoria ai risparmi dichiarati da Rho.