Perplexity раскрывает архитектуру памяти Brain и тестирование Agent API

2 ноября 2026 года Perplexity опубликовала техническое руководство по долговременной памяти ИИ-агентов, в котором подробно описаны система Brain в Perplexity Computer, компоненты Agent API для формирования памяти и тесты, позволяющие выяснить, улучшает ли сохраненный контекст дальнейшую работу агента.

Архитектура Brain и заявленные результаты

Perplexity описывает Brain как самообучающуюся систему памяти для Computer, предназначенную для организации прошлой работы и исправлений в постоянно обновляемой базе знаний в формате вики. В ней используется память на уровне токенов: информация хранится вне модели и при необходимости подается в ее контекст. Изменение страницы вики влияет на то, что агент сможет прочитать при выполнении следующей задачи, не затрагивая усвоенные моделью веса.

Brain хранит эти записи в виде файлов в песочнице агента, разделяя их на три уровня. Каталог sessions/ сохраняет исходные стенограммы и их краткие содержания, notes/ систематизирует извлеченную информацию по темам, а knowledge/ содержит связанные между собой страницы вики в формате Markdown о людях, проектах и понятиях. В руководстве записи сессий отнесены к эпизодической памяти, а вики — к семантической; навыки и сохраненные инструкции обеспечивают процедурную память о том, как следует выполнять задачи.

Фоновые агенты под названием Dream обрабатывают записи сессий за каждый день в течение ночи, составляют краткие содержания и обновляют вики, если информация изменилась. По словам Perplexity, перед внесением изменений через Git компания проверяет подготовленные правки, оставляя доступный для проверки diff. Каждая запись в памяти содержит ссылку на источник, а фоновые обновления Brain подкрепляют по-прежнему актуальную информацию, исправляют записи после изменений и помечают устаревшие сведения.

Perplexity сообщила, что в парной оценке за 30 дней сессии с Brain повысили точность на 9,3 процентного пункта, а полноту воспроизведения — на 8,9 пункта, при этом расход токенов снизился примерно на 15%. В отдельном внутреннем тесте на 150 вопросах по финансовым документам агент, исследующий данные с помощью стандартных файловых инструментов, набрал 0,627 балла за ответы против примерно 0,37 у семантического поиска по тому же корпусу.

Компоненты памяти Agent API

Perplexity прямо разграничивает свое предложение для разработчиков и Brain: в Agent API нет системы памяти, которая поддерживает себя самостоятельно. Вместо этого API предоставляет версионируемые процедуры, способы передавать контекст разговора между запросами и инструменты для чтения из хранилища, контролируемого разработчиком, и записи в него.

Пользовательский навык объединяет инструкции, процедуры и вспомогательные файлы под одним номером версии. Профиль сохраняет более широкую конфигурацию — модель, инструкции, инструменты, навыки, коннекторы и параметры запуска — под одним версионируемым идентификатором. Навыки не обучаются самостоятельно: их инструкции меняются, когда человек или автоматизированный процесс загружает новую версию.

Для сохранения рабочего контекста между ходами у разработчиков есть два варианта. Они могут поместить выбранные предыдущие сообщения во входной массив следующего запроса, самостоятельно решив, что сохранить, обобщить, скрыть или удалить. Другой вариант — передать идентификатор завершенного ответа в качестве previous_response_id, что позволяет Perplexity хранить состояние разговора на своих серверах, не требуя от приложения повторно отправлять предыдущие ходы. При любом из этих вариантов для следующего ответа по-прежнему нужно передать все необходимые новые инструкции, инструменты и настройки модели.

Эпизодическое и семантическое хранилища остаются ответственностью разработчика. Вызов функций позволяет организовать операцию чтения до того, как агент приступит к работе, и операцию записи после ее завершения; приложение выполняет вызовы и возвращает результаты. Запись результата, подтверждающего источника и последующего исправления от пользователя закладывает основу эпизодической записи, а не просто фиксирует факт извлечения информации. Совместимый удаленный сервер MCP предлагает еще один способ: он предоставляет операции с памятью без отдельных оберток для пользовательских функций. Среди управляемых коннекторов Perplexity перечисляет GitHub, Slack, Google Drive, Datadog, Linear и Notion; пользовательские коннекторы могут обеспечивать доступ к внутренним системам.

Тестирование и управление Computer

В тесте с новой сессией, описанном в руководстве, запрос запускается без повторной передачи сообщений или previous_response_id, при этом доступ к тому же хранилищу памяти сохраняется. Затем агенту поручают выполнить связанную задачу, не сообщая ему повторно прежнее исправление. Для агента развертывания Perplexity предлагает проверить, извлекает ли он подтвержденную команду отката для затронутой службы и использует ли ее, оставляет ли без изменений процедуры для остальных служб и принимает ли более новые рекомендации при изменении команды, сохраняя при этом возможность отследить источник.

Для сравнения работы с памятью и без нее Perplexity рекомендует зафиксировать версии модели, профиля и навыка и начинать с известного снимка хранилища, чтобы во время одного теста агент не мог усвоить ответ, который затем использует в следующем. Компания также советует сохранять неудачные случаи, чтобы последующие версии могли успешно пройти эти тесты. Вместо того чтобы полагаться только на воспроизведение информации, руководство предлагает оценивать, выполняются ли задачи, зависящие от памяти, и учитывать затраты и задержку.

В Computer Brain использует данные сеансов, подключённых инструментов, файлов и артефактов, а также исправления пользователей. В разделе Memory пользователи могут просматривать записи, переходить к их источникам, редактировать их или удалять. Brain не учитывает сеансы в режиме инкогнито; для него предусмотрен отдельный переключатель.

В примере Rho из руководства описан проект по выставлению счетов, в рамках которого Computer ночью проверял изменения, отмечал несоответствия и публиковал утреннюю сводку в Slack. По данным Rho, еженедельные совещания удалось сократить с 2,5 часа до 15 минут, а за 12-недельный проект, по оценке компании, сэкономить 120 рабочих часов. Perplexity пояснила, что оценка в 120 часов учитывала совокупный рабочий процесс с коннекторами, ночными запусками и сводкой в Slack, и сообщила, что пока не может количественно оценить отдельный вклад памяти.

Таким образом, руководство не позволяет определить отдельный вклад памяти в экономию, о которой сообщила Rho.