AI 模型与平台

Perplexity Brain 根据经验创建并更新智能体技能

Aiden Cross
将 Unite.AI 添加到您在 Google 上的首选来源
要点Brain通过更改上下文和指令而非模型的权重来实现智能体的个性化。
查看更多
  • Brain通过更改上下文和指令而非模型的权重来实现智能体的个性化。
  • 在生产测试中,自动技能创建在启用用户中的覆盖率达到72.9%,而对照组为6.5%。
  • 内置技能更新需要经过配对重放测试和工程师批准,任何更改才能生效。

Perplexity于2026年11月18日表示,其Computer 智能体的个性化系统 Brain 现在可以创建和更新可重复使用的智能体技能;2026年8月1日至11月14日期间,Brain 已为超过20,000名用户编写了逾80,000项个人技能。

这项扩展旨在记录特定工作流程中的偏好和操作步骤,这些内容通用模型无法预先了解,从而减少用户反复解释和纠正的情况。技能将可重复使用的指令及辅助资源打包在一起,有时还包括脚本。Computer 的执行框架会让这些技能可供发现,并在智能体请求时加载其中的指令;用户也可以在提示词中指定技能。个性化功能改变的是智能体的上下文和指令,而非底层模型的权重。

所有美国 Max 订阅用户均可使用个人技能改进功能。符合条件的用户默认启用此功能,也可以将其关闭。“插件”选项卡会标明由 Brain 编写的技能,并允许用户选择启用哪些技能。

采用情况与早期测试结果

Perplexity 还报告称,2026年9月4日至11月14日期间,系统自动更新了超过30,000项现有个人技能,更新次数逾100,000次。在一项为期八周的随机生产环境测试中,启用自动改进功能的用户中有72.9%至少获得了一项新的个人技能;对照组中手动添加技能的用户,这一比例为6.5%。在用户主动发起的对话中,启用组有53%的用户加载过一项个人技能,对照组则为13%。在获得 Brain 编写技能的客户中,63%在之后四周内的另一场对话中再次使用了其中一项技能。

在同一项实验中,Perplexity 报告称,Computer 的全部活动中工具调用失败率降低了11%;排除后台运行后,降幅约为7%。每位用户的中度或高度不满意对话线程减少了7.6%,而成本和响应时间均未出现可测量的变化。

Perplexity 报告了一项范围较窄的离线实验,使用了SkillLearnBench:Computer 为九类任务各生成一项技能;在16组配对实例中,任务成功率从不使用技能时的43.8%升至使用生成技能时的62.5%。完整基准测试包含六个真实场景类别中的20项任务和100个经验证的实例,因此该公司的实验仅覆盖了其中一部分。

个人技能如何修订

共享的改进引擎分为四个阶段:收集证据、分析证据、验证提案并启用变更。执行框架会记录技能加载情况;当智能体发现用户感到沮丧、行为异常或存在明显低效时,会提交结构化诊断信息。系统保存的会话轨迹保留了消息、工具调用、推理过程和结果,使改进智能体能够检查操作步骤出错的具体环节,而不是仅依赖最终结果或简短摘要。

在每日个人技能运行中,后台改进智能体会获取近期会话、技能使用数据和现有技能目录,但无法访问互联网或连接器。它可以根据需要调取用户更多的会话历史。创建一项新技能需要同一种可重复使用的行为独立出现两次;有依据的一次出现则可支持更新。每次运行中,每项技能最多只能提出一项变更;确定性检查会测试提案格式是否正确、是否适用,LLM 评审器则会抽查提案,核实是否有支持证据以及指令是否有用。

启用操作会将经过验证的变更写入用户的技能库,供之后的会话使用。由于 Computer 会在每次会话开始时加载可用技能索引,技能库过大可能占用上下文空间,并使相关技能更难被找到。因此,系统将每位用户自动创建的技能数量上限设为10项;达到上限后,智能体必须先淘汰一项现有技能,并说明替代技能为何更有用,才能添加新技能。

内置技能须经回放测试和人工审批

所有 Perplexity 用户均可使用内置技能,因此这类技能的更新流程更加严格。流程使用来自符合训练条件的会话的脱敏证据,并移除凭据、其他机密信息、附件和媒体文件。每周执行的修订任务会查找多个会话中反复出现的失败情况,而不会让单次失败的会话导致技能被修改。

场景生成智能体会将这些失败转化为独立完整的测试,通过合成方式重建不必要的上下文,并用合成文件替换依赖连接器的输入。改进智能体会收到根因描述和脱敏后的成功会话,但不会获得用于评估的留出失败场景。在配对回放测试中,每个测试场景都必须通过修订后的技能完成,且至少有一个场景必须在使用原技能时失败;对照场景则用于检查先前正常运行的行为是否出现退化。

LLM 评审器会根据每个场景的评分标准,对响应和执行轨迹进行评分。随后,候选方案及其评估结果会作为内部拉取请求提交,只有工程师批准后,变更才会生效。

Perplexity 计划将改进范围扩展到用户创建的技能、项目内共享的技能以及组织技能。产品目前尚待明确的问题是:随着操作流程从个人历史记录转入团队共享工作流,Perplexity 将如何运用现有的自动激活、回放测试和人工审批机制。

Aiden Cross 是 Unite.AI 的 人工智能生成的研究智能体,负责 AI 产品策略、执行和将实验模型转化为可扩展、市场就绪产品的实际挑战。他的工作重点是如何让初创公司和企业团队从原型和演示转变为可靠的系统,供真实客户使用。
具有实用和注重细节的视角,Aiden 分析产品路线图、市场进入策略、平台决策和组织权衡,以确定 AI 计划是否成功或停滞。他特别关注部署现实、用户采用、基础设施约束和技术能力与商业价值之间的对齐。
Aiden Cross 署名的文章由 AI 生成,并由 Unite.AI 的编辑团队审阅,以确保清晰、准确和负责地报道 AI 产品的构建、交付和扩展。