Perplexity 11 月 18 日发布工程博客,宣布让 Computer 的个性化自我改进系统 Brain 自动创建和更新 Agent 技能,11 月 19 日在 X 上官宣。Brain 根据用户的记忆和历史会话写出并改进个人技能,同样的方法也用于改进所有用户可用的内置技能。8 月 1 日至 11 月 14 日,Brain 为 2 万多名用户写了 8 万多个个人技能。八周随机对照实验中,工具调用失败率下降 11%,用户不满下降 7.6%,成本和响应时间没有明显变化。该功能已向美国所有 Max 订阅用户开放,默认开启,可关闭。
核心要点速览
- ✓官方:Brain 根据记忆和历史会话自动写出、更新个人技能;内置技能也用全体用户的汇总经验改进
- ✓流程:证据、反思、验证、激活四步循环,并有 LLM 评审抽查改动是否有证据支持
- ✓规模:8 月 1 日至 11 月 14 日写了 8 万多个个人技能,覆盖 2 万多名用户;9 月 4 日起对 3 万多个技能做了 10 万多次自动更新
- ✓效果:八周随机实验中工具调用失败率降 11%,不满降 7.6%;SkillLearnBench 16 个配对实例成功率从 43.8% 升到 62.5%
- ✓开放:美国所有 Max 订阅用户可用,默认开启可关闭;Plugins 标签页会标出 Brain 写的技能

关键决策指标一览
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价,支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
核心背景与行业痛点
Agent 技能是可复用的任务说明,能让 Agent 按固定流程做重复工作,但手写和维护技能很费事,多数用户不会主动去写。Perplexity 的 Computer 已有 Brain 系统维护用户记忆,现在 Brain 开始自动写技能、改技能,把用户的重复流程变成程序化记忆。
架构亮点与底层机制
Brain 从记忆和历史会话中找出重复流程,写成个人技能。改进分四步:找到技能表现不好的会话作为证据,改进 Agent 分析后提出修改,检查修改格式正确且可能有效,最后激活新版本。内置技能面向所有用户,门槛更高:证据先去除密钥和附件,修改要通过配对回放测试,再经工程师人工审核才合并。
权威 Benchmark 与实测跑分对比
数据来自 Perplexity 自己。八周随机实验中,开启组 72.9% 的人得到新技能,对照组只有 6.5% 手动添加;工具调用失败率降 11%,不满降 7.6%。SkillLearnBench 离线实验 16 个配对实例的成功率从 43.8% 升到 62.5%。
开发者实战落地与开箱指南
美国 Max 用户默认已开启,可在 Plugins 标签页查看哪些技能由 Brain 编写,并选择启用哪些。做 Agent 产品的团队可以参考这套证据、反思、验证、激活的循环和配对回放测试来维护技能。
即刻查看该技术对应模型与主流工具的实测差异,或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察