Perplexity 发布 Brain：为 AI Agent 构建自改进工作记忆系统，夜间学习提升正确率 25%

一句话看懂

Perplexity 推出 Brain，一个为 AI Agent 设计的自改进记忆系统，通过记录工作过程并夜间学习，提升任务正确率 25%、召回率 16%、成本降低 13%。

详细发生了什么

Perplexity 于 2026 年 6 月 18 日发布了 Brain，这是一套针对其 Agent 产品 Computer 的自改进记忆系统。与大多数 AI 记忆系统不同，Brain 不存储用户偏好，而是记录 Agent 的工作过程——哪些操作成功、哪些失败、用户做了哪些修正。它构建一个可追溯的上下文图谱（context graph），并在夜间自动分析这些数据，让 Agent 学会更高效地执行任务。

Brain 目前以 Research Preview 形式向 Perplexity Max 和 Enterprise Max 订阅用户开放。Perplexity 将 AI 记忆分为两个维度：传统用户记忆（存储偏好、风格、角色，目的是提升参与感）和工作记忆（存储 Agent 的工作历史，目的是提升性能）。Brain 属于后者。

其核心机制是“LLM wiki”——一个自动加载到 Agent 沙箱中的上下文层，包含用户世界中的想法、人物、项目等元素。Agent 可以遍历这个信息网络，而 Brain 会在夜间增量更新 wiki，综合会话、连接器结果、源文档变更和用户修正。每个记忆条目都链接回原始会话或文件，确保可追溯。

Perplexity 报告了早期测试结果：在 Agent 曾见过的任务上，正确率提升 25%；召回率提升 16%；在需要历史上下文的任务上，成本降低 13%。团队强调，使用时间越长，效果越好。

中文圈视角

对中文用户来说，Brain 的发布有几点值得关注：

可用性与平替：Brain 目前仅限 Perplexity Max 和 Enterprise Max 订阅，每月 $20 起，且需要访问 Perplexity 服务（国内需特殊网络环境）。国内类似产品如 Kimi 的“记忆”功能、智谱的 Agent 平台，目前更侧重用户偏好记忆，而非工作过程记忆。Brain 的“工作记忆”思路可能启发国内厂商。
场景适配：对于使用 AI 辅助编程、数据分析、客服的中文用户，Brain 的“夜间学习”机制能减少重复劳动。例如，用 AI 调试代码时，Agent 能记住之前哪些文件是关键、哪些修正有效，避免每次从头开始。但中文环境的代码库、文档和工具链与英文存在差异，Brain 对中文内容的支持程度尚不明确。
数据合规：Brain 持久化工作历史并构建上下文图谱，涉及数据存储和跨境传输问题。国内用户若使用 Perplexity 服务，需注意数据出境合规。国产 Agent 产品在本地化部署和数据主权方面可能有优势。
盲点：中文圈目前较少讨论“Agent 工作记忆”这一方向，多数记忆系统仍聚焦用户画像。Brain 的“记忆 Agent 工作而非用户”思路，可能改变 AI Agent 的产品设计范式。

几条值得记住的细节

Brain 仅面向 Perplexity Max 和 Enterprise Max 订阅用户，以 Research Preview 形式提供。
上下文图谱采用“LLM wiki”形式，自动加载到 Agent 沙箱，夜间增量更新。
每个记忆条目都链接回原始会话或文件，支持调试和信任验证。
早期测试数据：正确率 +25%，召回率 +16%，成本 -13%（均为 Perplexity 内部测试）。
使用时间越长，Brain 效果越好，因为 Agent 持续学习用户的工作模式。

一句话总结

Brain 让 AI Agent 记住“怎么做”而非“你是谁”，通过夜间自学提升效率——对高频使用 AI 工具的用户，这可能是减少重复劳动的关键。