Perplexity 发布 Brain：自进化记忆架构让 AI Agent 学会从自己的工作中学习
2026 年 6 月 18 日，Perplexity CEO Aravind Srinivas 亲自官宣：下一代 AI Agent 的记忆不再是”记住你的偏好”，而是”记住它自己做过什么”。
这个新系统叫 Brain。它不是简单的对话历史压缩，而是一套完整的自进化记忆架构，专为 Perplexity 的 Computer Agent 设计。
一、核心创新：记忆的”范式转换”
Perplexity 在官方博客里明确区分了两种记忆路线：
| 维度 | 传统 AI Memory | Brain |
|---|---|---|
| 记忆对象 | 用户偏好、风格、联系人 | Agent 的工作结果、失败尝试、修正记录 |
| 记忆目的 | 让用户感到被理解 | 让 Agent 把工作做得更好 |
| 更新方式 | 被动存储 | 夜间主动合成、自动注入 |
Brain 的关键词是 “self-improving”。它不是让模型参数更聪明，而是让 Agent 在每次任务前都带着”昨天学到的教训”上场。
Perplexity 的说法很直接：
“Brain is a self-improving context-graph of all your sessions, connectors, and files. Brain updates itself overnight with fresh context proactively, and feeds itself to every task on Computer, allowing Computer to be stateful and self-improving.”
二、技术架构：Context Graph → LLM Wiki
Brain 的架构分为三层：
2.1 Context Graph（上下文图谱）
每次 Computer 完成任务后，Brain 都会将以下信息写入图谱：
- 使用了哪些 connector
- 哪些 source 可靠，哪些是死胡同
- 用户做了哪些修正
- 哪些尝试失败了
这不是一个扁平的”记忆列表”，而是一个结构化图谱——决策、文件、source 之间的关系被保留下来。
2.2 Overnight Synthesis（夜间合成）
在默认的夜间窗口，Brain 会自动合成过去一天的 sessions、connector 结果、文件变更和用户修正。这个合成产物是一个 “LLM wiki”——一个维基式的记忆库。
2.3 Auto-Injection（自动注入）
第二天当用户发起新任务时，Brain 会把相关的 wiki 页面自动加载到 Computer 的 sandbox 中。Agent 不需要用户重新解释背景，也不需要自己去翻历史记录。
每一段记忆都会链接回原始的 session、文件或 source，用户可以追溯任何决策的来源，也可以手动删除不想要的记忆条目。
三、性能数据：内部基准测试
Perplexity 公布了 Brain 启用前后的对比数据：
| 指标 | 提升 |
|---|---|
| 答案正确率（重复任务） | +25% |
| 召回准确率 | +16% |
| 上下文密集型任务成本 | -13% |
注意：这些提升主要体现在需要历史上下文的任务上。如果是全新的、自包含的任务，Brain 的影响有限。收益会随着使用时间积累而增长，因为 context graph 会越来越丰富。
四、与竞品的对比
2026 年，AI Agent 记忆赛道已经有不少玩家：
| 特性 | Perplexity Brain | OpenClaw + Mem0 | Hermes (Nous Research) |
|---|---|---|---|
| 托管方式 | Perplexity 云 | 用户自托管 | 用户自托管 |
| 记忆载体 | Context graph + LLM wiki | Markdown + SQLite FTS5 | 提取的 skill files |
| 数据所有权 | Perplexity 控制 | 用户完全控制 | 用户完全控制 |
| 访问方式 | Max/Enterprise Max ($200/月) | 开源免费 | 开源免费 |
核心差异在于数据主权。Brain 的记忆图谱完全存储在 Perplexity 的基础设施中，用户只能查看和删除，不能导出或迁移。对于注重数据主权的团队，自托管的 OpenClaw 或 Hermes 仍然是更安全的选择。
五、局限与争议
Brain 的宣传用了”self-improving”这个词，但 Perplexity 自己也承认了边界：
- 不升级底层模型：Brain 让 Computer 在特定用户的特定任务上更快更准，但它没有让模型本身更聪明。
- 不跨领域迁移：帮助用户做金融研究学到的知识，不会自动转移到编码任务上。跨领域的通用化问题仍然开放。
- 黑盒担忧：虽然每个记忆条目都能追溯来源，但整个合成过程发生在 Perplexity 的服务器上，用户无法审计。
六、行业信号：Agent 战争进入”记忆”阶段
Brain 的发布是一个明确的行业信号：下一阶段的 Agent 竞争，不再是”谁模型更大”，而是”谁记得更好”。
当模型能力趋同时，Agent 的差异化将来自于：
- 记忆的深度和结构化程度
- 上下文注入的及时性和准确性
- 对用户工作流的理解是否随时间增长
Perplexity 选择了把记忆做成云服务、做成订阅壁垒。而开源世界（OpenClaw、Hermes）则在走自托管、用户可控的路线。这两种路线的胜负，将决定未来 AI Agent 生态是更偏向 SaaS 集中化，还是更偏向本地主权化。
七、总结
Brain 不是魔法，但它做对了一件事：把 Agent 的记忆从”被动存档”变成了”主动学习”。
- 对于已经订阅 Perplexity Max 的用户：Brain 是免费升级，值得在 recurring workflow 中测试。
- 对于数据主权敏感的组织：Brain 的云托管模型是个问号，自托管替代品仍是更务实的选择。
- 对于整个行业：Brain 证明了一个趋势——AI 的下一个前沿不是参数规模，而是如何让系统从自己的经历中持续学习。
Brain 目前处于 Research Preview 阶段，Perplexity 承诺会推出更多能力，但没有给出具体时间表。
参考来源：
