Perplexity 宣布 Brain 可自动创建并更新 agent 技能:为 2 万多用户写出 8 万多个个人技能
11 月 18 日,Perplexity 在工程博客「Self-improving skills」中宣布,其 Computer agent 的个性化系统 Brain 已扩展出自动创建与更新可复用 agent skills(智能体技能)的能力:技能以可复用指令的形式固化用户重复工作流的要求与配套资源,只改变 agent 的上下文和指令,不改动模型权重。
Perplexity 给出的部署规模为:2026 年 8 月 1 日至 11 月 14 日,Brain 为 2 万多名用户写出超过 80,000 个个人技能;9 月 4 日至 11 月 14 日,系统又对 3 万多个现有个人技能自动应用了超过 100,000 次更新。个人技能改进已向全部美国 Max 订阅用户开放,默认开启,可手动关闭。这些数字均为 Perplexity 的自报数据;公告发布当天,第三方媒体 Unite.AI 对此作了报道。
Brain 的职责从记事情扩到写流程
按 Perplexity 2026 年 6 月 18 日的发布说明,Brain 最初是 Computer 的自改进记忆系统:它为 agent 的工作内容构建 context graph(上下文图谱),以 LLM wiki(供 agent 检索的维基页)的形式自动挂载在 agent 沙盒里,由后台 agent 随信息积累更新。此次扩展增加了新的职责:Brain 基于用户的记忆和会话历史,写出并持续打磨属于个人的技能。
博客把技能描述为「可复用的指令」:它们捕获重复工作流的要求与配套资源,改善模型在分布外任务上的表现;能可靠写成代码的重复流程则做成脚本,agent 到时直接执行。Computer 的 harness(运行框架)维护技能索引,在 agent 请求时把对应指令加载进上下文,用户也可以在提示词中指定调用某个技能。
技能改写走「证据、反思、验证、激活」四步循环
改写从会话记录开始。Computer 的 harness 会记录技能加载事件,把技能与会话关联起来;当 agent 发现用户不满、行为损坏或明显低效时,会提交一份简短的结构化诊断,harness 随之附上当时使用的技能。过去的会话以 provider-agnostic(不依赖具体模型供应商)的轨迹格式存储消息、工具调用、推理和结果,配套的命令行工具可以把轨迹解码、重建完整会话,让改进 agent 定位到具体出错或可改进的步骤。
反思由后台改进 agent 完成。它们运行在与 Computer 相同的 harness 上,在各自沙盒里配备前沿模型、相关证据和当前技能库,自行决定读哪些会话、从每段会话提炼什么教训;因为一处修改可能与技能里的另一条指令冲突,它们被要求读完整个技能再提改动,证据不足时选择不动。
个人技能:每天生成一轮,每用户上限 10 个
个人技能的改写在每日生成作业中进行。改进 agent 的沙盒里预载了该用户的近期会话和技能使用数据,其余历史可按需检索,另附现有技能目录;它没有互联网和连接器权限。创建新技能要求同一可复用行为出现两次独立实例,更新已有技能只需一次有据可查的出现。每次运行对单个技能只做一个改动,提案连同理由与证据一起记录,先过确定性格式检查,再由 LLM judge(自动评审模型)抽样审计提案是否有证据支撑、改出来的技能是否给出有用指令。
验证通过的提案会写入用户的技能库。由于 harness 在每次会话开始时加载全部可用技能的索引,技能库太大会挤占上下文、让相关技能更难被找到,因此系统给每个用户的自动技能设置了 10 个的上限:满了之后,改进 agent 想新增技能,必须先退役一个旧的,并说明新技能为何对用户的工作更有用。
从领域看,在 8 月 1 日至 11 月 4 日创建的 64,230 个个人技能中,软件工程占比最高,为 11.0%,其后是研究与简报(10.1%)、销售与运营(9.9%)、金融与投资(9.9%);博客列出的十个主要领域合计占样本的 80.3%。
内置技能改动须过 paired replay,工程师批准才生效
面向全体用户的内置技能走更严的流程,博客给出的理由是一次改坏会影响数千个会话。改进证据只取自可用于训练的会话,经脱敏管线剔除凭据、机密、附件和媒体文件。场景生成 agent 把脱敏证据改写成具体的失败场景:只保留理解失败所需的上下文,其余内容合成重建;场景必须在不连任何应用、不登录的情况下运行,依赖连接器的输入用合成文件替代。另有单独检查确认技能确实会在该场景上失败。
修订每周汇总一次:只有跨多个会话反复出现的失败才会驱动改动,单个坏会话不足以触发。每个复现失败交给一次独立的改进 agent 运行,agent 拿到根因描述和脱敏后的成功会话记录,但看不到留作考题的失败场景。
随后是 paired replay(配对重放测试):用同一批场景对比原版与修订版技能,LLM judge 按各场景的评分细则判卷;提案通过的条件是修订版在全部测试场景上通过,且至少一个场景原版失败。对照会话生成的场景也要重放一遍,确认没有弄坏原本正常的行为。候选改动连同评估结果打包成内部 pull request(代码合并请求),工程师批准后改动才真正生效。
八周随机化测试:72.9% 对 6.5%
Perplexity 在博客中报告了一项为期八周的随机化生产测试:开启自动个人技能改进的用户中,72.9% 拿到至少一个新个人技能,对照组只有 6.5% 的用户手动添加了新技能;53% 的开启用户在自己发起的会话里加载过个人技能,对照组为 13%;前者轮次加载个人技能的频率约为后者的 3.6 倍。拿到 Brain 所写技能的用户中,63% 在四周内的后续会话里再次用到了它。
同一实验里,Perplexity 称工具调用失败率在全部 Computer 活动中下降 11%,剔除系统自身的后台运行后约降 7%;按每用户中高不满会话数衡量,用户不满下降 7.6%,成本和响应时间无可测变化。离线实验另有两项窄口径数字:在 SkillLearnBench 的九个任务族上,Computer 用先前的任务轨迹各生成一个技能,16 组配对评估实例的任务成功率从无技能时的 43.8% 升到 62.5%;一次针对内置电商技能的改版带来 6% 的质量提升,成本降低 32%,质量由自动评审判定。
上述成效数字均为公司自报,未经独立验证。Unite.AI 在报道中补充了一个口径细节:SkillLearnBench 完整版包含 20 个任务、六大真实场景类别和 100 个已验证实例,Perplexity 的实验只覆盖了其中一部分。
用户可在插件页启停技能,扩展计划指向共享技能
在 Plugins(插件)标签页里,用户可以看到可用技能、确认哪些由 Brain 撰写,并自行选择启用哪些。博客同时列出了下一批改进对象:用户自己写的技能、项目内共享的技能和组织级技能。
目前的把关强度并不对称:个人技能改动经确定性检查和抽样评审后即自动生效,人工审批只设在内置技能一环。Unite.AI 把这视为一个待解的产品问题:当要固化的程序性经验从个人历史扩展到团队共享的流程时,自动激活、重放测试和人工审批这套组合该如何重新搭配。计划中的项目内共享技能与组织级技能,正属于这类流程。