Perplexity 推出智慧體記憶系統 Brain：夜間自我復盤，準確率提升 25%

招一個剛畢業的新員工，哪怕一開始業務不熟練，只要在崗位上摸爬滾打幾個月，做錯的事有人糾正，下次就能自己繞開坑。但現在的各類 AI 智慧體，往往每次開啟都是全新的開始，昨天教過的坑今天換個提示詞又踩一遍。

Perplexity 這次打算改掉這個毛病。他們為旗下的 Computer 智慧體推出了一套自我改進記憶系統，名字就叫 Brain。這項功能目前正面向 Max 和 Enterprise Max 訂閱使用者以研究預覽版的形式開放。

白天干活，晚上偷偷「復盤」

過去大模型也有記憶功能，但大多數產品記的都是你這個人。比如你喜歡吃什麼、用什麼程式語言、在公司擔任何種角色。這類記憶主要讓你覺得它跟你熟絡，卻不能讓它把手頭的活幹得更好。

Brain 的思路截然不同，它盯的是智慧體自己做過的事。比如處理某個任務時調了哪些聯結器、引用了哪個來源、中途遇到了死衚衕還是被你打斷糾正。它會把這些經歷轉化成一張上下文圖譜，形態上類似一個專門給大模型讀的維基百科，並自動載入到智慧體的沙盒環境裡。

更有意思的是它的工作機制。到了夜間或者設定的固定時間間隔，Brain 會自動在後臺復盤白天的上下文圖譜，綜合會話記錄、聯結器拉取的結果以及你做過的修改，給自己的知識庫做增量更新。

這意味著你每一次給智慧體挑刺、改錯，或者讓它跑通一個複雜流程，消耗的 token 都不再是一次性的成本，而是變成了它下一次幹活的學費。下一次遇到類似任務，它就能少走彎路、少呼叫幾次模型，而且每個記憶條目都可以直接追溯回原始會話或檔案。

官方公佈的前期測試資料顯示，在智慧體之前見過的任務上，Brain 讓回答準確率提升了 25%，召回率提高了 16%。在依賴歷史上下文的任務中，它甚至把整體開銷壓縮了 13%。

為什麼重要

我們認為，Perplexity 這次切入 AI 記憶的角度非常務實，抓住了企業使用智慧體時真正的痛點。

對於每天讓 AI 幫著查資料、整理行業報告的重度使用者或團隊來說，值不值得試關鍵看復購率高的場景。如果你天天要做固定的週報整理或者競品追蹤，現在去試會很划算。你不用每次都在提示詞裡苦口婆心地強調別看哪幾個失效網站，智慧體被你糾正一兩次後，自己就能記住正確的路徑。

從行業競爭來看，過去大家在比拼誰的單次推理能力更強、誰的上下文視窗更大。而 Brain 的做法直接改變了競爭維度，它把智慧體從單次響應的答題機器，變成了帶有自我進化能力的長期工作流。這看起來會倒逼其他做智慧體產品的對手也必須把工作記憶和自我反思機制提上日程。

不過這裡也有潛在的隱患。如果使用者給出的錯誤指令或有偏差的中間結果沒有被及時發現，被當成成功經驗吸收到這個夜間維基裡，就可能導致智慧體在錯誤的路上越走越偏，排查和修正這些隱性記憶的成本反而會變高。如何在自動化復盤和人工糾偏之間找到平衡，將是這類系統接下來必須面對的考驗。