上下文图谱的工作原理

Computer 执行的每个任务都会接入一个持久的上下文图谱——这是一个结构化的映射，涵盖项目、连接器、文件、工件、决策和来源。这个图谱会随着每次会话不断增长，创建出丰富的操作历史记录，未来的任务可以自动从中汲取经验。

与简单的对话记忆（仅存储聊天记录）不同，Brain 捕获的是智能体的程序性知识：哪些工作流程能产生正确结果、哪些方法被用户纠正过、以及哪些来源模式最可靠。

夜间自我改进循环

Brain 最显著的特点是能够自主改进。在设定的时间间隔（通常是夜间），Brain 会复盘整个上下文图谱，并更新自身对如何更好完成类似工作的理解。这意味着：

• 从成功中学习： 导致正确输出的模式会得到强化。
• 从失败中学习： 错误和用户的纠正会被分析，并用于调整未来的行为。
• 递归改进： 随着智能体在更新上下文图谱方面变得更加高效，Brain 的知识质量会实现复利式增长。

最终成果是一个越用越聪明的系统。这些提升并非只是理论上的——Perplexity 在其官方博客上发布了早期内部测量数据：

这些收益会随时间复利增长——使用 Brain 越久的用户，其智能体在学习到特定工作模式后，获得的提升越大。

从无状态到有状态智能体的重大转变

Brain 代表了AI智能体运作方式的根本性架构转变。目前大多数智能体是无状态的——它们每次任务都从零开始，对过往工作没有任何记忆。用户必须每次都重新解释上下文、重新设定偏好、重新训练智能体适应自己的工作流程。

Brain 让智能体变得有状态。 每个新任务都会接入之前项目、决策和纠正的持久上下文图谱。Computer 在开始每个任务时都拥有完整的背景信息，而非从零开始，从而消除了重复工作，并减少了因缺失历史信息而导致的错误。

这与简单的对话记忆（记住聊天历史）截然不同。Brain 记忆的是智能体的操作知识——哪些程序、工具和来源模式能产生正确结果。

哪些订阅层级提供Brain

Brain 作为研究预览功能，独家面向 Perplexity Max 订阅用户（$200/月）提供。它将首先向 Max 用户开放，Max 是 Perplexity 的最高消费层级，还提供无限 Pro 搜索、完整模型阵容（包括 GPT-5、Claude 4、Gemini）以及新功能的早期使用权。

该功能在发布时不适用于免费版、Pro（$20/月）或企业 Pro 层级。

Brain 在 Computer 生态系统中的位置

• Computer（2026年2月发布）是 Perplexity 的“通用数字员工”——一个智能体平台，能够接收自然语言形式的高层级目标，将其分解为子任务，并在网络、API 和用户软件栈中自主执行。它协调使用大约19种不同的AI模型来完成端到端工作流程。
• Brain 是 Computer 的记忆层。 它使 Computer 成为一个学习型系统，使用越频繁，效率越高、准确度也越高。
• Perplexity 还有一个独立的个性化记忆功能（更早向 Pro 和 Max 用户推出），用于记住用户在搜索/生产力助手方面的偏好和对话历史——Brain 是关于智能体工作记忆的，而非用户偏好记忆。

Brain 与竞品记忆系统的对比

Brain 的差异化优势显而易见：它记住的是智能体的工作，而非用户的聊天——并且能够在夜间自主改进。

• Anthropic（Claude）： 有针对项目和自定义指令的有限记忆功能，但没有自我改进的智能体记忆系统。Brain 的夜间自我复盘循环是独特的。
• OpenAI（ChatGPT/Operator）： 提供跨聊天的用户偏好和对话历史记忆，但 OpenAI 的智能体（Operator）不具备能在离线状态下运行的递归自我改进记忆系统。
• Google（Gemini）： 记忆主要侧重于个性化，而非智能体工作记忆。
• Microsoft Copilot： 企业记忆与 Microsoft Graph（电子邮件、文档）相关联，但并非能从任务执行模式中学习的自我改进智能体记忆。

Brain 使 Perplexity 成为有状态、自我改进智能体记忆领域的明确先行者——这是一个大多数竞争对手尚未在产品层面涉足的品类。

上下文图谱的工作原理

Computer 执行的每个任务都会接入一个持久的上下文图谱——这是一个结构化的映射，涵盖项目、连接器、文件、工件、决策和来源。这个图谱会随着每次会话不断增长，创建出丰富的操作历史记录，未来的任务可以自动从中汲取经验。

与简单的对话记忆（仅存储聊天记录）不同，Brain 捕获的是智能体的程序性知识：哪些工作流程能产生正确结果、哪些方法被用户纠正过、以及哪些来源模式最可靠。

夜间自我改进循环

Brain 最显著的特点是能够自主改进。在设定的时间间隔（通常是夜间），Brain 会复盘整个上下文图谱，并更新自身对如何更好完成类似工作的理解。这意味着：

• 从成功中学习： 导致正确输出的模式会得到强化。
• 从失败中学习： 错误和用户的纠正会被分析，并用于调整未来的行为。
• 递归改进： 随着智能体在更新上下文图谱方面变得更加高效，Brain 的知识质量会实现复利式增长。

最终成果是一个越用越聪明的系统。这些提升并非只是理论上的——Perplexity 在其官方博客上发布了早期内部测量数据：

这些收益会随时间复利增长——使用 Brain 越久的用户，其智能体在学习到特定工作模式后，获得的提升越大。

从无状态到有状态智能体的重大转变

Brain 代表了AI智能体运作方式的根本性架构转变。目前大多数智能体是无状态的——它们每次任务都从零开始，对过往工作没有任何记忆。用户必须每次都重新解释上下文、重新设定偏好、重新训练智能体适应自己的工作流程。

Brain 让智能体变得有状态。 每个新任务都会接入之前项目、决策和纠正的持久上下文图谱。Computer 在开始每个任务时都拥有完整的背景信息，而非从零开始，从而消除了重复工作，并减少了因缺失历史信息而导致的错误。

这与简单的对话记忆（记住聊天历史）截然不同。Brain 记忆的是智能体的操作知识——哪些程序、工具和来源模式能产生正确结果。

哪些订阅层级提供Brain

Brain 作为研究预览功能，独家面向 Perplexity Max 订阅用户（$200/月）提供。它将首先向 Max 用户开放，Max 是 Perplexity 的最高消费层级，还提供无限 Pro 搜索、完整模型阵容（包括 GPT-5、Claude 4、Gemini）以及新功能的早期使用权。

该功能在发布时不适用于免费版、Pro（$20/月）或企业 Pro 层级。

Brain 在 Computer 生态系统中的位置

• Computer（2026年2月发布）是 Perplexity 的“通用数字员工”——一个智能体平台，能够接收自然语言形式的高层级目标，将其分解为子任务，并在网络、API 和用户软件栈中自主执行。它协调使用大约19种不同的AI模型来完成端到端工作流程。
• Brain 是 Computer 的记忆层。 它使 Computer 成为一个学习型系统，使用越频繁，效率越高、准确度也越高。
• Perplexity 还有一个独立的个性化记忆功能（更早向 Pro 和 Max 用户推出），用于记住用户在搜索/生产力助手方面的偏好和对话历史——Brain 是关于智能体工作记忆的，而非用户偏好记忆。

Brain 与竞品记忆系统的对比

Brain 的差异化优势显而易见：它记住的是智能体的工作，而非用户的聊天——并且能够在夜间自主改进。

• Anthropic（Claude）： 有针对项目和自定义指令的有限记忆功能，但没有自我改进的智能体记忆系统。Brain 的夜间自我复盘循环是独特的。
• OpenAI（ChatGPT/Operator）： 提供跨聊天的用户偏好和对话历史记忆，但 OpenAI 的智能体（Operator）不具备能在离线状态下运行的递归自我改进记忆系统。
• Google（Gemini）： 记忆主要侧重于个性化，而非智能体工作记忆。
• Microsoft Copilot： 企业记忆与 Microsoft Graph（电子邮件、文档）相关联，但并非能从任务执行模式中学习的自我改进智能体记忆。

Brain 使 Perplexity 成为有状态、自我改进智能体记忆领域的明确先行者——这是一个大多数竞争对手尚未在产品层面涉足的品类。