您的位置首页 >人工智能 >

Perplexity 新研究Brain 基于历史会话自动写出个人技能,Agent 从经验里自学工作流

先说核心结论:Perplexity 在 11 月 18 日发布的这项新研究,让其 Computer Agent 的个性化系统 Brain 不再只是 "记住你是谁",而是能翻看你过去的会话轨迹,自己总结规律、自动写出可复用的 "个人技能(skill)",并在后续对话里直接调用。这套机制的意义在于:通用模型不可能预先知道每个人的工作习惯和操作流程,过去只能靠用户反复口头交代,现在系统从经验里自己沉淀出说明书。它的原理是后台改进 Agent 把近期会话、技能使用记录和现有技能目录喂给四阶段引擎,经过收集证据、反思、验证、激活后写入用户技能库;个人技能用户可开关、可管理,内置技能更新则必须经过配对回放测试和工程师审批。数据上,2026 年 8 月 1 日至 11 月 14 日,Brain 已为超过 2 万名用户写出 8 万多条个人技能,生产测试中工具调用失败率下降 11%。整体来看,这代表 Agent 正在从 "每次重新教" 走向 "从过往会话自学工作流",而且改的是上下文和指令、不动模型权重。

一、这项研究解决什么问题

  • 痛点:同一个工作流,用户每次都要重新解释偏好、纠正做法,通用模型不知道个人流程。
  • 做法:Brain 把可复用的指令、参考资料、有时甚至脚本打包成 skill;会话开始时 Agent 加载技能索引,需要时自动调用,用户也能在提示里点名指定。
  • 关键边界:个性化只改上下文和指令,不改底层模型权重,不做微调。

二、核心数据一览(2026 年 8 月 1 日 —11 月 14 日)

指标数值
个人技能创建量8 万 + 条,覆盖 2 万 + 用户
既有技能自动更新10 万 + 次(覆盖 3 万 + 条旧技能,9 月 4 日起)
八周随机生产测试:自动组获得新技能比例72.9%(对照组手动添加仅 6.5%)
个人技能在用户发起对话中被加载自动组 53% vs 对照组 13%
收到技能的用户四周内复用率63%
工具调用失败率下降11%(剔除后台运行约 7%)
中高不满线程下降7.6%,成本与响应时间无可测变化
SkillLearnBench 离线实验任务成功率无技能 43.8% → 有技能 62.5%(16 个配对实例)

三、技能怎么自己写出来:四阶段改进引擎

  1. 收集证据(gather):后台改进 Agent 拿到近期会话、技能使用数据和现有技能目录;会话轨迹完整保留消息、工具调用、推理和结果,出错时能回溯到底哪一步走偏,而不是只看一句结论。
  2. 反思(reflect):Agent 检测到用户不满、行为出错或明显低效时,提交结构化诊断,分析重复出现的操作模式和执行瓶颈。
  3. 验证(verify):新技能需要同一可复用行为独立出现两次才成立,单次有据可查的出现只能支持更新;每次运行每条技能只允许改一处;确定性检查格式是否合格、是否适用,LLM 评审再抽查提案的证据和指令质量。
  4. 激活(activate):验证通过的改动写入用户技能库,供以后会话使用。
  • 容量护栏:自动创建的技能每人封顶 10 条;满额后必须先淘汰旧技能,并说明新技能为什么更有用才能新增。
  • 运行环境:后台 Agent 无互联网和连接器权限,可按需调取更多历史会话,但在受限环境里工作。

四、个人技能 vs 内置技能:两条审批通道

维度个人技能内置技能(全员共享)
来源单个用户的会话历史自动生成跨全体用户的共性失败模式
证据处理直接使用该用户轨迹先脱敏:剥离凭证、密钥、附件和媒体
测试要求确定性检查 + LLM 抽查每周任务找跨会话重复失败;生成自包含测试场景,配对回放:改后必须全过、原版至少一条失败,且不能回归旧功能
生效条件验证通过即写入本人库内部提交 PR,工程师审批后才上线
控制权Plugins 标签页可查看、逐条开关全体用户默认可用

五、谁能用、怎么管

  • 适用范围:面向美国 Max 订阅用户的个人技能改进,默认开启、可关闭。
  • 用户管理:Plugins 标签页标出 Brain 撰写的技能,用户自选启用哪些,保留可见性和控制权。
  • 后续计划:把同一套改进机制扩展到用户自写技能、项目内共享技能和组织级技能。

六、这项研究的看点

  • 学习来源是 "过去的会话":Agent 从历史交互里提炼程序化记忆,而不是要人显式编程。
  • 自动才是关键:自动组 72.9% vs 手动组 6.5% 的采纳差距说明,靠用户自己手写技能几乎推不动,个性化必须隐形自动发生。
  • 成本不变、效果可测:失败率和不满线程下降,但成本、响应时间没有明显变化。

【相关 FAQ】

问题 1:Perplexity Brain 基于过去会话自己写出新技能,具体写的是什么?

回答 1:Brain 写的是可复用的个人技能,把用户反复出现的工作流程、偏好和操作步骤打包成指令(有时含脚本),会话里自动调用或由用户点名,这些技能来自历史会话,只改上下文和指令、不改模型权重。

问题 2:Brain 写新技能有什么门槛,凭什么不会乱写?

回答 2:新技能需要同一可复用行为独立出现两次才成立,单次证据只能更新旧技能;每条技能每次只改一处,还要过确定性检查和 LLM 证据评审,每人自动技能封顶 10 条,满额须淘汰旧技能并说明替换理由。

问题 3:这套基于历史会话自写技能的效果有数据支撑吗?

回答 3:有:2026 年 8 月至 11 月 Brain 为 2 万多用户写出 8 万多条技能,生产测试工具调用失败率降 11%、不满线程降 7.6%,离线实验任务成功率从 43.8% 升到 62.5%,四周复用率 63%。

问题 4:Perplexity 的个人技能和内置技能更新流程有什么不同?

回答 4:个人技能验证通过即写入本人库、用户可逐条开关;内置技能面向全体用户,需脱敏证据、配对回放测试证明改后全过且无回归,再经工程师审批才生效,门槛明显更高。

【参考资料】

[2026-11-19](Perplexity Brain Creates 80,000 Agent Skills for 20,000 Users From Experience)OpenTools

[2026-11-19](Perplexity Computer adds self-improving agent skills)AICrier

[2026-11-19](Perplexity Brain: Self-Improving Agent Skills in Computer)i10X

[2026-11-18](Perplexity Brain Creates and Updates Agent Skills From Experience)Unite.AI

[2026-11-18](Perplexity's agent now writes and updates its own skills from experience)AI Brief

【免责声明】 本文依据 Perplexity 官方发布及公开媒体报道整理,实验数据以 Perplexity 官方口径为准;本研究为产品功能更新,不构成任何投资建议,效果会随版本更新变化。

今日大家都在搜的词: