AI Agent 治理

Perplexity Computer Brain：AI Agent 會記得之後，更需要被管理

Agent 記憶不是功能清單，而是管理責任。越會記得，越要能查、能刪、能控管成本與權限。

AI Agent 記憶與治理的繁體中文視覺，呈現任務、檔案、決策與大腦節點

AI Agent 開始會記得

Perplexity 在 2026 年 7 月 14 日更新 Computer，最值得台灣中小企業注意的不是「又多一個 AI 工具」，而是 AI Agent 開始把過去怎麼做，變成下一次工作的上下文。

Perplexity 把這個能力稱為 Brain。官方 changelog 說，Computer 會從每個任務學習，建立跨 sessions、connectors、files 與過去決策的 private context graph，並在夜間更新。換句話說，下次再請它做同類工作時，它不用每次都從零開始。

psychology

7Pyramid 觀點

記憶讓 Agent 更像同事，但也讓它更需要管理制度。公司不能只問它能記多少，還要問它憑什麼記、誰能查、誰能刪。

記憶不是黑盒子

這次更新有一個很重要的細節：Perplexity 說每個 memory 都會連回來源，使用者可以在 Customize 控制保留內容。這代表「Agent 記得什麼」不該被當成神祕黑盒子，而應該變成可稽核、可修正、可刪除的工作紀錄。

對中小企業來說，導入記憶型 Agent 的第一題不是「它能不能幫我做更多」，而是「我能不能查到它為什麼記得、能不能刪掉錯誤記憶、能不能限制哪些資料被重用」。如果這三題答不出來，就不要急著把客戶資料、報價資料或內部決策丟進去。

先看任務型流程，不要看閒聊

Perplexity 公布的內部測試數字顯示，在有過去上下文的任務上，Brain 讓 answer correctness 提升 25%、recall 提升 16%，成本降低 13%。這些是 Perplexity 自家測試，不等於每間公司的實際結果，但方向很清楚：當任務有固定格式、固定資料來源、固定決策習慣時，記憶會比單次 prompt 更有價值。

我會建議先從低風險、高重複的流程測：每週社群內容表現摘要、每月競品頁面變化整理、固定格式的客戶簡報、財務資訊追蹤，或內部會議後的行動項目追蹤。這些流程的共同點是結果容易檢查，也比較能看出記憶有沒有真的省時間。

模型切換把成本治理推到前台

同一波更新也補上 Agent 工作流常見的兩個痛點：速度與模型選擇。Computer 現在有 Opus 4.8 Fast mode，也可以選 Claude Fable 5 擔任 orchestrator，用來規劃工作、分派子任務、串接結果。更關鍵的是，Computer 支援在同一個任務中切換 orchestrator model，而不是一開始選錯就只能重開。

這對實務很重要：前段可以用快模型整理資料，遇到困難推理或決策時再切到更強的模型，完成後再回到較低成本的模型做格式調整。但一旦可以這樣切，成本就不能只看月費。你需要知道哪個流程、哪個模型、哪個人正在消耗 credits。

Agent automation 不是無限跑

Perplexity Help Center 說明，Computer 使用 credits，100 credits 等於 1 美元；credits 是用在 Computer 這種多步驟工作，而不是一般 Perplexity Ask。任務越複雜，credits 用量越高；如果 credits 不足或達到 spending cap，任務會暫停，之後可在補足 credits 後繼續。

這提醒中小企業：Agent automation 不是「訂閱後就無限跑」，它更像一個會持續吃資源的數位員工。你需要預算、使用量報表、停損線，也需要有人定期檢查哪些流程值得跑、哪些流程只是看起來很聰明但沒有省下成本。

網站發布要加上品牌審核

這次更新還把 Computer 往「可交付成果」推近一步。Perplexity 表示，Computer 可以建立網站並發布到 pplx.app，或透過 Vercel 發布到自訂網域；可見度可以設成只有自己、指定對象、整個組織，或公開網路，組織管理員也能關閉公開發布。

對中小企業來說，這讓做 landing page、活動頁、內部 dashboard 變得更快。但我會把發布權限和品牌審核放在同一張流程圖裡。AI 做出來的東西如果可以一鍵公開，就一定要先定義誰能發、誰要看過、公開前要檢查哪些品牌、法務與資料安全項目。

Connectors 越強，權限表越重要

另一個值得注意的是 connectors。Perplexity 的 custom remote connectors 文件在 2026 年 7 月 14 日更新，說明可用 MCP 連到外部資料來源與工具，遠端 server URL 需要 HTTPS，也支援 OAuth、API key 或無驗證。文件同時提醒 custom connectors 會引入額外風險，管理者應審查、限制或移除有風險的 connectors。

換句話說，Agent 越能接工具，越需要權限表、資料分級與審批。不要只列「可以接 Google Drive、CRM、資料庫」。更重要的是列出每個 connector 能讀什麼、能寫什麼、能不能刪資料、錯誤時誰收到通知。

7Pyramid AI 的導入建議

我給台灣中小企業的建議很簡單：先不要把 Brain 當成萬能記憶體。先選一個低風險、高重複的流程，設定固定資料來源、固定輸出格式、固定審核人，跑兩到四週後檢查三件事：省下多少整理時間、錯誤是否變少、credits 是否可控。

通過這三關，再擴大到網站發布、CRM 資料整理或內部報表。AI Agent 的下一階段，不只是更會做事，而是更會記得。可是對公司來說，記憶不是功能清單，是管理責任。誰能看、誰能改、誰能刪、花多少錢、出錯時誰審核，這些問題先回答，Agent 才有資格進到真正的工作流程。

想看更多白話的 AI Agent、SEO／GEO 與營運工作流整理，歡迎逛逛我們的部落格。

資料來源

常見問題

重點不是開啟記憶越多越好，而是把記憶來源、保留規則、刪除權限、資料邊界與審核流程一起設計。

先選低風險、高重複、格式固定的流程，例如每週社群摘要、競品整理、固定格式簡報或內部報表。

Computer credits 會隨任務複雜度消耗，任務可能因餘額或 spending cap 暫停；企業需要用量報表、預算與停損線。

remote connectors 能讓 Agent 連到外部資料與工具，但也增加風險；管理者應審查來源、限制權限、移除高風險 connector。