Өздігінен жетілетін Skill-дер
Perplexity Brain қайталанатын процедураларды тәжірибеден қалай үйренеді және оларды қалай өзекті күйде ұстайды.
Кіріспе
Пайдаланушылардың жалпы мақсаттағы модель алдын ала біле алмайтын, белгілі бір жұмыс процесіне тән қалаулары мен талаптары бар. Агент пайдаланушыдан әр сеанста бір процедураны түсіндіруді немесе бірдей түзетулер енгізуді талап етпей, өз жұмысын пайдаланушыға бейімдеу үшін осы бөлшектерді үйренуі керек. Мұны үздіксіз оқыту мүмкін етеді: аяқталған тапсырмалардан алынған тәжірибе агенттің болашақ жұмысқа қалай кірісетінін айқындауы тиіс.
Brain — Computer-дің жекелендірілген өзін-өзі жетілдіру жүйесі — тәжірибе арқылы үйренуге мүмкіндік береді. Ол қазірдің өзінде пайдаланушы мен оның жұмысы туралы ақпаратты оны растайтын дәлелдермен байланыстыратын құрылымдалған білім wiki-ін жүргізеді. Жаңа ақпарат жинақталған сайын фондық агенттер wiki-ді жаңартып отырады, сондықтан жад жүйесі уақыт өте келе жетіле түседі.
Агенттік Skill-дер негізгі модельді өзгертпей-ақ агенттің мінез-құлқын бағыттаудың тағы бір жолын ұсынады. Skill-дер — агентті белгілі бір тапсырмаларды орындау барысында бағыттайтын қайта пайдаланылатын нұсқаулар. Олар агент әйтпесе жадына сүйеніп өзі тұжырымдауы немесе әр жолы пайдаланушыдан алуы қажет болатын қайталанатын жұмыс процестеріне арналған талаптар мен көмекші ресурстарды қамтып, үлестірімнен тыс тапсырмалардағы өнімділікті арттырады. Олар сондай-ақ қайталанатын процедураларға немесе кодпен сенімді түрде өрнектелетін өңдеуге арналған скрипттерді қамтуы мүмкін, сондықтан агент қажет болғанда сол скрипттерді жай ғана іске қоса алады. Қолжетімді Skill-дерді табуға болатындай ету және агент сұрағанда олардың нұсқауларын контекстке жүктеу — harness-тің міндеті. Пайдаланушылар сондай-ақ промптта қай Skill-дерді пайдалану керектігін тікелей көрсете алады.
Біз Brain-ді агенттік Skill-дерді автоматты түрде жасау және жаңарту үшін кеңейтіп жатырмыз. Brain пайдаланушының жадына және сеанстар тарихына сүйене отырып, сол пайдаланушының жұмыс процестеріне арналған процедураларды қамтитын жеке Skill-дерді жазады және жетілдіреді. Біз Perplexity-дің әр пайдаланушысына қолжетімді кірістірілген Skill-дерді барлық сеанстардағы жиынтық заңдылықтар негізінде жаңарту үшін ұқсас тәсілді қолданамыз.
Алдымен Skill-дердің барлық түріне ортақ өзін-өзі жетілдіру механизмімізді сипаттап, оның жеке және кірістірілген Skill-дер үшін қалай жұмыс істейтінін түсіндіреміз.
Ортақ өзін-өзі жетілдіру механизмі
Пайдалы Skill де жаңа қалаулар пайда болған немесе тәжірибе оның нұсқауларындағы олқылықтарды анықтаған сайын өзгеріп отыруы керек. Brain келесі жолы Computer ұқсас тапсырмаға тап болғанда агенттің мінез-құлқы қалай өзгеруі керектігін анықтауға және қажетті нәтижеге жақсырақ қол жеткізу үшін Skill-ді қалай өзгерту керектігін белгілеуге жауапты.
Бұл жетілдіру процесі төрт кезеңнен тұратын цикл құрайды:
- Дәлелдер. Brain Skill пайдаланылған өткен сеанстарды, әсіресе ол күткен нәтиже бермеген сеанстарды табады.
- Рефлексия. Жетілдіру агенті сол дәлелдерді зерделеп, Skill-ге жаңартулар ұсынады.
- Верификация. Тексерулер ұсыныстың дұрыс құрылғанын және нәтижелерді жақсартуы ықтимал екенін растайды.
- Белсендіру. Тексерілген өзгеріс қолданылады. Болашақ сеанстар жаңа нұсқаны пайдаланады және келесі кезең үшін дәлел береді.
Бұл цикл Computer мен Brain үшін жасалған көптеген қолданыстағы мүмкіндіктерге сүйенеді. Мұнда біз дәлелдер мен рефлексияны қамтамасыз ететін ортақ механизмді сипаттаймыз. Верификация және белсендіру процедуралары өзгерістің бір пайдаланушыға ма, әлде Perplexity-дің барлық пайдаланушысына ма жететініне байланысты, сондықтан оларды жеке және кірістірілген Skill-дерді жетілдіру циклдері туралы келесі бөлімдерде қарастырамыз.
Өткен сеанстардан алынған дәлелдер
Рефлексия үшін Skill пайдаланылған сеанстарды, әсіресе жетілдіруге орын бар сеанстарды табу қажет. Computer harness-і мұны мүмкін ететін сигналдарды жазып отырады. Агент Skill-ді жүктегенде, harness Skill-ді сеанспен байланыстыратын Skill жүктеу оқиғасын жазады. Агент пайдаланушының наразылығын, бұзылған мінез-құлықты немесе айқын тиімсіздікті байқағанда, қысқа құрылымдалған диагностика жасайды, ал harness оған пайдаланылып жатқан Skill-дерді тіркейді. Бұл әсіресе кірістірілген Skill-дер үшін пайдалы, өйткені кез келген сеанс маңызды болуы мүмкін, сондықтан жүйеге дәлелдер жиынын тез тарылту тәсілі қажет.
Агенттерге нәтиже немесе қысқа түйіндеме негізінде шешім қабылдағаннан гөрі толық жазбаға қол жеткізу пайдалырақ. Computer өткен сеанстарды хабарламаларды, құрал шақыруларын, пайымдауды және нәтижелерді қамтитын, провайдерге тәуелсіз траектория көріністері түрінде сақтайды. Сондай-ақ біз агенттер осы траекторияларды декодтап, толық сеанстарды қалпына келтіру үшін пайдалана алатын командалық жол құралдарының жиынтығын жасадық. Бұл рефлексия агентіне нақты Skill жүктеулері мен құрал шақыруларын қарап, мәселелер туындаған немесе жақсартулар енгізуге болатын нақты нүктелерді анықтауға мүмкіндік береді.
# Decode a stored trajectory into structured messages,
# including tool calls, their arguments, and their results.
python3 deserialize_trajectory.py \
--convo-path session/convo.pb.lz4 \
--jsonl -o session.jsonl
# Identify which skills the agent loaded and how often.
python3 list_skills_used.py session.jsonl
# Read one turn in detail, including its tool calls and results.
python3 deserialize_trajectory.py \
--convo-path session/convo.pb.lz4 \
--turn 3 -o turn-3.md
# Recover earlier steps preserved before a context compaction.
python3 deserialize_trajectory.py \
--convo-path session/compactions/001/original_convo.pb.lz4 \
--jsonl -o earlier-history.jsonlComputer-дің траекторияларды тексеруге арналған ішкі құралдарын пайдалану мысалы. Жолдар мен идентификаторлар түсінікті болу үшін жеңілдетілген; командалардың атаулары мен аргументтері нақты іске асыруға сәйкес келеді.
Фондық агенттер арқылы рефлексия
Brain әр пайдаланушы үшін тәжірибені үздіксіз оңтайландыру мақсатында фондық агенттер командасын пайдаланады. Мысалы, Dream агенттері білім wiki-ін жаңарту үшін жинақталған тәжірибені қарап шығады. Сол сияқты, Skill-дерді жетілдіруді жаңартулар ұсыну үшін Skill пайдалану дәлелдерін талдайтын жетілдіру агенттері жүзеге асырады.
Әр агент плагиндер мен Skill-дердің басшылығымен озық модельмен, тиісті дәлелдермен және ағымдағы Skill кітапханасымен бірге өзінің жеке Sandbox-ында жұмыс істейді. Ол қай сеанстарды оқу керектігін шешеді, әрқайсысынан нақты сабақ алады және бірдей қайта пайдаланылатын мінез-құлықты талап ететін сабақтарды топтастырады. Бір сәтсіздікті түзету басқа нұсқаумен қайшы келуі немесе басқа жерде қосымша жұмыс тудыруы мүмкін болғандықтан, ол өңдеу ұсынбас бұрын Skill-ді толық оқиды және дәлелдер оны қолдамаса, ұсыныс жасаудан бас тартады.
Жетілдіру агенттері Computer-мен бірдей harness-те жұмыс істейді. Біз harness-ті модульдік етіп жасадық, сондықтан жаңа агенттік қолданба оның пайымдау, құралдарды пайдалану және контекстті басқару механизмдерін қайта пайдалана алады, ал өз нұсқаулары мен мүмкіндіктерін плагиндер арқылы анықтайды. Арнайы фондық worker-лер пулы бұл өңдеуді алдыңғы жоспардағы тапсырмаларға тәуелсіз масштабтауға мүмкіндік береді.
Жеке Skill-дерді жетілдіру циклі
Алдымен ортақ өзін-өзі жетілдіру механизмінің пайдаланушының тапсырмалар тарихын жаңа немесе жаңартылған жеке Skill-дерге айналдыратын жеке жетілдіру цикліне қалай қолданылатынын сипаттаймыз. Төмендегі суретте мысал Skill-дің толық цикл арқылы өтуі қадағаланып, қайта қаралған нұсқамен аяқталады.
Күнделікті генерация жұмысы барысында жетілдіру агенті енгізуге тұрарлық өзгерістерді анықтау үшін пайдаланушының соңғы сеанстарын қарап шығады. Соңғы сеанстардың жиынтығы Skill пайдалану деректерімен бірге Sandbox-қа алдын ала жүктеледі; пайдаланушының қалған сеанстар тарихын қажетіне қарай алуға болады. Жетілдіру агенті сондай-ақ бар Skill-дердің каталогын алады. Оның интернетке немесе басқа коннекторларға қолжетімділігі жоқ.
Жеке Skill-дерді жетілдіру жұмыс процесіне арналған плагиндер мен Skill-дер жақсы жаңартудың қандай болатыны туралы біздің қағидаттарымызға сүйене отырып, рефлексия процесін бағыттайды. Агент алдымен әр сеанстағы нақты сабақты анықтау үшін толық траекторияларды талдайды. Содан кейін сабақтарды бар нұсқаулармен салыстырып, Skill-ді жаңарту, жаңасын жасау немесе ештеңені өзгертпеу туралы шешім қабылдайды. Skill жасау үшін бірдей қайта пайдаланылатын мінез-құлықтың екі тәуелсіз жағдайы қажет, ал бар Skill-ді жаңартуды бір негізделген жағдаймен ақтауға болады.
Агент Skill-ді тікелей өзгертпейді. Оның орнына ол көзделген өзгерістерді, оларды негіздейтін пайымдау мен дәлелдерді жазып, ұсыныс дайындайды. Жаңартулар әр іске қосуда бір Skill-ге бір өзгеріспен шектеледі. Детерминистік тексерулер ұсыныстардың дұрыс құрылғанын және оларды Skill-ге қолдануға болатынын растайды. Бұдан бөлек, LLM-бағалаушы іріктелген ұсыныстарды тексеріп, дәлелдердің өзгерісті қолдайтынын және нәтижесінде алынған Skill пайдалы нұсқаулар беретінін бағалайды.
Белсендіру тексерілген ұсынысты пайдаланушының Skill кітапханасындағы өзгеріске айналдырады, осылайша жаңа нұсқаны болашақ сеанстарда жүктеп, пайдалануға болады. Әр сеанстың басында harness барлық қолжетімді Skill-дердің индексін жүктейтіндіктен, Skill-дердің үлкен кітапханасы контекст терезесін толтырып, агентке тиісті Skill-дерді табу мен жүктеуді қиындатуы мүмкін. Сондықтан жүйе тек ең құнды Skill-дерді сақтайды, ал шағын әрі мұқият іріктелген кітапхананы сақтау үшін қажет емес Skill-дерді шығарып тастайды. Атап айтқанда, біз әр пайдаланушы үшін автоматты түрде жасалған Skill-дерге 10 данадан шек қоямыз. Шекке жеткенде жетілдіру агенті Skill-дерді әлі де жаңарта немесе жоя алады, бірақ жаңа Skill қосу үшін ол бар Skill-ді шығарып тастап, жаңа Skill-дің пайдаланушы жұмысы үшін неліктен пайдалырақ екенін негіздеуі керек.
Кірістірілген Skill-дерді жетілдіру циклі
Сондай-ақ біз Brain-нің Skill-дерді үздіксіз жетілдіру құрылымын кірістірілген Skill-дерге де кеңейтеміз. Бір пайдаланушының жадын және сеанстар тарихын сол пайдаланушының жеке Skill-дерін жетілдіру үшін пайдаланудың орнына, кірістірілген цикл Perplexity-дің әр пайдаланушысына қолжетімді Skill-дерді жетілдіру үшін көптеген пайдаланушылардан алынған дәлелдерді пайдаланады. Кірістірілген Skill-дерді кез келген адам пайдалана алатындықтан, өзгерістерге қойылатын талап жоғары; өнімділікті байқаусызда нашарлататын жаңартулар мыңдаған сеансқа әсер етуі мүмкін. Кірістірілген жетілдіру агенті Skill-дердің тек үміткер нұсқаларын ғана өзгертеді. Skill-дің канондық нұсқасына жету үшін бұл жаңартулар жұптық қайталаудан және ішкі адами тексеруден өтуі керек. Тағы да толық циклді мысал Skill және оны растайтын дәлелдер арқылы қадағалаймыз.
Кірістірілген жетілдіру циклі оқытуда пайдалануға жарамды сеанстардан алынған тазартылған дәлелдерді пайдаланады. Тиісті дәлелдерді іріктеу үшін диагностика мен сәтсіздік сигналдары, сондай-ақ Skill ешқандай белгі туғызбай пайдаланылған бақылау сеанстары қолданылады. Тазарту конвейері тіркелгі деректері мен басқа құпияларды, сондай-ақ тіркелген файлдар мен медианы алып тастайды.
Сценарий генерациялау агенті тазартылған дәлелдерді нақты сәтсіздік сценарийлеріне айналдырады. Ол сәтсіздік жағдайын түсіну және Skill-ді жетілдіру үшін қажетті контекстті ғана сақтайды; сеанстың қалған бөлігі синтетикалық түрде қайта құрылып, верификация процесі үшін дербес тест жасалады. Сценарийлер қосылған қолданбаларсыз немесе жүйеге кірусіз орындалуы керек; егер бастапқы тапсырма коннекторға тәуелді болса, сценарийде бұл кіріс синтетикалық файлдармен ауыстырылады. Бөлек тексеру Skill-дің генерацияланған сценарийде сәтсіздікке ұшырайтынын растайды.
Рефлексия байқалған сәтсіздіктерді түзетулерге айналдыратын апта сайынғы түзету тапсырмасы арқылы жүзеге асады. Ол бірнеше сеанста қайталанатын Skill сәтсіздіктерін іздейді, сондықтан бір ғана сәтсіз сеанс өңдеуге себеп болмайды. Әр қайталанатын сәтсіздік үшін жетілдіру агенті жеке іске қосылады. Агент түпкі себептің сипаттамасын және сәтті сеанстардың тазартылған жазбаларын алады. Осы дәлелдерді пайдаланып, ол Skill-дің үміткер нұсқасын жазады. Ол толық сәтсіздік сценарийлерін алмайды, өйткені олар бағалауда пайдаланылады.
Бөлек қайталау тапсырмасы генерацияланған сценарийлерді пайдаланып, Skill-дің бастапқы және қайта қаралған нұсқаларын салыстырады. LLM-бағалаушы агенттің жауаптары мен траекторияларын әр сценарийдің бағалау критерийлеріне сәйкес бағалайды. Ұсыныс өтуі үшін әр тест сценарийі қайта қаралған Skill-мен сәтті өтуі, ал кемінде біреуі бастапқы нұсқамен сәтсіз болуы керек. Ештеңенің жұмысы тоқтамағанын растау үшін бақылау сеанстарынан құрылған сценарийлер де қайта орындалады. Сәтсіздік сценарийлері үшін бағалаушы сәтсіз тапсырманы сол мәселенің дәлелі ретінде қабылдамай, нақты сәтсіздіктің орын алғанын да тексереді.
Жұмыс процесі үміткер өзгерістер мен бағалау нәтижелерін ішкі адами тексеруге арналған pull request-ке жинақтайды. Өзгерістер инженер PR-ды мақұлдаған жағдайда ғана күшіне енеді.
Бағалаулар
Skill-дерді автоматты жетілдіру Skill-дерді жасау мен пайдалануды айтарлықтай арттырды. 1 тамыз бен 14 қараша аралығында Brain 20 000-нан астам пайдаланушы үшін 80 000-нан астам жеке Skill жазды. Бұған қоса, 4 қыркүйек пен 14 қараша аралығында бар 30 000-нан астам жеке Skill-ге 100 000-нан астам автоматты жаңарту қолданылды.
Бұл Skill-дер бағдарламалық жасақтаманы тексеруден бастап жалақы есептерін салыстыруға және графиктер жасауға дейінгі кең ауқымды салалар мен тапсырмаларды қамтиды. Біз Brain жасаған Skill-дерді олар сипаттайтын жұмыс процестері бойынша санаттарға бөлдік. Тіпті ең ірі сала — бағдарламалық жасақтама инженериясы — Skill-дердің тек 11%-ын құрады; одан кейін зерттеу және брифингтер (10,1%), сату және операциялар (9,9%), қаржы және инвестициялау (9,9%) тұр.
Біз өнімдік трафикте сегіз апталық рандомизацияланған тест өткізіп, жеке Skill-дерді автоматты жетілдіру қосулы пайдаланушыларды бұл функция өшірілген бақылау тобымен салыстырдық. Skill жетілдіру қосулы адамдардың 72,9%-ы кемінде бір жаңа жеке Skill алды, ал онсыз адамдардың тек 6,5%-ы жаңа Skill-ді қолмен қосты. Тәжірибелік топтың жартысынан астамында (53%) өздері бастаған сөйлесуде жеке Skill жүктелді, бақылау тобында бұл көрсеткіш 13% болды; олардың сөйлесу кезектерінде жеке Skill шамамен 3,6 есе жиі жүктелді. Brain жазған Skill алған тұтынушылардың 63%-ы төрт апта ішінде кейінгі сөйлесуде оны қайта пайдаланды.
Біздің бағалауларымыз осы жаңа және жаңартылған Skill-дердің тапсырмаларды орындауға және жалпы өнімділікке қалай әсер ететінін анықтауға бағытталған.
Сол рандомизацияланған эксперименттің нәтижелері құрал шақыруларының сәтсіздіктері мен пайдаланушы наразылығының азайғанын көрсетеді. Skill-дерді автоматты жетілдіру қосулы пайдаланушылар үшін Computer-дегі барлық әрекет бойынша құрал шақыруларының сәтсіздік деңгейі 11%-ға төмендеді. Жүйенің өз фондық іске қосуларын есептемегенде де құрал шақырулары шамамен 7%-ға сирек сәтсіз аяқталды, бұл пайдаланушы жұмысындағы сенімділіктің артқанын көрсетеді. Бір пайдаланушыға шаққандағы орташа/жоғары деңгейдегі наразылық тредтерінің санымен өлшенетін пайдаланушы наразылығы 7,6%-ға төмендеді. Құнда немесе жауап беру уақытында өлшенетін өзгеріс байқалмады. Бұл алғашқы тесттер перспективалы нәтижелер көрсетеді және жүйені жетілдіріп, өзін-өзі жетілдіретін Skill-дерді көбірек пайдаланушыға енгізген сайын жақсартулар уақыт өте келе арта түседі деп күтеміз.
Офлайн эксперименттер де тар ауқымдағы жағдайларда жақсартуларды тіркеді. SkillLearnBench экспериментінде Computer тоғыз тапсырма тобының әрқайсысы үшін бір жеке Skill жасауға бұрынғы тапсырма траекторияларын пайдаланды. 16 жұптық бағалау данасы бойынша тапсырманың сәтті орындалуы Skill-дерсіз 43,8%-дан генерацияланған Skill-дермен 62,5%-ға дейін өсті, бұл өткен тәжірибеден алынған Skill-дер қайталанатын тапсырмаларда өнімділікті арттыра алатынының дәлелі. Кірістірілген Skill-дер бойынша бір кейс-зерттеуде электрондық коммерцияға арналған Skill-ді өңдеу шығынды 32%-ға азайта отырып, сапаны 6%-ға арттырды, ал сапа автоматтандырылған бағалаушымен өлшенді.
Қорытынды
Өзін-өзі жетілдіретін Skill-дер Computer-ге өзі атқаратын жұмыстан үйренудің тағы бір жолын береді. Бұл Brain-ді процедуралық жадты жасау және жүргізу мүмкіндігімен кеңейтіп, күрделі жұмыс процестеріндегі өнімділікті арттырады. Skill-дерді автоматты жетілдіру қазірдің өзінде Skill-дерді пайдалануды арттырды, құрал сәтсіздіктерінің деңгейін төмендетті және пайдаланушы наразылығын азайтты.
Жеке Skill-дерді жетілдіру енді АҚШ-тағы барлық Max жазылушыларына қолжетімді. Ол талаптарға сай пайдаланушылар үшін әдепкі бойынша қосулы, бірақ оны өшіруге болады. «Плагиндер» қойындысы қолжетімді Skill-дерді көрсетеді, Brain жазғандарын белгілейді және пайдаланушыларға қай Skill-дердің қосулы болатынын таңдауға мүмкіндік береді.
Келесі кезеңде біз жетілдіруді Skill-дердің басқа сыныптарына, соның ішінде пайдаланушылар жазған Skill-дерге, жобалар ішінде ортақ пайдаланылатын Skill-дерге және ұйым Skill-деріне кеңейтеміз. Түзетулер сенімдірек процедуралар мен жақсырақ нәтижелерге әкелуі үшін жетілдіру конвейері мен оны бағалауды жетілдіруді жалғастырамыз.
Дәйексөз
@online{perplexity2026SelfImprovingSkills,
author = {{Perplexity} and Nicholas Bien and Se Won Jang and Kate Jung and Nikila Venkat and Jarrod Bryan and Claire Beamer and Jeremy Yang},
title = {{Self-improving skills}},
date = {2026-11-18},
url = {https://www.perplexity.ai/hub/blog/self-improving-skills}
}