人工智能RAGAgent 记忆MCP 服务知识管理【免费下载链接】gbrainGarrys Opinionated OpenClaw/Hermes Agent Brain项目地址https://gitcode.com/gh_mirrors/gb/gbrain点击查看免费下载本文以 GBrain 仓库中的perplexity-research技能定义为核心讲解如何把已有的个人大脑brain知识作为上下文注入 Perplexity 搜索让联网研究聚焦于大脑还不知道的新信息delta而非重复已知事实。读完你将掌握该技能的触发路由、五步调用工作流、标准化的研究页输出模板、模型选型与成本控制、以及与 enrich / academic-verify />{intent:Run perplexity-research on Brex and surface NEW developments,expected_skill:perplexity-research,ambiguous_with:[data-research]} {intent:What changed about this funding round since I last looked,expected_skill:perplexity-research}注意ambiguous_with: [data-research]标记当请求同时涉及结构化数据追踪如投资者更新、公司指标表时路由器需要区分——自由形式的增量研究走perplexity-research参数化 YAML 配方驱动的结构化追踪走data-research见 skills/data-research/SKILL.md。与其他工具的选择矩阵原文档给出了一张明确的决策表决定该用哪个工具需求使用深度研究且需要引用本技能Perplexity 强推理模型快速抓取某个 URL 的内容web_fetch只查大脑gbrain query/gbrain search实时社交媒体监控外部 X / 社交平台采集器对着追踪器做结构化数据查询data-research技能区分要点在于单纯取网页内容不需要思考交给web_fetch即可纯大脑查询不需要联网直接走 gbrain 的检索工具只有需要综合多源、带引用、产出增量知识时才值得动用 Perplexity。五步调用工作流技能本体是 Markdown 形态的 Agent 指令实际执行时由 Agent 直接调用 Perplexity API或宿主环境提供的perplexityCLI。完整流程如下# 1. 拉取大脑上下文 gbrain get slug # 知道页面 slug 时直接读 # 或 gbrain query topic keywords # 不知道 slug、按概念查询 # 2. 把大脑上下文内联进 Perplexity 查询提示词骨架 # # Topic: topic # Brain context (what we already know): 内嵌的 gbrain 内容 # Find: whats NEW since 2026-MM-DD that the brain doesnt reflect. # Cite every claim. # # 3. 调用 Perplexity API 或宿主的 perplexity 二进制 # curl https://api.perplexity.ai/chat/completions \ # -H Authorization: Bearer $PERPLEXITY_API_KEY \ # -H Content-Type: application/json \ # -d {model: sonar-pro, messages: [{role:user,content:...}]} # 4. 通过 put_page 操作写回结构化研究页 gbrain put research/slug # 5. 对文中提到的人物/公司实体做交叉链接Iron Law。这套流程在仓库中有对应的命令支撑gbrain get/gbrain query/gbrain put是 gbrain CLI 的基础读写操作而 Perplexity 相关的模型路由与配方在 src/core/ai/recipes/perplexity.ts 中有实现证据。第一步的两种拉取方式gbrain get slug当你已经知道页面 slug如people/xxx时直接读取该页全文作为大脑上下文gbrain query keywords当你不确定有哪些相关页面、需要按概念检索时使用。查询链约定skills/conventions/brain-first.md建议概念型/风景型问题优先query带 LLM 扩展能召回search漏掉的同义表述找到 slug 后再get_page读全文。提示词中的日期锚点第 2 步提示词里的since 2026-MM-DD是增量研究的关键锚点它告诉 Perplexity大脑最近一次更新这个主题的时间从而把新定义为此日期之后发生、且大脑尚未反映的变化。输出结构标准化的 research 页模板研究结果落盘为大脑页面research/slug.mdfrontmatter 与正文结构如下完整模板--- title: [Topic] — Research [YYYY-MM-DD] type: research date: YYYY-MM-DD brain_context_slugs: [pages whose context was sent to Perplexity] recency_filter: [hour|day|week|month|none] --- # [Topic] — Research [YYYY-MM-DD] Executive summary: 2-3 sentences on the delta between brain knowledge and current web state. ## Key New Developments Whats changed since the brain was last updated on this topic. ## Confirming Signals Web evidence validating existing brain knowledge. ## Contradictions or Updates Things that conflict with the brain — these need a closer look. ## Recommended Brain Updates Specific page updates the user might want to make based on this research. Each item: which page, what to add or change, source URL. ## Citations - Source title — accessed YYYY-MM-DD - Source title — accessed YYYY-MM-DD - ...几个值得注意的设计点brain_context_slugs记录哪些页面的内容被发送给了 Perplexity使研究结论可追溯到输入上下文——这本身就是一种溯源。recency_filter记录本次查询使用的时间过滤窗见下文。四段式正文Key New Developments / Confirming Signals / Contradictions or Updates / Recommended Brain Updates把增量研究的结果拆成四种语义新的、佐证的、冲突的、建议改写的。其中Contradictions or Updates段落在冲突处理上与 quality 约定一致——当来源冲突时两条引用都保留并注明矛盾不要静默二选一见 skills/conventions/quality.md。Citations 每一条都带访问日期满足 quality 约定中每一条写进大脑的事实都必须携带可验证引用的强制要求。模型与成本控制原文档给出两张模型档位模型成本 / 查询适用场景Perplexity sonar-pro~$0.04深度分析、实体 enrich、交易研究Perplexity sonar~$0.007快速查询、批量监控、简报流水线默认使用sonar-pro在批量 / cron 场景下当成本权重高于深度权重时降级到sonar。这个按场景分档的思路与 enrich 技能的三级 enrich 协议Tier 1 全量 / Tier 2 中等 / Tier 3 轻量一致——不要在低价值实体上浪费高成本 API 调用。三种典型集成模式1. 实体增强Entity enrichment由 skills/enrich/SKILL.md 调用。当一个人物/公司页面需要最新的网络背景时BRAIN$(gbrain get people/slug 2/dev/null) # 把 slug 的页面内容作为 brain_context 发给 Perplexity # 获取最新新闻/职位/背景然后把新变化更新回大脑页面。enrich 技能的 4b 步骤Web researchTier 1/2明确写了这条关键模式把已有大脑知识作为上下文发送让搜索返回 DELTA相对已知的新信息而不是复述——这正是 perplexity-research 的设计哲学在 enrich 流水线中的落地。2. 交易 / 公司监控cron对deals/或companies/下每个活跃条目# 每周按公司拉取近期新闻标记变化供人工复核。这利用了 sonar 的低成本档位适合定时任务里的大批量轮询。3. 晨间简报把简报流水线中原本裸调web_fetch的环节替换为本技能避免 Agent 重复复述已知事实——大脑已知的内容不再重新叙述只补充增量。时间过滤Recency Filter向 Perplexity 传递recency_filterhour | day | week | month。新闻周期强的主题如融资、人事变动、政策用短窗口常青研究evergreen主题省略该参数让搜索不设时间限制。该值同时写进研究页 frontmatter 的recency_filter字段形成这次研究是站在多新的时间窗口上做的记录。反模式Anti-Patterns原文档明确了四条红线违反任一条都会让增量研究退化为普通搜索❌不发送大脑上下文那它就只是一个搜索应该用web_fetch代替。❌截断大脑上下文整个意义在于知道你所知道的要发送密集的完整上下文。❌丢弃引用输出中的每一个论断都必须有 URL。❌跳过实体交叉链接文末提到人物/公司时必须按 Iron Law 回链。环境配置PERPLEXITY_API_KEY设置在 Agent 环境中或~/.gbrain/.env。可选安装 Perplexity 官方 CLI获得更丰富的流式输出体验。仓库中perplexity相关的模型路由实现可参考 src/core/ai/recipes/perplexity.ts说明该技能依赖的模型通道在引擎层有真实接入。相关技能协作网络skills/academic-verify/SKILL.md——学术论断验证技能本质上是薄编排器实际的联网搜索完全路由经过 perplexity-research带引用模式academic-verify 只负责界定论断、把结果格式化成 verdict 形态的大脑页Verified / Partially verified / Unverifiable / Misattributed / Retracted。skills/enrich/SKILL.md——实体增强循环中调用本技能做 4b 网络研究步骤。skills/data-research/SKILL.md——结构化数据追踪器形态不同参数化 YAML 配方而非自由形式研究用于与 perplexity-research 做路由区分。技能契约与合规约定该技能 frontmatter 声明了mutating: true、writes_pages: true、writes_to: [research/]即它是一个会写入大脑页面的技能输出必须落在research/目录。契约保证四件事路由匹配 frontmatter 中的规范触发词输出写入writes_to:列出的目录遵循所引用的约定quality、brain-first、filing rules隐私契约不出现真实姓名、不出现 fork 专属的文件系统路径字面量、不引用上游 fork。引用的两份约定质量约定skills/conventions/quality.md强制引用、强制回链、notability gate。网页内容引用格式为[Source: {publication}, {URL}, YYYY-MM-DD]来源优先级从高到低为用户直接陈述 编译事实 时间线条目 外部来源API 增强、网络搜索。大脑优先查询约定skills/conventions/brain-first.md查任何实体/事实前先查大脑search→query→get_page→ 外部 API顺序强制。本技能通过在文档开头包含指向brain-first.md的规范 Convention 引用块 **Convention:** ...来满足该约定——它在文档中明确写着本技能通过把大脑上下文作为 Perplexity 提示的一部分来强制 brain-first同时这份调用约定还点名perplexity-research正是通过该路径通过合规检查的技能之一。Iron Law 回链依据 skills/_brain-filing-rules.md 的 Iron Law每一个提到了有大脑页面的人物/公司的页面都必须从该实体页反向链接回来双向建立。格式为- **YYYY-MM-DD** | Referenced in page title -- brief context研究页里提到的人物、公司如某公司 CEO、被研究的公司本体都要执行这一步。从源码结构看put_page写盘时引擎层会自动做链接后处理auto-link但时间线条目仍需要显式的 timeline-add 调用因此交叉链接步骤在技能层面仍然显式存在。适用前提与限制本技能依赖PERPLEXITY_API_KEY与 Perplexity API 可用性没有该密钥时技能无法执行此时退化为web_fetch无综合或纯大脑查询。成本按查询计费批量/cron 场景务必降档到sonar并控制频率。产出页必须遵守 filing 规则按主要主题归档与 notability gate——研究页本身属于针对某主题的合成输出落research/目录但对其中实体人/公司的更新要传播到对应实体页。文中涉及的 API 端点与模型名api.perplexity.ai、sonar-pro、sonar以技能文档当前内容为准版本演进以仓库 CHANGELOG.md 与技能文件实际内容为准。小结perplexity-research是 GBrain 大脑与实时网络之间增量同步的枢纽大脑先说话brain-firstPerplexity 再去找增量delta结果带着引用和访问日期落回research/页面并遵守质量约定与 Iron Law 回链。它向上被 enrich、academic-verify 等技能调用向下依赖 gbrain 的读写命令与 Perplexity API是让大脑保持新鲜这条链路里最核心的一环。赞分享人工智能RAGAgent 记忆MCP 服务知识管理【免费下载链接】gbrainGarrys Opinionated OpenClaw/Hermes Agent Brain项目地址https://gitcode.com/gh_mirrors/gb/gbrain点击查看免费下载相关推荐gbrain perplexity-research 技能基于大脑上下文的增量式网络研究实战指南gbrain perplexity research 技能基于大脑上下文的增量式网络研究实战指南 导读 perplexity research 是 gbr人工智能RAGAgent 记忆MCP 服务知识管理gbrain 的 perplexity-research 技能基于大脑上下文的增量式 Web 研究指南gbrain 的 perplexity research 技能基于大脑上下文的增量式 Web 研究指南 本文围绕 gbrain 技能库中的 skills/pe人工智能RAGAgent 记忆MCP 服务知识管理Claude Design「Web research」技能深度剖析联网研究驱动的事实型设计工作流Claude Design「Web research」技能深度剖析联网研究驱动的事实型设计工作流 导读 本文以开源仓库 system_prompts_leak文档知识库创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考