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围绕 gbrain 技能库中的 skills/perplexity-research/SKILL.md 展开讲解如何把大脑已知道的知识作为上下文注入 Perplexity 搜索让搜索聚焦于大脑还不知道的新增量而非重复已知事实。读完本文你将掌握该技能的触发方式、brain-first 查找链、带引用的研究页输出结构、成本与模型选择、以及它如何被 enrich实体富化、academic-verify学术验证等上游技能调用。这个技能解决什么问题perplexity-research 是 gbrain 中面向带引用的深度 Web 研究的技能。它的核心思路是把 brain 中关于某个主题的既有知识打包成上下文连同问题一起发送给 PerplexityPerplexity 不只是搜索它会阅读并综合多个网页且在给定的上下文基础上聚焦输出相对你已知信息的 NEW增量。原技能文档点明了关键洞察Perplexity 不止是搜索引擎——它会阅读并带引用地综合信息。通过在指令中附带大脑上下文Perplexity 知道你已经知道什么于是输出增量delta而不是复述既定结论。该技能被标记为mutating: true、writes_pages: true写入目录为research/。它适用于实体富化、现状核查current-state checks、交易监控deal monitoring和新鲜度差量freshness deltas而不适用于单纯抓取 URL用web_fetch或仅查询大脑用gbrain query。何时用它何时用别的工具原文档给出了一张清晰的决策表这是技能路由的第一道闸门需求使用带引用的深度研究本技能— Perplexity Opus快速获取 URL 内容web_fetch仅查询大脑gbrain query/gbrain search实时社交媒体监控外部 X / 社交媒体采集器对追踪器的结构化数据查询skills/data-research/SKILL.md决策核心在于研究形状自由形态、带引用、需要综合多个网页的开放研究走本技能而>--- 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 - ...这个结构的五段式设计分别对应研究页的五个职责增量总结Executive summary、新进展Key New Developments、印证信号Confirming Signals、矛盾点Contradictions or Updates、可执行的脑页更新建议Recommended Brain Updates以及全部引用。frontmatter 中的brain_context_slugs记录哪些页面上下文被发送给了 Perplexity保证研究的可追溯性。引用规范遵循 skills/conventions/quality.md写进脑页的每个事实都必须带内联[Source: ...]引用Web 内容格式为[Source: {publication}, {URL}, YYYY-MM-DD]来源优先级为用户直接陈述 编译真理 时间线条目 外部来源。原文档明确来自 Web 研究的每个声明都必须落在一个可验证的引用上而不是转述。调用方式Pull → Compose → Call → Write → Link该技能本质是 Markdown 形式的 Agent 指令Agent 直接调用 Perplexity API或宿主提供的perplexityCLI。完整调用链如下原文档代码块完整继承并注释扩展# 1. 拉取大脑上下文 gbrain get slug # 或 gbrain query topic keywords # 2. 把大脑上下文内联进 Perplexity query # # Topic: topic # Brain context (what we already know): embedded gbrain content # 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 写入结构化研究页 gbrain put research/slug # via the put_page operation # 5. 按 Iron Law 交叉链接提到的实体人物、公司。注意第 2 步的提示词模板Find: whats NEW since 2026-MM-DD that the brain doesnt reflect. Cite every claim.——时间锚点与引用要求是让 Perplexity 输出增量的关键指令。第 5 步的 Iron Law 指 skills/_brain-filing-rules.md 中的强制回链规则任何提到已有脑页的人物或公司都必须在其页面创建回链- **YYYY-MM-DD** | Referenced in page title -- context未链接的提及 断裂的大脑。写入脑页后按 brain-first 约定的建议触发一次同步OpenClaw 下gbrain__sync_brainCLI 下gbrain sync --no-pull确保新页面可被检索。模型与成本选择原文档给出的模型选择表模型成本/查询使用场景Perplexity sonar-pro~$0.04深度分析、实体富化、交易研究Perplexity sonar~$0.007快速查询、批量监控、简报管道默认使用 sonar-pro在批量 / cron 场景下当成本比深度更重要时降级到 sonar。这与 enrich 技能的 Tier 设计相呼应Tier 1 实体用 Opus 级深度研究Tier 2 用较轻模型。从仓库源码看Perplexity 不止用于对话搜索——src/core/ai/recipes/perplexity.ts 还定义了 Perplexity 的嵌入 API 配方pplx-embed-v1-0.6b与pplx-embed-v1-4b默认 1024 维并且刻意只认PERPLEXITY_API_KEY、不设OPENAI_API_KEY回退一个 Perplexity 大脑绝不能静默计费或路由到 OpenAI。这说明本仓库对 Perplexity 的集成是成体系的既支持 sonar 系列对话研究也支持 pplx-embed 系列向量嵌入。集成模式原文档给出三种典型集成方式实体富化Entity enrichment由 skills/enrich/SKILL.md 在人物/公司页面需要最新 Web 上下文时调用BRAIN$(gbrain get people/slug 2/dev/null) # 将 slug 的页面内容作为 brain_context 发送给 Perplexity获取当前 # 新闻/角色/背景然后用新信息更新脑页。enrich 的 7 步协议中第 4b 步Web researchTier 1 和 2明确要求使用 Perplexity、Brave Search、Exa 等并强调关键模式把已有脑知识作为上下文发送让搜索返回 DELTA相对你已知的新增而不是重述。这与本技能的设计完全一致。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更供人工审核。这对应技能的 cron 调度使用场景配合 recency_filter 控制时间窗口。晨间简报Morning briefing用本技能替换简报管道中的原始web_fetch调用避免 Agent 复述已知事实。Recency filter 时间窗向 Perplexity 传递recency_filterhour | day | week | month。适合新闻周期类主题常青研究evergreen则省略。该值同时写入研究页 frontmatter 的recency_filter字段供后续检索理解研究的时效性。反模式Anti-Patterns原文档列出的四条必须避免的行为❌不发送任何大脑上下文—— 那就只是普通搜索直接用web_fetch即可❌截断大脑上下文—— 全部意义在于知道你所知道的要发送密集上下文❌丢弃引用—— 输出中每个声明都必须有 URL❌跳过实体交叉链接—— 提到实体时必须回链这是 Iron Law补充一条来自相关技能的反模式academic-verify 中跳过 brain-first 查找会重复支付 Perplexity 费用——重复做我们已做过的验证是浪费 Perplexity 花费。环境配置PERPLEXITY_API_KEY设置于 Agent 环境或~/.gbrain/.env可选安装 Perplexity 官方 CLI 以获得更丰富的流式输出从 src/core/ai/recipes/perplexity.ts 的auth_env定义看该密钥是 Perplexity 配方唯一要求的鉴权变量setup_hint提示在 perplexity.ai/settings/api 获取密钥。若密钥实际存放在PPLX_API_KEY需要重新导出。相关技能生态skills/academic-verify/SKILL.md —— 包装 perplexity-research 做引用验证过的学术声明核查它本身是薄编排器thin orchestrator实际的 Web 搜索由 perplexity-research 完成自己负责精确界定声明 → brain-first 查询 → 以 citation-mode 调用 perplexity-research → 输出判定Verified / Partially verified / Unverifiable / Misattributed / Retracted→ 交叉链接输出落在concepts/claim-slug.md。文档中特别注明D7/α: pure routing through perplexity-research无新基础设施。skills/enrich/SKILL.md —— 在实体富化循环中调用 perplexity-researchTier 1/2 实体的 Web 研究步骤。skills/data-research/SKILL.md —— 结构化数据追踪器形状不同参数化 YAML 配方而非自由形态研究。技能契约Contract原文档声明的契约保证也用于一致性测试路由匹配 frontmatter 中的规范触发词输出写入writes_to:列出的目录research/遵循引用的约定quality.md、brain-first.md、_brain-filing-rules.md隐私契约无真实姓名、无 fork 专属文件系统路径字面量、无上游 fork 引用仓库中存在技能一致性测试体系test/skills-conformance.test.ts等来校验这些契约SKILL.md 末尾的 Output Format 节即为此保留的锚点节。触发词方面frontmatter 中的完整触发列表为perplexity research、perplexity-research、whats new about、current state of、web research、what changed about、surface new developments与 routing-eval.jsonl 中的测试意图一一对应。总结perplexity-research 的核心价值在于大脑增强的差量研究通过 brain-first 查找链 上下文内联注入把 Perplexity 的带引用综合能力与 gbrain 的长期知识沉淀结合起来每次 Web 研究都输出相对已知的新增而不是重复的常识。落地时记住四条原则先查大脑、送密集上下文、保留全部引用、按 Iron Law 回链实体。它既可以直接以独立技能使用也可以作为 enrich 与 academic-verify 等上游技能的研究引擎被编排调用。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 Briefing 技能实战指南基于脑库上下文的每日简报自动化编译gbrain Briefing 技能实战指南基于脑库上下文的每日简报自动化编译 导读 skills/briefing/SKILL.md 是 gbrainGa人工智能RAGAgent 记忆MCP 服务知识管理gbrain Daily Briefing Skill 实战指南基于脑库上下文的每日晨报编排与预简报上下文拉取gbrain Daily Briefing Skill 实战指南基于脑库上下文的每日晨报编排与预简报上下文拉取 导读 本文围绕 gbrain 开源仓库中 gb人工智能RAGAgent 记忆MCP 服务知识管理创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
