在自主代理与信息工具的交叉地带，Perplexity刚刚完成了一次关键升级：将Deep Research功能作为原生技能集成到其Computer的agent层。这意味着，原本需要用户手动触发或外挂的研究能力，现在成为代理运行时的默认组件——Pro用户可直接在代理工作流中调用深度研究，无需切换上下文。

从产品逻辑看，这一动作并非简单的功能堆叠。Deep Research此前是Perplexity的独立高级搜索模式，支持多轮追问、来源回溯、结构化报告生成。将其嵌入agent层，本质是给自主代理装了一个“研究引擎”：代理在执行复杂任务（如竞品分析、技术调研、项目可行性评估）时，能自主发起深度搜索、整合碎片信息、输出可操作的结论，而非仅停留在单次查询。这补上了传统智能体“信息闭环”的关键一环——大多数代理依赖预设知识库或API调用，遇到开放性强、时效性高的问题时容易失效。

将这一能力放在行业视角下审视，Perplexity的路线与主流agent框架形成鲜明对比。OpenAI的Assistants API强调工具调用与函数执行，Claude的Agent则侧重多步推理与代码生成，而Google的Mariner聚焦浏览器自动化。Perplexity的差异化在于：它天然站在信息检索的制高点，将“研究”本身定义为核心技能，而非辅助工具。对于需要频繁进行行业调研的产品经理、技术选型的开发者、以及内容创作者，这种深度研究内化的设计，能显著降低信息获取的摩擦成本——代理可以在无人值守状态下完成数轮搜索、交叉验证、摘要提炼，最终输出一份带引用源的分析报告。

从实际使用场景看，一个典型的工作流可能是：用户对代理说“分析过去三个月AIGC赛道融资趋势”，代理调用Deep Research引擎，依次搜索Crunchbase、TechCrunch、行业数据库，汇总交易金额、轮次分布、活跃投资者，并自动生成对比表格。传统方法需要用户手动打开多个页面、粘贴数据、再导出链接，现在代理一步完成。Pro用户现已可用，意味着付费用户能优先体验这一效率飞轮。

对开发者而言，这一集成示范了如何将“非结构化信息处理”抽象为agent原生能力。未来，更多垂直技能的嵌入（如代码审计、文献综述、财务分析）可能成为智能体平台的标配。值得关注的是，Perplexity选择Computer作为载体——Computer是该公司早前发布的AI设备（或虚拟环境），但其agent层的能力可独立复用。这表明，Perplexity的野心不止于硬件，而是构建一个以研究为中心的操作系统级智能体。

趋势判断：当信息检索从工具变成本能，自主代理才能真正从“简单任务执行者”进化为“复杂问题解决者”。对于重度依赖信息调研的用户，尽快在Pro账号中测试这一能力，能率先体验工作流的指数级压缩。同时，竞品（如Google的Search Grounding、Microsoft的Copilot集成深度搜索）大概率会加速跟进，一场围绕“研究即技能”的代理能力竞赛正在拉开序幕。