截至 11 月 7 日的公开信息，Perplexity 推出名为 Teammates 的常驻智能体功能，每个智能体运行在独立的云虚拟机里，拥有持久文件存储与 shell 终端权限，可承担深度研究、数据分析、质量检查与工单分流等长周期任务，并能与人类同事在 Slack 里直接对话。该功能面向每月 200 美元的 Max 订阅档开放，价格是标准 Pro 档的十倍。按厂商自报数据，过去 30 天创建了约 1 万个 Teammates，其中约 1000 个在单日内保持活跃。对做 AI 搜索可见度的团队来说，这件事意味着被引用的载体正在从一次问答变成一份持续更新的文档。
三组公开信息
第一组是产品形态。智能体有专属虚拟机、持久文件与命令行权限，意味着它不再是一次会话，而是一个持续工作的执行者。任务跨天、跨系统，产出物会被反复读取和引用，这与聊天框里的一条回答在传播方式上完全不同。
第二组是定价。200 美元一个月，被官方定位为数字人力而非软件附加功能。高定价筛掉了尝鲜用户，留下的是咨询、投资与工程团队，这类用户的产出物往往会进入决策文档，被引用后继续影响更多人。
第三组是规模。1 万个创建、1000 个日活，绝对量不大，但增长方向值得注意：从一次性问答转向持续任务之后，AI 接触品牌信息的频次会上升，品牌被写进简报、被对比、被引用的机会也随之增加。
被引用的载体从回答变成文档
传统 AI 搜索的可见度监测，测的是一次提问里品牌有没有出现、排第几位、引用了谁。智能体时代多了一层：它会把多轮研究的结果写成一份文档，文档里通常会列出候选对象、对比维度与资料来源。品牌如果出现在这份文档里，影响的不是一次点击，而是一份被反复传阅的材料。
一句话回答里没有第二名
聊天式回答通常只给一到两个名字，未被提到的品牌等于不存在；研究简报不同，它会列出三到五个候选并做对比。这看起来对品牌更友好，实际上把竞争维度从「有没有被说出来」变成了「在对比表里站在哪一列」。位次与评价倾向，比提及率更值得监测。
简报里的引用来源更难追踪
智能体抓取资料时可能同时引用官网、媒体转述与第三方数据库，而简报里未必逐条标注链接。这让引用来源的归因变难：品牌知道被写了，却不知道是被哪一页内容说服的。监测口径必须提前设计，否则事后无法回溯。
可见度监测要加一层文档口径
第一步最容易被跳过。团队通常只监测聊天框里的回答，因为那最容易采样；但真正影响 B 端决策的，往往是智能体产出的对比文档。两类输出不分开，数据会互相污染。
第三步是把角色写清楚。品牌出现在候选名单里，和出现在推荐结论里，价值差一个量级；只统计「是否被提及」，会把这两种情况算成同一件事。
三类输出形态的对照
| 输出形态 | 典型载体 | 监测难点 | 可采集指标 |
|---|---|---|---|
| 一次性问答 | 聊天框回答 | 答案短、位次压缩 | 提及率、首位率 |
| 研究简报 | 持续更新的文档 | 来源标注不全 | 候选角色、对比位次、引用来源类型 |
| 工作流产出 | 自动化任务结果 | 过程不可见 | 触达频次、被引用次数 |
三类输出的指标不能混算。一次性问答的出现率天然低于研究简报，因为篇幅决定了能容纳几个名字；工作流产出则连过程都看不到，只能从结果反推。把三类放在同一张报表里，必须分列基准，否则趋势会失真。
常见问题
Teammates 和普通 AI 搜索有什么关系？
它是同一批模型能力的另一种用法：把一次问答变成持续任务，产出物从回答变成文档。
品牌该不该现在就布局？
可以先做监测与口径设计。用户规模还小，但输出形态的变化方向已经明确。
为什么强调区分输出类型？
三类输出的篇幅与结构不同，混在一起统计会让可见度数据失去可比性。
引用来源抓不到怎么办？
要求输出附来源清单，抓不到的单列标记，不并入引用率计算。
