Perplexity 推出“Search-as-Code”功能,让 AI 代理能够自主构建搜索管道
传统上为人类浏览而优化的蓝色链接列表,已成为追求效率的AI代理面临的瓶颈。在处理复杂的研究任务时,AI系统被迫进行手动、多轮的API调用,并需进行僵化的术语调整,从而受限于架构的僵化,且上下文窗口中充斥着无关信息。
为克服这一问题,Perplexity 推出了一种新架构:代码化搜索(Search as Code,SaC)。该方法不再依赖预先构建的单体式搜索 API,而是允许 AI 模型使用Python 代码动态构建并执行自定义搜索工作流。

三大核心架构层
Perplexity 的 SaC 架构垂直划分为三个层级:
模型层(顶层):负责处理复杂的任务理解,并制定高级搜索策略。
安全沙箱(中间层):提供安全的代码执行运行时环境,并配备用于存储中间状态的文件系统。
智能搜索 SDK(底层):将原子操作——检索、扩展、过滤、去重、重新排序和字段解析——封装为基本函数,使生成的代码能够以组件级的方式访问搜索基础设施。
该设计使 AI 代理能够并行执行查询,通过编程方式剔除无关数据,并仅将高度相关且经过精炼的结果输入到上下文窗口中——从而在长篇研究任务中保持思维的连续性。
真实世界中的 CVE 漏洞研究:性能提升与令牌数量减少
为了在实践中验证该架构,Perplexity 将其应用于一项高要求的网络安全任务:追踪 2023 年至 2025 年间发布的 200 个关键 CVE,并准确提取官方安全公告、受影响的软件以及已修复的版本。

借助 SaC,该 AI 模型自主生成了一套三阶段脚本:首先,根据不同供应商(如 Mozilla、Google)的公告格式,针对其分别执行并行且定制化的搜索;随后自动扫描结果,识别缺失数据,并执行有针对性的后续查询; 最后,它通过模式验证确保漏洞记录完全一致。
结果表明,该系统完成任务所消耗的令牌数量比标准处理流程减少了 85%。 在 Perplexity 的内部基准测试(DSQA、BrowseComp、HLE、WideSearch 以及新的广度研究基准 WANDR)中,SaC 在五项测试中有四项名列前茅,显著优于旧架构。特别是在 WANDR 测试中,相对改进率高达 45%。
代码作为AI的新操作层
行业报告表明,编写代码正日益成为 AI 代理与物理世界交互的默认方式。 传统软件遵循确定性指令,而先进的大模型则在令牌空间中进行推理。最强大的系统将两者结合:它们利用大模型制定策略,借助确定性环境进行批量处理和过滤,并将搜索基础设施视为一个 I/O 层。
目前,“代码即搜索”(Search as Code)功能正在Perplexity Computer 上逐步推出
相关文章
DeepMind首席执行官哈西里斯:我每天睡六个小时,通常在凌晨1点左右感到精力充沛。
Fortune 最近刊登了对谷歌 DeepMind 首席执行官 Demis Hassabis 的采访,揭示了他对休息和生产力的非传统方法。Hassabis 透露,他睡眠时间非常少,将清醒时间划分为两个不同的工作阶段。关于他的睡眠习惯,Hassabis 表示:“我目标睡六小时,但我的习惯非同寻常。我可以在白天有效运作。”他强调,睡眠少于六小时会对大脑健康产生负面影响。Hassabis 于 2010 年联合创立了 DeepMind(后被谷歌收购),并因其在蛋白质结构预测方面的开创性工作荣获 20
尽管营收未达预期,OpenAI与Anthropic仍在争夺市场份额
尽管近期有报道称OpenAI未达营收目标,给本周二的科技股带来压力,但私营人工智能实验室的投资者仍表现坚韧。经验丰富的投资者已确认,尽管媒体报道负面,他们仍不会减少投资。分析师认为当前的人工智能竞赛仍处于早期阶段,因此不会出现“赢家通吃”的局面。尽管高昂的计算成本给营收带来压力,但实验室可通过提高订阅费来提升盈利能力。行业格局正发生微妙变化与OpenAI不同,其竞争对手Anthropic获得了强有
加利福尼亚州自动驾驶合规:罚单、地理围栏和100万英里的新时代
Guident公司在南佛罗里达州运营一辆AuveTech自动驾驶班车,利用其远程监控技术管理西棕榈滩的一条4英里路线和博卡拉顿的一条1英里路线。| 图片来源:Guident加利福尼亚州正在重新定义无人驾驶车辆的监管格局,正逐渐摆脱科技行业“快速行动,打破常规”的思维模式,转向严格的问责制和严苛的行驶里程要求。Guident执行董事长兼首席执行官哈罗德·布劳恩(Harold Braun)在《机器人报
相关专题推荐
评论 (0)
0/500
传统上为人类浏览而优化的蓝色链接列表,已成为追求效率的AI代理面临的瓶颈。在处理复杂的研究任务时,AI系统被迫进行手动、多轮的API调用,并需进行僵化的术语调整,从而受限于架构的僵化,且上下文窗口中充斥着无关信息。
为克服这一问题,Perplexity 推出了一种新架构:代码化搜索(Search as Code,SaC)。该方法不再依赖预先构建的单体式搜索 API,而是允许 AI 模型使用Python 代码动态构建并执行自定义搜索工作流。

三大核心架构层
Perplexity 的 SaC 架构垂直划分为三个层级:
模型层(顶层):负责处理复杂的任务理解,并制定高级搜索策略。
安全沙箱(中间层):提供安全的代码执行运行时环境,并配备用于存储中间状态的文件系统。
智能搜索 SDK(底层):将原子操作——检索、扩展、过滤、去重、重新排序和字段解析——封装为基本函数,使生成的代码能够以组件级的方式访问搜索基础设施。
该设计使 AI 代理能够并行执行查询,通过编程方式剔除无关数据,并仅将高度相关且经过精炼的结果输入到上下文窗口中——从而在长篇研究任务中保持思维的连续性。
真实世界中的 CVE 漏洞研究:性能提升与令牌数量减少
为了在实践中验证该架构,Perplexity 将其应用于一项高要求的网络安全任务:追踪 2023 年至 2025 年间发布的 200 个关键 CVE,并准确提取官方安全公告、受影响的软件以及已修复的版本。

借助 SaC,该 AI 模型自主生成了一套三阶段脚本:首先,根据不同供应商(如 Mozilla、Google)的公告格式,针对其分别执行并行且定制化的搜索;随后自动扫描结果,识别缺失数据,并执行有针对性的后续查询; 最后,它通过模式验证确保漏洞记录完全一致。
结果表明,该系统完成任务所消耗的令牌数量比标准处理流程减少了 85%。 在 Perplexity 的内部基准测试(DSQA、BrowseComp、HLE、WideSearch 以及新的广度研究基准 WANDR)中,SaC 在五项测试中有四项名列前茅,显著优于旧架构。特别是在 WANDR 测试中,相对改进率高达 45%。
代码作为AI的新操作层
行业报告表明,编写代码正日益成为 AI 代理与物理世界交互的默认方式。 传统软件遵循确定性指令,而先进的大模型则在令牌空间中进行推理。最强大的系统将两者结合:它们利用大模型制定策略,借助确定性环境进行批量处理和过滤,并将搜索基础设施视为一个 I/O 层。
目前,“代码即搜索”(Search as Code)功能正在
DeepMind首席执行官哈西里斯:我每天睡六个小时,通常在凌晨1点左右感到精力充沛。
Fortune 最近刊登了对谷歌 DeepMind 首席执行官 Demis Hassabis 的采访,揭示了他对休息和生产力的非传统方法。Hassabis 透露,他睡眠时间非常少,将清醒时间划分为两个不同的工作阶段。关于他的睡眠习惯,Hassabis 表示:“我目标睡六小时,但我的习惯非同寻常。我可以在白天有效运作。”他强调,睡眠少于六小时会对大脑健康产生负面影响。Hassabis 于 2010 年联合创立了 DeepMind(后被谷歌收购),并因其在蛋白质结构预测方面的开创性工作荣获 20
尽管营收未达预期,OpenAI与Anthropic仍在争夺市场份额
尽管近期有报道称OpenAI未达营收目标,给本周二的科技股带来压力,但私营人工智能实验室的投资者仍表现坚韧。经验丰富的投资者已确认,尽管媒体报道负面,他们仍不会减少投资。分析师认为当前的人工智能竞赛仍处于早期阶段,因此不会出现“赢家通吃”的局面。尽管高昂的计算成本给营收带来压力,但实验室可通过提高订阅费来提升盈利能力。行业格局正发生微妙变化与OpenAI不同,其竞争对手Anthropic获得了强有





首页






