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
美国股市触及历史里程碑,人工智能与航空航天巨头准备开启万亿美元时代
埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪,这三位科技领域的巨头,正推动其各自的企业迈向首次公开募股(IPO)。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市,2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注,成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work
Google 测试 Remy AI 代理,以 Gemini 为重点转向用户控制
根据《商业内幕》的报道,谷歌正在测试 Remy,这是 Gemini 的一款全新 AI 个人代理工具。该工具旨在代表用户执行任务,从而简化专业工作流程和日常事务。目前,Remy 正在 Gemini 应用的内部员工专属版本中进行测试。该报告引用了一份内部文件以及对两位熟悉该项目的个人的采访。内部资料将 Remy 描述为“全天候个人代理”,将 Gemini 定位为能够代表用户行事的主动助手。接近该项目的消息人士证实,谷歌员工正在积极测试 Remy。谷歌发言人拒绝提供进一步评论。该报告未提及公开发布
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
美国股市触及历史里程碑,人工智能与航空航天巨头准备开启万亿美元时代
埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪,这三位科技领域的巨头,正推动其各自的企业迈向首次公开募股(IPO)。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市,2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注,成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work





首页






