perplexity-search

Perplexity 搜索

概述

通过 LiteLLM 和 OpenRouter 使用 Perplexity 模型执行 AI 驱动的网络搜索。Perplexity 提供基于网络的实时答案并附带来源引用，非常适合查找最新信息、近期科学文献以及超出模型训练数据截止时间的事实。

本技能通过 OpenRouter 提供对所有 Perplexity 模型的访问，仅需一个 API 密钥（无需单独的 Perplexity 账户）。

何时使用本技能

在以下情况下使用本技能：

• 搜索当前信息或最新进展（2024 年及以后）
• 查找最新科学出版物和研究
• 获取基于网络来源的实时答案
• 通过来源引用核实事实
• 跨多个领域进行文献检索
• 获取超出模型知识截止时间的信息
• 执行特定领域的研究（生物医学、技术、临床）
• 比较当前的方法或技术

不要用于：

• 简单计算或逻辑问题（直接使用）
• 需要执行代码的任务（使用标准工具）
• 完全在模型训练数据范围内的问题（除非需要核实）

快速开始

设置（一次性）

1. 获取 OpenRouter API 密钥：

   • 访问 https://openrouter.ai/keys
   • 创建账户并生成 API 密钥
   • 为账户充值（建议至少 $5）

2. 配置环境：

   # Set API key
   export OPENROUTER_API_KEY='sk-or-v1-your-key-here'
   
   # Or use setup script
   python scripts/setup_env.py --api-key sk-or-v1-your-key-here
   

3. 安装依赖：

   uv pip install litellm
   

4. 验证设置：

   python scripts/perplexity_search.py --check-setup
   

有关详细设置说明、故障排除和安全最佳实践，请参阅 references/openrouter_setup.md。

基本用法

简单搜索：

python scripts/perplexity_search.py "What are the latest developments in CRISPR gene editing?"

保存结果：

python scripts/perplexity_search.py "Recent CAR-T therapy clinical trials" --output results.json

使用特定模型：

python scripts/perplexity_search.py "Compare mRNA and viral vector vaccines" --model sonar-pro-search

详细输出：

python scripts/perplexity_search.py "Quantum computing for drug discovery" --verbose

可用模型

通过 --model 参数访问模型：

• sonar-pro（默认）：通用搜索，成本与质量的最佳平衡
• sonar-pro-search：最先进的 Agentic 搜索，具备多步推理能力
• sonar：基础模型，对于简单查询最具成本效益
• sonar-reasoning-pro：具备逐步分析的高级推理能力
• sonar-reasoning：基础推理能力

模型选择指南：

• 默认查询 → sonar-pro
• 复杂的多步分析 → sonar-pro-search
• 需要明确推理 → sonar-reasoning-pro
• 简单事实查询 → sonar
• 成本敏感的批量查询 → sonar

有关详细比较、用例、定价和性能特征，请参阅 references/model_comparison.md。

编写有效的查询

具体而详细

好的示例：

• "2024 年发表的关于 CAR-T 细胞疗法治疗 B 细胞淋巴瘤的最新临床试验结果是什么？"
• "比较 mRNA 疫苗与病毒载体疫苗在 COVID-19 方面的有效性和安全性特征"
• "解释 AlphaFold3 相对于 AlphaFold2 的改进，并提供 2023-2024 年研究中的具体准确性指标"

不好的示例：

• "告诉我关于癌症治疗的信息"（过于宽泛）
• "CRISPR"（过于模糊）
• "疫苗"（缺乏具体性）

包含时间限制

Perplexity 搜索实时网络数据：

• "2024 年 Nature Medicine 上发表了哪些关于长新冠的论文？"
• "大模型效率方面的最新进展（过去 6 个月）是什么？"
• "NeurIPS 2023 上关于 AI 安全宣布了什么？"

指定领域和来源

为获得高质量结果，请提及来源偏好：

• "根据高影响力期刊上的同行评审出版物..."
• "基于 FDA 批准的治疗方法..."
• "来自临床试验注册库，如 clinicaltrials.gov..."

构建复杂查询

将复杂问题拆解为清晰的组成部分：

1. 主题：主要研究对象
2. 范围：关注的具体方面
3. 上下文：时间范围、领域、约束条件
4. 输出：期望的格式或答案类型

示例： “根据 2023 年至 2024 年间发表的研究，AlphaFold3 在蛋白质结构预测方面相比 AlphaFold2 提供了哪些改进？请包含具体的准确率指标和基准测试。”

关于查询设计、领域特定模式及高级技术的全面指导，请参阅 references/search_strategies.md。

常见使用场景

科学文献检索

python scripts/perplexity_search.py \
  "What does recent research (2023-2024) say about the role of gut microbiome in Parkinson's disease? Focus on peer-reviewed studies and include specific bacterial species identified." \
  --model sonar-pro

技术文档

python scripts/perplexity_search.py \
  "How to implement real-time data streaming from Kafka to PostgreSQL using Python? Include considerations for handling backpressure and ensuring exactly-once semantics." \
  --model sonar-reasoning-pro

对比分析

python scripts/perplexity_search.py \
  "Compare PyTorch versus TensorFlow for implementing transformer models in terms of ease of use, performance, and ecosystem support. Include benchmarks from recent studies." \
  --model sonar-pro-search

临床研究

python scripts/perplexity_search.py \
  "What is the evidence for intermittent fasting in managing type 2 diabetes in adults? Focus on randomized controlled trials and report HbA1c changes and weight loss outcomes." \
  --model sonar-pro

趋势分析

python scripts/perplexity_search.py \
  "What are the key trends in single-cell RNA sequencing technology over the past 5 years? Highlight improvements in throughput, cost, and resolution, with specific examples." \
  --model sonar-pro

处理结果

编程式访问

将 perplexity_search.py 作为模块使用：

from scripts.perplexity_search import search_with_perplexity

result = search_with_perplexity(
    query="What are the latest CRISPR developments?",
    model="openrouter/perplexity/sonar-pro",
    max_tokens=4000,
    temperature=0.2,
    verbose=False
)

if result["success"]:
    print(result["answer"])
    print(f"Tokens used: {result['usage']['total_tokens']}")
else:
    print(f"Error: {result['error']}")

保存和处理结果

# Save to JSON
python scripts/perplexity_search.py "query" --output results.json

# Process with jq
cat results.json | jq '.answer'
cat results.json | jq '.usage'

批量处理

为多个查询创建脚本：

#!/bin/bash
queries=(
  "CRISPR developments 2024"
  "mRNA vaccine technology advances"
  "AlphaFold3 accuracy improvements"
)

for query in "${queries[@]}"; do
  echo "Searching: $query"
  python scripts/perplexity_search.py "$query" --output "results_$(echo $query | tr ' ' '_').json"
  sleep 2  # Rate limiting
done

成本管理

Perplexity 模型有不同的定价层级：

每次查询的大致成本：

• Sonar：$0.001-0.002（最具成本效益）
• Sonar Pro：$0.002-0.005（推荐的默认选项）
• Sonar Reasoning Pro：$0.005-0.010
• Sonar Pro Search：$0.020-0.050+（最全面）

成本优化策略：

1. 使用 sonar 进行简单的事实查询
2. 大多数查询默认使用 sonar-pro
3. 将 sonar-pro-search 保留用于复杂分析
4. 设置 --max-tokens 以限制响应长度
5. 在 https://openrouter.ai/activity 监控使用情况
6. 在 OpenRouter 仪表板中设置支出限额

故障排除

API 密钥未设置

错误：“OpenRouter API key not configured”

解决方案：

export OPENROUTER_API_KEY='sk-or-v1-your-key-here'
# Or run setup script
python scripts/setup_env.py --api-key sk-or-v1-your-key-here

LiteLLM 未安装

错误：“LiteLLM not installed”

解决方案：

uv pip install litellm

速率限制

错误：“Rate limit exceeded”

解决方案：

• 重试前等待几秒钟
• 在 https://openrouter.ai/keys 提高速率限制
• 在批量处理中于请求之间添加延迟

额度不足

错误：“Insufficient credits”

解决方案：

• 在 https://openrouter.ai/account 充值额度
• 启用自动充值以防止中断

关于全面的故障排除指南，请参阅 references/openrouter_setup.md。

与其他技能的集成

本技能可与其他科学技能互补：

文献综述

与 literature-review 技能配合使用：

1. 使用 Perplexity 查找近期论文和预印本
2. 用实时网络结果补充 PubMed 检索
3. 验证引用并查找相关工作
4. 发现数据库索引之后的最新进展

科学写作

与 scientific-writing 技能配合使用：

1. 为引言/讨论查找近期参考文献
2. 验证当前最新技术水平
3. 检查最新术语和惯例
4. 识别近期的竞争性方法

假设生成

与 hypothesis-generation 技能配合使用：

1. 检索最新研究发现
2. 识别当前的知识空白
3. 查找近期的方法学进展
4. 发现新兴的研究方向

批判性思维

与 scientific-critical-thinking 技能配合使用：

1. 查找支持与反对假设的证据
2. 定位方法学批评
3. 识别该领域的争议
4. 用当前证据验证论断

最佳实践

查询设计

1. 要具体：包含领域、时间范围和约束条件
2. 使用术语：采用领域适当的专业关键词和短语
3. 指定来源：提及偏好的出版物类型或期刊
4. 组织问题：用清晰的组成部分和明确的上下文
5. 迭代：根据初步结果进行优化

模型选择

1. 从 sonar-pro 开始：适用于大多数查询的良好默认选项
2. 针对复杂性升级：使用 sonar-pro-search 进行多步分析
3. 针对简单性降级：使用 sonar 处理基本事实
4. 使用推理模型：当需要逐步分析时

成本优化

1. 选择合适的模型：让模型与查询复杂度相匹配
2. 设置 token 限制：使用 --max-tokens 控制成本
3. 监控用量：定期查看 OpenRouter 仪表盘
4. 高效批处理：尽可能合并相关的简单查询
5. 缓存结果：保存并复用重复查询的结果

安全

1. 保护 API 密钥：切勿提交到版本控制
2. 使用环境变量：将密钥与代码分离
3. 设置支出限额：在 OpenRouter 仪表盘中配置
4. 监控用量：留意异常活动
5. 轮换密钥：定期更换密钥

资源

内置资源

脚本：

• scripts/perplexity_search.py：带有命令行界面的主搜索脚本
• scripts/setup_env.py：环境设置与验证辅助脚本

参考文档：

• references/search_strategies.md：全面的查询设计指南
• references/model_comparison.md：详细的模型对比与选择指南
• references/openrouter_setup.md：完整的设置、故障排除与安全指南

资产：

• assets/.env.example：示例环境文件模板

外部资源

OpenRouter：

• 仪表盘：https://openrouter.ai/account
• API 密钥：https://openrouter.ai/keys
• Perplexity 模型：https://openrouter.ai/perplexity
• 用量监控：https://openrouter.ai/activity
• 文档：https://openrouter.ai/docs

LiteLLM：

• 文档：https://docs.litellm.ai/
• OpenRouter Provider：https://docs.litellm.ai/docs/providers/openrouter
• GitHub：https://github.com/BerriAI/litellm

Perplexity：

• 官方文档：https://docs.perplexity.ai/

依赖项

必需

# LiteLLM for API access
uv pip install litellm

可选

# For .env file support
uv pip install python-dotenv

# For JSON processing (usually pre-installed)
uv pip install jq

环境变量

必需：

• OPENROUTER_API_KEY：你的 OpenRouter API 密钥

可选：

• DEFAULT_MODEL：要使用的默认模型（默认：sonar-pro）
• DEFAULT_MAX_TOKENS：默认最大 token 数（默认：4000）
• DEFAULT_TEMPERATURE：默认温度（默认：0.2）

总结

此 skill 提供：

1. 实时网络搜索：获取超出训练数据截止时间的当前信息
2. 多种模型：从高性价比的 Sonar 到高级的 Sonar Pro Search
3. 简单设置：只需一个 OpenRouter API 密钥，无需单独的 Perplexity 账户
4. 全面指导：关于查询设计和模型选择的详细参考文档
5. 高性价比：按需付费定价，并支持用量监控
6. 科学聚焦：针对研究、文献检索和技术查询进行优化
7. 易于集成：可与其他科学 skill 无缝协作

开展 AI 驱动的网络搜索，以查找当前信息、最新研究以及带来源引用的有依据答案。