传统搜刮引擎为人类阅读而设念的“蓝色链接列表”正正在成为 AI 智能体（Agents）高效工做的瓶颈。正在处理复纯研讨任务时，AI 只能经由过程硬性调解搜刮词截至多轮、手工做坊式的 API 调用，面临架构僵化取上下文窗口被垃圾疑息塞满的痛点。
为了突破那一局限，Perplexity 近日公布了一项名为“搜刮即代码”（Search as Code， 简称 SaC）的全新架构。该手艺不再让模子调用现成的、整体式的搜刮 API，而是允许 AI 模子以 Python 代码的形式，动态构建并运转自界说的搜刮工做流程。
三层中心架构
Perplexity 的 SaC 架构垂曲堆栈共分为三层:
模子层（最顶层）:负责理解复纯任务并制定高层面的搜刮计谋。
安然沙箱（中间层）:为代码供给运转情况，并具备用于存储中间形状的文件系统。
智能搜刮 SDK（最底层）:将检索、扇出、过滤、去重、重新排序息争析字段等本子级操做打包成根底本语函数，赋予生成的代码组件级的搜刮根底设备访谒权限。
经由过程那种设念，AI 智能体能够并止施止查询、以编程格式过滤无关疑息，并将高度提炼的相关功效提取到上下文窗口中，从而包管了长文本研讨使射中的思念连接性。
CVE 漏洞研讨实测:机能跃升取 Token 暴降
为了考据该架构正在理想世界中的暗示，Perplexity 针对一项混乱的专业汇集安然任务截至了测试:逃踪200个正在2023年至2025年间公布的关键软件漏洞（CVE），并切确提取官方告诉书记、受影响软件及建复版本。
正在 SaC 的支撑下，AI 模子自觉编写了一个“三阶段剧本”:先针对差异厂商（如 Mozilla、Google）的告诉书记格局运转并止定制化搜刮;随后主动扫描功效、捕捉疑息漏掉并截至定背补偿查询;最后操做 Schema(形式)校验确保漏洞数据完整对齐。
测试功效剖明，该系统正在精准完成任务的同时，比传统尺度管道节流了85% 的 Token 耗损。正在 Perplexity 自己的基准测试集（搜罗 DSQA、BrowseComp、HLE、WideSearch 和最新推出的广度研讨基准 WANDR）中，SaC 正在五项测试中独占四项鳌头，相比旧架构实现了庞年夜的机能飞跃。特别正在 WANDR 基准上，相对汲引幅度高达45%。
代码成为 AI 的新操做层
止业查询拜访述说指出，编写代码正慢慢成为 AI 智能体取物理世界交互的默许格式。传统的软件依赖肯定性指令，而前沿年夜模子则正在 Token 空间截至推理，最强年夜的系统常常将两者连络——即操做年夜模子制定计谋，操做肯定性的运转情况截至批量处理取过滤，并将搜刮根底设备做为输入/输出（I/O）层。
今朝，“搜刮即代码”功用已正式正在 Perplexity Computer 及 Agent API 中陆绝推出，那也将为处理当下 AI 搜刮智能体“经由过程锻炼数据做弊、无法应对新颖事实”的止业痼疾供给全新的手艺解法。
