---
name: perplexity-search
description: 使用Perplexity模型通过LiteLLM和OpenRouter执行实时AI驱动的网络搜索。此技能应在进行当前信息网络搜索、查找最近的科学文献、获取带有来源引用的可靠答案或访问超出模型知识截止日期的信息时使用。通过单个OpenRouter API密钥提供对多种Perplexity模型的访问，包括Sonar Pro、Sonar Pro Search（高级代理搜索）和Sonar Reasoning Pro。
license: MIT license
compatibility: An OpenRouter API key is required to use Perplexity search
metadata:
    skill-author: K-Dense Inc.
---






# 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提供实时、基于网络的答案，并带有来源引用，非常适合查找当前信息、最近的科学文献以及模型训练数据截止日期之后的事实。

此技能通过OpenRouter提供对所有Perplexity模型的访问，只需一个API密钥（不需要单独的Perplexity账户）。

## 何时使用此技能

当以下情况时使用此技能：
- 搜索当前信息或最新发展（2024年及以后）
- 查找最新的科学出版物和研究
- 获取基于网络来源的实时答案
- 通过来源引用验证事实
- 跨多个领域进行文献搜索
- 访问超出模型知识截止日期的信息
- 进行特定领域的研究（生物医学、技术、临床）
- 比较当前方法或技术

**不要用于：**
- 简单计算或逻辑问题（直接使用）
- 需要代码执行的任务（使用标准工具）
- 模型训练数据中已有的问题（除非需要验证）

## 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
   - 向账户添加 credits（建议最低$5）

2. **配置环境**：
   ```bash
   # 设置API密钥
   export OPENROUTER_API_KEY='sk-or-v1-your-key-here'

   # 或使用设置脚本
   python scripts/setup_env.py --api-key sk-or-v1-your-key-here
   ```

3. **安装依赖**：
   ```bash
   uv pip install litellm
   ```

4. **验证设置**：
   ```bash
   python scripts/perplexity_search.py --check-setup
   ```

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

### 基本使用

**简单搜索：**
```bash
python scripts/perplexity_search.py "CRISPR基因编辑的最新发展是什么？"
```

**保存结果：**
```bash
python scripts/perplexity_search.py "最近的CAR-T疗法临床试验" --output results.json
```

**使用特定模型：**
```bash
python scripts/perplexity_search.py "比较mRNA和病毒载体疫苗" --model sonar-pro-search
```

**详细输出：**
```bash
python scripts/perplexity_search.py "用于药物发现的量子计算" --verbose
```

## 可用模型

通过`--model`参数访问模型：

- **sonar-pro**（默认）：通用搜索，成本和质量的最佳平衡
- **sonar-pro-search**：最先进的智能体搜索，具有多步推理
- **sonar**：基础模型，简单查询的最具成本效益
- **sonar-reasoning-pro**：具有逐步分析的高级推理
- **sonar-reasoning**：基础推理能力

**模型选择指南：**
- 默认查询 → `sonar-pro`
- 复杂多步分析 → `sonar-pro-search`
- 需要明确推理 → `sonar-reasoning-pro`
- 简单事实查询 → `sonar`
- 对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`。

## 构建有效的查询

### 具体且详细

**好的例子：**
- "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中的有效性和安全性特征"
- "解释AlphaFold3与AlphaFold2相比的改进，包括2023-2024年研究中的具体准确性指标"

**坏的例子：**
- "告诉我关于癌症治疗"（太宽泛）
- "CRISPR"（太模糊）
- "疫苗"（缺乏特异性）

### 包含时间限制

Perplexity搜索实时网络数据：
- "2024年在Nature Medicine上发表的关于长期COVID的论文有哪些？"
- "大型语言模型效率的最新发展（过去6个月）是什么？"
- "NeurIPS 2023关于AI安全的宣布是什么？"

### 指定领域和来源

为获得高质量结果，提及来源偏好：
- "根据高影响因子期刊的同行评审出版物..."
- "基于FDA批准的治疗..."
- "来自clinicaltrials.gov等临床试验注册中心..."

### 构建复杂查询

将复杂问题分解为清晰的组件：
1. **主题**：主要主题
2. **范围**：感兴趣的特定方面
3. **上下文**：时间框架、领域、约束
4. **输出**：期望的格式或答案类型

**示例：**
"根据2023年至2024年发表的研究，AlphaFold3在蛋白质结构预测方面与AlphaFold2相比有哪些改进？包括具体的准确性指标和基准测试。"

有关查询设计、特定领域模式和高级技术的全面指导，请参阅`references/search_strategies.md`。

## 常见用例

### 科学文献搜索

```bash
python scripts/perplexity_search.py \
  "最近的研究（2023-2024）关于肠道微生物组在帕金森病中的作用说了什么？重点关注同行评审研究并包括已识别的特定细菌种类。" \
  --model sonar-pro
```

### 技术文档

```bash
python scripts/perplexity_search.py \
  "如何使用Python实现从Kafka到PostgreSQL的实时数据流？包括处理背压和确保恰好一次语义的考虑。" \
  --model sonar-reasoning-pro
```

### 比较分析

```bash
python scripts/perplexity_search.py \
  "比较PyTorch与TensorFlow在实现Transformer模型方面的易用性、性能和生态系统支持。包括最近研究的基准测试。" \
  --model sonar-pro-search
```

### 临床研究

```bash
python scripts/perplexity_search.py \
  "间歇性禁食在成人2型糖尿病管理中的证据是什么？重点关注随机对照试验并报告HbA1c变化和体重减轻结果。" \
  --model sonar-pro
```

### 趋势分析

```bash
python scripts/perplexity_search.py \
  "过去5年单细胞RNA测序技术的关键趋势是什么？强调在通量、成本和分辨率方面的改进，并提供具体示例。" \
  --model sonar-pro
```

## 处理结果

### 程序化访问

将`perplexity_search.py`用作模块：

```python
from scripts.perplexity_search import search_with_perplexity

result = search_with_perplexity(
    query="CRISPR的最新发展是什么？",
    model="openrouter/perplexity/sonar-pro",
    max_tokens=4000,
    temperature=0.2,
    verbose=False
)

if result["success"]:
    print(result["answer"])
    print(f"使用的tokens: {result['usage']['total_tokens']}")
else:
    print(f"错误: {result['error']}")
```

### 保存和处理结果

```bash
# 保存为JSON
python scripts/perplexity_search.py "查询" --output results.json

# 使用jq处理
cat results.json | jq '.answer'
cat results.json | jq '.usage'
```

### 批量处理

创建脚本处理多个查询：

```bash
#!/bin/bash
queries=(
  "CRISPR发展2024"
  "mRNA疫苗技术进步"
  "AlphaFold3准确性改进"
)

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

done
```

## 成本管理

Perplexity模型有不同的定价层级：

**每个查询的大致成本：**
- Sonar: $0.001-0.002（最具成本效益）
- Sonar Pro: $0.002-0.005（推荐默认）
- Sonar Reasoning Pro: $0.005-0.010
- Sonar Pro Search: $0.020-0.050+（最全面）

**成本优化策略：**
1. 对简单事实查询使用`sonar`
2. 对大多数查询默认使用`sonar-pro`
3. 对复杂分析保留`sonar-pro-search`
4. 设置`--max-tokens`限制响应长度
5. 在https://openrouter.ai/activity监控使用情况
6. 在OpenRouter仪表板设置支出限制

## 故障排除

### API密钥未设置

**错误**："OpenRouter API key not configured"

**解决方案**：
```bash
export OPENROUTER_API_KEY='sk-or-v1-your-key-here'
# 或运行设置脚本
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**：
```bash
uv pip install litellm
```

### 速率限制

**错误**："Rate limit exceeded"

**解决方案**：
- 等待几秒钟后重试
- 在https://openrouter.ai/keys增加速率限制
- 在批量处理中在请求之间添加延迟

###  credits不足

**错误**："Insufficient credits"

**解决方案**：
- 在https://openrouter.ai/account添加credits
- 启用自动充值以防止中断

有关全面的故障排除指南，请参阅`references/openrouter_setup.md`。

## 与其他技能的集成

此技能与其他科学技能互补：

### 文献综述

与`literature-review`技能一起使用：
1. 使用Perplexity查找最近的论文和预印本
2. 用实时网络结果补充PubMed搜索
3. 验证引用并找到相关工作
4. 发现数据库索引后的最新发展

### 科学写作

与`scientific-writing`技能一起使用：
1. 为引言/讨论部分查找最近的参考文献
2. 验证当前的技术状态
3. 检查最新的术语和约定
4. 识别最近的竞争方法

### 假设生成

与`hypothesis-generation`技能一起使用：
1. 搜索最新的研究发现
2. 识别当前知识差距
3. 发现最近的方法学进步
4. 发现新兴研究方向

### 批判性思维

与`scientific-critical-thinking`技能一起使用：
1. 寻找支持和反对假设的证据
2. 定位方法学批评
3. 识别领域内的争议
4. 用当前证据验证声明

## 最佳实践

### 查询设计

1. **具体**：包括领域、时间框架和约束
2. **使用术语**：领域适当的关键词和短语
3. **指定来源**：提及首选的出版物类型或期刊
4. **结构化问题**：具有明确上下文的清晰组件
5. **迭代**：基于初始结果进行改进

### 模型选择

1. **从sonar-pro开始**：对大多数查询的良好默认选择
2. **为复杂性升级**：对多步分析使用sonar-pro-search
3. **为简单性降级**：对基本事实使用sonar
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**：将模型与查询复杂性匹配
2. **设置token限制**：使用`--max-tokens`控制成本
3. **监控使用情况**：定期检查OpenRouter仪表板
4. **高效批量处理**：在可能的情况下组合相关的简单查询
5. **缓存结果**：保存并重用重复查询的结果

### 安全

1. **保护API密钥**：永远不要提交到版本控制
2. **使用环境变量**：将密钥与代码分开
3. **设置支出限制**：在OpenRouter仪表板中配置
4. **监控使用情况**：观察意外活动
5. **轮换密钥**：定期更改密钥

## 资源

### 捆绑资源

**脚本：**
- `scripts/perplexity_search.py`：带有CLI界面的主要搜索脚本
- `scripts/setup_env.py`：环境设置和验证助手

**参考：**
- `references/search_strategies.md`：全面的查询设计指南
- `references/model_comparison.md`：详细的模型比较和选择指南
- `references/openrouter_setup.md`：完整的设置、故障排除和安全指南

**资产：**
- `assets/.env.example`：环境文件模板示例

### 外部资源

**OpenRouter：**
- 仪表板：https://openrouter.ai/account
- API密钥：https://openrouter.ai/keys
- Perplexity模型：https://openrouter.ai/perplexity
- 使用监控：https://openrouter.ai/activity
- 文档：https://openrouter.ai/docs

**LiteLLM：**
- 文档：https://docs.litellm.ai/
- OpenRouter提供商：https://docs.litellm.ai/docs/providers/openrouter
- GitHub：https://github.com/BerriAI/litellm

**Perplexity：**
- 官方文档：https://docs.perplexity.ai/

## 依赖

### 必需

```bash
# 用于API访问的LiteLLM
uv pip install litellm
```

### 可选

```bash
# 用于.env文件支持
uv pip install python-dotenv

# 用于JSON处理（通常预安装）
uv pip install jq
```

### 环境变量

必需：
- `OPENROUTER_API_KEY`：您的OpenRouter API密钥

可选：
- `DEFAULT_MODEL`：默认使用的模型（默认：sonar-pro）
- `DEFAULT_MAX_TOKENS`：默认最大tokens（默认：4000）
- `DEFAULT_TEMPERATURE`：默认温度（默认：0.2）

## 摘要

此技能提供：

1. **实时网络搜索**：访问超出训练数据截止日期的当前信息
2. **多个模型**：从成本效益高的Sonar到先进的Sonar Pro Search
3. **简单设置**：单个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
5. **成本效益**：按使用付费的定价，带有使用监控
6. **科学焦点**：为研究、文献搜索和技术查询优化
7. **易于集成**：与其他科学技能无缝协作

执行AI驱动的网络搜索，以查找当前信息、最近的研究和带有来源引用的基于事实的答案。