---
title: "打破僵化API!Perplexity 推出“搜索即代码”，让 AI 智能体自主编写搜索管道"
url: "https://paooo.com/aigc-news/21839/"
author: "Prompt 语宙研究院"
published_at: "2026-06-08T09:34:04+08:00"
updated_at: "2026-06-08T09:34:04+08:00"
categories: "AIGC 资讯"
tags: "AI智能体, AI编程, Perplexity, RAG检索增强"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# 打破僵化API!Perplexity 推出“搜索即代码”，让 AI 智能体自主编写搜索管道

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/21839/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-08

## AI 30 秒核心看点 (TL;DR)

- SaC 让模型直接用 Python 代码编排搜索流程，突破传统整体式 API 的僵化限制。
- 三层架构由模型层、沙箱层和智能搜索 SDK 组成，支持并行查询、过滤、去重与结构化提取。
- 在 200 个 CVE 漏洞研究任务中，SaC 节省 85% Token，基准测试中多项领先，WANDR 提升 45%。

传统搜索引擎为人类浏览而设计的“蓝色链接列表”正在成为 AI 智能体（Agents）高效工作的瓶颈。在处理复杂研究任务时，AI 只能通过硬性调整搜索词进行多轮、手工作坊式的 API 调用，面临架构僵化与上下文窗口被垃圾信息塞满的痛点。

为了打破这一局限，Perplexity 近日发布了一项名为“搜索即代码”（Search as Code， 简称 SaC）的全新架构。该技术不再让模型调用现成的、整体式的搜索 API，而是允许 AI 模型以 **Python 代码**的形式，动态构建并运行自定义的搜索工作流程。

#### 三层核心架构

Perplexity 的 SaC 架构垂直堆栈共分为三层:

- **模型层（最顶层）:** 负责理解复杂任务并制定高层面的搜索策略。

- **安全沙箱（中间层）:** 为代码提供运行环境，并具备用于存储中间状态的文件系统。

- **智能搜索 SDK（最底层）:** 将检索、扇出、过滤、去重、重新排序和解析字段等原子级操作打包成基础原语函数，赋予生成的代码组件级的搜索基础设施访问权限。

通过这种设计，AI 智能体可以并行执行查询、以编程方式过滤无关信息，并将高度提炼的相关结果提取到上下文窗口中，从而保证了长文本研究任务中的思维连贯性。

#### CVE 漏洞研究实测:性能跃升与 Token 暴降

为了验证该架构在现实世界中的表现，Perplexity 针对一项混乱的专业网络安全任务进行了测试:追踪200个在2023年至2025年间发布的关键软件漏洞（CVE），并精确提取官方公告、受影响软件及修复版本。

在 SaC 的支持下，AI 模型自发编写了一个“三阶段脚本”:先针对不同厂商（如 Mozilla、Google）的公告格式运行并行定制化搜索;随后自动扫描结果、捕捉信息遗漏并进行定向补充查询;最后利用 Schema(模式)校验确保漏洞数据完全对齐。

测试结果表明，该系统在精准完成任务的同时，**比传统标准管道节省了85% 的 Token 消耗**。在 Perplexity 自身的基准测试集（包含 DSQA、BrowseComp、HLE、WideSearch 和最新推出的广度研究基准 WANDR）中，SaC 在五项测试中独占四项鳌头，相比旧架构实现了巨大的性能飞跃。尤其在 WANDR 基准上，相对提升幅度高达45%。

#### 代码成为 AI 的新操作层

行业调查报告指出，编写代码正逐渐成为 AI 智能体与物理世界交互的默认方式。传统的软件依赖确定性指令，而前沿大模型则在 Token 空间进行推理，最强大的系统往往将两者结合——即利用大模型制定策略，利用确定性的运行环境进行批量处理与过滤，并将搜索基础设施作为输入/输出（I/O）层。

目前，“搜索即代码”功能已正式在Perplexity Computer及 Agent API 中陆续推出，这也将为解决当下 AI 搜索智能体“通过训练数据作弊、无法应对新鲜事实”的行业痼疾提供全新的技术解法。

## 常见问题解答 (FAQ)

### Perplexity 的搜索即代码是什么？
搜索即代码（Search as Code，SaC）是 Perplexity 为 AI 智能体设计的新架构，允许模型以 Python 代码动态构建搜索工作流，而不是只调用固定的搜索 API。它更适合复杂研究任务中的并行检索、过滤和结果提炼。

### SaC 比传统搜索 API 强在哪里？
它把检索、扇出、过滤、去重、重排序和字段解析等能力封装成原语，模型可按任务自主编排流程，减少多轮手工调用和无关信息占用上下文。文章实测显示，在 CVE 研究任务中可节省 85% Token。

### Perplexity 的 SaC 适合哪些场景？
适合需要多步检索、结构化抽取和持续补充查询的研究型任务，例如漏洞追踪、专业资料整理和广度搜索。它已在 Perplexity Computer 和 Agent API 中陆续推出。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
