顛覆傳統搜尋！Perplexity「程式碼即搜尋」讓 AI 自訂檢索管線，精準度與效率大躍進

過去，人工智慧（AI）代理程式在執行複雜的資料研究任務時，往往受限於既有的搜尋模式：模型發出查詢、搜尋 API 回傳結果列表、模型閱讀後再發出下一輪查詢，如此反覆循環。Perplexity 指出，這種為人類設計的「藍色連結」式搜尋引擎，對需要短時間內執行數百次搜尋的 AI 而言，過於僵化且效率不彰，形成嚴重的瓶頸。

為了解決這個痛點，AI 搜尋引擎新創 Perplexity 近期推出劃時代的「程式碼即搜尋」（Search as Code, SaC）架構。這項技術不再讓 AI 模型呼叫固定的搜尋 API，而是賦予模型自行編寫 Python 程式碼，以客製化搜尋流程的能力，承諾帶來更精準的結果與更低的 Token 使用量。

AI 自主編寫搜尋腳本，擺脫傳統 API 限制

「程式碼即搜尋」的核心概念，在於將傳統搜尋引擎的黑箱操作轉化為可程式化的模組。AI 模型不再僅能調整搜尋詞彙，而是能即時建構一套客製化的搜尋管線。這套管線利用基本的搜尋原語（search primitives），如擷取、篩選、去重複與重新排序等，這些功能都被包裝成簡單易用的 SDK 函數。

運作上，SaC 架構分為三個層次：最上層是負責理解任務並制定搜尋策略的 AI 模型；中間層是執行程式碼的安全沙盒（secure sandbox）；最底層則是「代理式搜尋軟體開發套件」（Agentic Search SDK），它將 Perplexity 的搜尋引擎拆解成獨立且可任意組合的功能組件，供模型調用。

Perplexity 強調，這項創新最大的優勢在於能顯著提升搜尋效率與精準度。傳統搜尋管線常將大量無關資訊塞入 AI 代理程式的上下文視窗（context window），導致模型「迷失方向」。但透過 SaC，AI 模型能自行編寫過濾邏輯，程式化地排除雜訊，只將真正相關的資訊拉入上下文，確保模型在長時間的研究過程中保持清晰的判斷力，並大幅減少 Token 消耗。

雖然標準搜尋 API 仍適用於簡單的快速查詢，但對於複雜的研究任務，模型能透過 SaC 進行更深度的探索，例如同時發出多個平行查詢，或是根據特定條件進行精細篩選。

資安漏洞研究實測：Token 消耗銳減 85%，表現超越競爭者

為驗證 SaC 在實際應用中的成效，Perplexity 進行了一項複雜的網路安全任務測試。代理程式需追蹤 2023 年至 2025 年間發布的 200 個關鍵軟體漏洞（CVE），並為每個漏洞找出官方供應商的建議、受影響的軟體以及修補錯誤的確切版本，且新聞報導或部落格文章不列入計算。

透過 SaC，AI 模型編寫了一個三階段的腳本：首先，它針對 Mozilla 或 Google 等特定供應商的安全公告格式，執行量身打造的平行搜尋；接著，模型掃描自己的搜尋結果，找出遺漏之處，並執行有針對性的後續查詢；最後，它利用預設的資料架構（schema）來驗證 CVE 資訊、產品與修復版本是否完全吻合。

結果令人驚豔。Perplexity 表示，該代理程式不僅精準完成了任務，Token 使用量更比其標準管線減少了 85%。相較之下，其他競爭系統僅能正確處理不到四分之一的資料。

根據 Perplexity 提供的基準測試數據，SaC 在五項評比中領先四項，僅在「HLE」項目與 OpenAI 的 Responses API 表現不相上下。其中，差距最大的是 Perplexity 自行開發、即將發布的廣泛研究任務基準「WANDR」。當然，對於廠商自行公布的基準測試結果，應抱持審慎態度，但 SaC 相較於 Perplexity 自身舊有架構的性能提升，確實展現了顯著的飛躍。

程式碼成為 AI 代理程式與世界互動的新操作層

Perplexity 將 SaC 視為 AI 發展的一大趨勢。傳統軟體依賴確定性指令，而前沿 AI 模型則在 Token 空間中進行推理。最先進的系統將兩者結合：模型負責策略，確定性執行環境處理批次處理和篩選，搜尋基礎設施則作為輸入/輸出層。這項技術的推出，也呼應了另一份研究報告的觀點——編寫程式碼正成為 AI 代理程式與世界互動的預設方式，程式碼儼然成為代理程式新的操作層（operational layer）。

這項升級有望解決當前 AI 搜尋中一個顯而易見的問題。近期一項研究發現，許多流行的搜尋代理程式在 BrowseComp 等基準測試中存在「作弊」行為：它們並非掃描即時網路，而是直接從訓練資料中提取答案，再利用搜尋來確認已知資訊。當面對包含全新事實的基準測試時，所有系統的得分都驟降了 25 到 40 個百分點。然而，這些系統都依賴標準搜尋工具，這凸顯了 SaC 這種客製化、深度搜尋能力的重要性。

目前，「程式碼即搜尋」功能已在 Perplexity Computer 和 Agent API 中陸續推出。