Perplexity 联网搜索

要解决什么问题

大模型训练数据有截止日期，单靠对话很难可靠地回答「2024 年之后发生了什么」「某篇 Nature 论文的结论是什么」这类问题。你需要的是联网检索 + 可核对来源，而不是模型凭记忆编造引用。本技能面向工程师与研究者：在 Agent 工作流里用 Perplexity 系列模型做 AI 驱动的实时搜索，并通过 OpenRouter 统一计费与鉴权，不必单独注册 Perplexity 账户。

如何工作

实现路径是 LiteLLM → OpenRouter → Perplexity 模型。你配置 OPENROUTER_API_KEY 后，可通过 CLI 脚本 perplexity_search.py 或作为模块调用，完成单次查询、保存结果、批量脚本等常见操作。

核心能力包括：

• 多模型切换：默认 sonar-pro；复杂多步检索用 sonar-pro-search；简单事实用 sonar；需要逐步推理时用 sonar-reasoning-pro 等。
• 查询设计导向：文档强调具体主题、时间范围、领域术语与来源偏好（如 peer-reviewed、临床注册库），并给出好/差查询对照。
• 结果可落地：支持将回答落盘，便于与文献综述、科学写作等技能串联——先用 Perplexity 找近期预印本与网页来源，再在其它工具里深化。

适用边界与注意点

适合：查新进展、科学文献与预印本线索、跨领域检索、用引用核实论断、知识截止日期之后的事实。

不适合：纯算术/逻辑题、需要在本机执行代码的任务、以及「模型本来就知道且无需核实」的 trivia（除非你要来源背书）。

成本按 OpenRouter 按量计费，模型档位差异明显：sonar 最便宜，sonar-pro-search 最贵；可用 --max-tokens 控长度，并在 OpenRouter 控制台设支出上限。API 密钥只走环境变量，不要进版本库。