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
一句话看懂：Perplexity 发布“Search as Code”（搜索即代码）新架构，让 AI 智能体不再调用固定的搜索API，而是动态生成 Python 代码来编写自定义搜索流程，并在 CVE 漏洞研究中实现了 85% 的 Token 消耗降低。这一变化意味着搜索正从“API 调用接口”转向“AI 可编程基础设施”。
事件核心：发生了什么
Perplexity 在 2026 年 6 月 8 日宣布推出名为“Search as Code”（SaC）的新技术架构。该架构由三层垂直堆叠组成：顶层是模型层，负责理解复杂任务并制定高层搜索策略；中间是安全沙箱层，为代码提供运行环境并存储中间状态；底层是智能搜索 SDK，将检索、扩展、过滤、去重、重排序和字段解析等原子操作封装成基本函数。在针对 2023-2025 年间 200 个关键 CVE 漏洞研究的实测中，SaC 驱动的 AI 模型自动生成了“三阶段脚本”：先对 Mozilla、Google 等不同厂商的公告格式进行并行定制搜索，再自动扫描补搜缺失信息，最后通过 Schema 校验确保数据对齐。最终该系统相比传统标准管道减少了 85% 的 Token 消耗，并在 Perplexity 自有的五个基准测试（DSQA、BrowseComp、HLE、WideSearch 及新增的广度研究基准 WANDR）中拿下四项第一，尤其在 WANDR 上相对提升达 45%。
为什么重要
传统上，AI 智能体处理复杂研究任务时只能通过反复调整搜索词来进行多轮人工式的 API 调用，面临架构僵化、上下文窗口被无关信息填充等痛点。SaC 首次将搜索基础设施抽象为可编程的 I/O 层，让大模型从“调用工具”进化为“编写工具”。这意味着 AI 不再受制于预先定义的搜索 API 接口，而是能根据任务需要动态构建并行查询、程序化过滤，并将高度精炼的相关结果直接注入上下文窗口，从而保证长文本研究任务的思维连续性。对搜索行业而言，这标志着“蓝色链接列表”式的传统结果页面正在被 AI 原生搜索管道所取代；对 API 提供商来说，也意味着既有的静态接口设计逻辑可能需要向“可组合函数库”方向重构。
对用户/开发者/创作者的影响
对普通用户而言，SaC 意味着未来在使用 Perplexity 进行复杂研究时，AI 能自动生成更精准、更少冗余的搜索策略，直接减少等待时间和生成结果中的噪声。对开发者而言，搜索能力不再依赖固定的 API 端点，而是可以通过 SDK 暴露的原子函数自由组合出定制化的搜索逻辑，这尤其利好需要批量处理情报分析、漏洞追踪、竞品调研等场景的专业团队。对创作和研究类用户来说，85% 的 Token 减少意味着在相同资源下可以获得更长的上下文连续推理，例如一次性追踪多家厂商的安全公告或跨年份的产品迭代日志。目前该功能正在 Perplexity Computer 端逐步推送，尚未公布全量开放时间表。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，SaC 是否会在 Perplexity 网页版及移动端全面落地，以及新增的 WANDR 基准测试是否会成为行业评估搜索型 AI Agent 的新标准。第二，是否会引起 Google、Microsoft 等搜索巨头在 AI 搜索架构上的跟进，或者催生一批基于可编程搜索 SDK 的第三方工具生态。第三，安全沙箱层的设计能否有效防止 AI 生成恶意搜索代码或泄露敏感数据，尤其是在企业级部署场景下，目前公开信息显示 Perplexity 已内置隔离运行时环境，但具体安全边界仍有待第三方审计验证。
来源：AIbase
