Bỏ qua tới nội dung chính
Quay lại tin tức

Tính năng "Search as Code" của Perplexity cho phép các mô hình AI tự viết các quy trình tìm kiếm thay vì gọi các API cố định.

The Decoder· Jonathan Kemper· 7/6/2026general

Kiến trúc "Search as Code" mới của Perplexity loại bỏ các API tìm kiếm cứng nhắc và cho phép các mô hình AI tự viết các quy trình tìm kiếm bằng Python. Bằng cách để tác nhân tự xử lý việc lọc và loại bỏ trùng lặp trong môi trường sandbox, hệ thống này đã vượt qua OpenAI và Anthropic trên các tiêu chuẩn chính, đồng thời giảm chi phí token tới 85%. Bài viết Perplexity's "Search as Code" lets AI models write their own search pipelines instead of calling fixed APIs xuất hiện lần đầu trên The Decoder.

Nghiên cứu AI Sao chép URL vào khay nhớ tạm Chia sẻ bài viết này Đi đến phần bình luận "Search as Code" của Perplexity cho phép các mô hình AI tự viết quy trình tìm kiếm thay vì gọi các API cố định. Jonathan Kemper Xem hồ sơ LinkedIn của Jonathan Kemper Ngày 7/6/2026 Nano Banana Pro được gợi ý bởi THE DECODER Thay vì gọi một API tìm kiếm có sẵn, các mô hình trong kiến trúc "Search as Code" mới của Perplexity sẽ tự viết quy trình làm việc tìm kiếm dưới dạng mã Python. Công ty hứa hẹn kết quả chính xác hơn và giảm mức sử dụng token. Bất cứ ai đã từng chứng kiến một tác nhân AI giải quyết một nhiệm vụ nghiên cứu phức tạp đều thấy cùng một mô hình. Mô hình viết một truy vấn, một API tìm kiếm trả về danh sách kết quả, mô hình đọc chúng, và sau đó viết truy vấn tiếp theo. Vòng lặp này lặp lại, thường là nhiều lần liên tiếp. Perplexity gọi đây là một nút thắt cổ chai trong một báo cáo kỹ thuật mới. Các công cụ tìm kiếm ngày nay được xây dựng cho con người, những người muốn có một danh sách các liên kết màu xanh gọn gàng, nhưng đối với một tác nhân AI đang cố gắng thực hiện hàng trăm tìm kiếm trong vài phút, thiết lập đó quá cứng nhắc. Tác nhân chỉ có thể điều chỉnh thuật ngữ tìm kiếm; mọi thứ khác là một hộp đen. Thay vì truy vấn một công cụ tìm kiếm cứng nhắc qua nhiều vòng, Search as Code cho phép mô hình xây dựng một quy trình tùy chỉnh ngay lập tức bằng cách sử dụng các nguyên thủy tìm kiếm cơ bản. | Hình ảnh: Perplexity "Search as Code" (SaC) thay đổi động lực đó. Thay vì gọi API, mô hình viết một tập lệnh Python tùy chỉnh để chạy tìm kiếm. Tập lệnh chạy trong một môi trường sandbox an toàn, lấy dữ liệu từ phần phụ trợ tìm kiếm của Perplexity. Các thao tác cơ bản như truy xuất, lọc, loại bỏ trùng lặp và xếp hạng lại được đóng gói dưới dạng các hàm SDK đơn giản. Ba lớp: mô hình, sandbox, SDK Kiến trúc được chia thành ba lớp. Ở trên cùng là mô hình, hiểu nhiệm vụ và quyết định chiến lược tìm kiếm. Ở giữa là sandbox nơi mã chạy. Ở dưới cùng là "Agentic Search SDK", chia công cụ tìm kiếm của Perplexity thành các hàm riêng lẻ, có thể kết hợp. Kiến trúc kết hợp mô hình, một sandbox và Agentic Search SDK, cung cấp cho mã được tạo quyền truy cập cấp thành phần vào cơ sở hạ tầng tìm kiếm. | Hình ảnh: Perplexity Các API tìm kiếm tiêu chuẩn vẫn có sẵn cho các câu hỏi nhanh. Nhưng đối với nghiên cứu khó khăn, mô hình có thể đi sâu hơn nhiều. Nó có thể thực hiện các truy vấn song song, lọc bỏ nhiễu một cách có lập trình và chỉ kéo các kết quả phù hợp vào cửa sổ ngữ cảnh của nó. Theo Perplexity, đó là nơi chiến thắng. Các quy trình tìm kiếm tiêu chuẩn nhồi nhét cửa sổ ngữ cảnh của tác nhân bằng những thứ không cần thiết vì logic lọc bị khóa. Khi tác nhân tự viết bộ lọc của mình, ngữ cảnh vẫn gọn gàng và mô hình giữ được định hướng trong các phiên nghiên cứu dài. Nghiên cứu CVE cho thấy sự khác biệt Để minh họa cách hoạt động này trong thế giới thực, Perplexity đã thử nghiệm nó trên một nhiệm vụ an ninh mạng phức tạp. Một tác nhân phải theo dõi 200 lỗ hổng phần mềm nghiêm trọng (CVE) được công bố từ năm 2023 đến năm 2025. Đối với mỗi lỗ hổng, nó cần tìm thông báo chính thức của nhà cung cấp, phần mềm bị ảnh hưởng và phiên bản chính xác đã vá lỗi. Các bài báo hoặc bài đăng trên blog không được tính. Với SaC, mô hình đã viết một kịch bản ba giai đoạn. Nó chạy các tìm kiếm song song được điều chỉnh theo cách các nhà cung cấp cụ thể như Mozilla hoặc Google định dạng các bản tin bảo mật của họ. Tiếp theo, nó quét các phát hiện của chính mình, phát hiện ra những khoảng trống và chạy các truy vấn theo dõi có mục tiêu. Cuối cùng, nó sử dụng một lược đồ để xác minh rằng CVE, sản phẩm và phiên bản sửa lỗi đều khớp nhau. Điều này đã thành công. Perplexity cho biết tác nhân đã hoàn thành nhiệm vụ trong khi sử dụng ít hơn 85% token so với quy trình tiêu chuẩn của nó. Các hệ thống cạnh tranh chỉ đạt được chưa đến một phần tư dữ liệu chính xác. Trong bộ điểm chuẩn của Perplexity, Search as Code dẫn đầu ở bốn trong năm hạng mục và gần như ngang bằng với OpenAI chỉ ở HLE. | Hình ảnh: Perplexity Perplexity tuyên bố SaC đã đánh bại các đối thủ như OpenAI's Responses API và Anthropic's Managed Agents trên bốn trong năm điểm chuẩn. Khoảng cách lớn nhất là ở "WANDR", điểm chuẩn riêng của Perplexity cho các tác vụ nghiên cứu rộng, mà họ dự định sẽ sớm phát hành. Tất nhiên, hãy xem xét các điểm chuẩn tự báo cáo một cách thận trọng, nhưng sự so sánh với kiến trúc cũ hơn của Perplexity cho thấy một bước nhảy vọt rõ ràng, lớn về hiệu suất. So với quy trình tiêu chuẩn của nó chạy trên cùng một phần cứng, Search as Code cho thấy những cải tiến đáng kể trên tất cả năm điểm chuẩn. | Hình ảnh: Perplexity Mã hóa là lớp vận hành cho AI Perplexity coi SaC là một phần của xu hướng lớn hơn. Phần mềm truyền thống dựa vào các hướng dẫn xác định. Các mô hình tiên tiến bổ sung khả năng suy luận trong không gian token. Các hệ thống có khả năng nhất kết hợp cả hai: các mô hình cho chiến lược, các thời gian chạy xác định để phân lô và lọc, và cơ sở hạ tầng tìm kiếm như một lớp I/O. Search as Code hiện đang được triển khai trong Perplexity Computer và Agent API. Nâng cấp này có thể giải quyết một vấn đề rõ ràng với tìm kiếm AI hiện tại. Một nghiên cứu gần đây cho thấy các tác nhân tìm kiếm phổ biến thường gian lận trong các điểm chuẩn như BrowseComp. Thay vì quét web trực tiếp, họ chỉ đơn giản là lấy câu trả lời từ dữ liệu đào tạo của mình và sử dụng tìm kiếm để xác nhận những gì họ đã biết. Khi được thử nghiệm trên một điểm chuẩn mới với các dữ kiện mới, mọi hệ thống đều chứng kiến điểm số của mình giảm từ 25 đến 40 điểm. Nhưng những hệ thống đó đều sử dụng các công cụ tìm kiếm tiêu chuẩn. Một bài báo khảo sát riêng biệt cho thấy việc viết mã đang trở thành cách mặc định mà các tác nhân tương tác với thế giới. Nó mô tả mã hóa là một lớp vận hành mới cho các tác nhân và lập luận rằng cơ sở hạ tầng xung quanh các công cụ, hộp cát và cơ chế xác minh đang trở thành nút thắt cổ chai thực sự cho các hệ thống tự trị. Tin tức AI không cường điệu – Được tuyển chọn bởi con người Đăng ký THE DECODER để đọc không quảng cáo, nhận bản tin AI hàng tuần, báo cáo tiên phong "AI Radar" độc quyền của chúng tôi sáu lần một năm, truy cập toàn bộ kho lưu trữ và truy cập vào phần bình luận của chúng tôi. Đăng ký ngay Đọc tiếp để có cái nhìn đầy đủ. Đăng ký để có thông tin không cường điệu. Truy cập

Nguồn tin: The Decoder — Tác giả: Jonathan Kemper. Bản dịch tiếng Việt do AI thực hiện, có thể có sai sót.