Perplexity发布Search as Code架构，AI搜索进入Agent基础设施时代

从函数调用到代码生成：搜索范式的根本重塑

传统搜索架构在AI Agent时代遇到瓶颈：模型需要循环调用搜索API，每次调用都消耗大量token且效率低下。Perplexity的Search as Code架构将检索、排序、过滤、渲染等环节作为原子化组件暴露给模型，模型生成Python代码一次性组装执行，大幅提升效率。

https://www.chooseai.net/uploads/2026/06/Perplexity-Search-as-Code-architecture-2026.jpg'/>

三层架构：模型层、计算沙箱与Agentic Search SDK

SaC架构包含三层：模型层作为控制平面负责理解指令和生成执行代码；计算沙箱提供确定性的代码执行环境，支持异步并行和条件分支；Agentic Search SDK作为底层基础设施的编程接口。模型能够访问搜索栈最底层的构建块，包括候选列表和排序信号等中间状态，实现实时优化检索策略。

85%的Token消耗降低与100%准确率

在某个CVE漏洞研究任务中，SaC架构相比传统函数调用方式减少了85%的token使用量，同时保持了100%的准确率。该架构已集成至Perplexity Agent API，并作为默认模式应用于Perplexity Computer产品。