Perplexity推出Search as Code：智能体通过Python代码直连搜索

Perplexity 宣布在 Perplexity Agent API 与自研的 Computer 产品中全面上线全新搜索架构 Search as Code（简称 SaC）。新架构摒弃了传统智能体依赖多轮推理进行 function calling 或 MCP 工具调用的串行循环模式，改由智能体直接生成 Python 代码，调用 Agentic Search SDK 提供的模块化检索原语，在单个推理周期内并行编排数千次搜索与处理操作。传统工具调用面临高延迟、控制流受限和上下文污染痛点。SaC 允许大模型在安全计算沙箱中运行 Python 代码，动态编排并行查询、去重、过滤、合并和重排。针对跨推理周期传递中间状态的难题，团队采用持久化文件系统的显式序列化（serde）方案，相比 REPL 模式在长轨迹任务中更可靠。同时，开发团队引入了 2000 个 Token 以内的专属 Agent Skills 提示词包，指导大模型高效编排复杂的检索任务。在多项搜索基准评测中，SaC 架构均表现优异。在衡量专业宽幅检索的自研 WANDR 基准测试中，SaC 得分达 0.386，相比次优的 Anthropic 系统（0.152）提升 2.5 倍，较非 SaC 基线提升 45%。针对 200 个高危 CVE 漏洞查询的真实案例测试中，SaC 取得 100% 准确率，并比传统基线降低 85.1% 的 Token 消耗。在 DSQA 评测中，SaC 在取得 0.871 高分的同时，使中等推理级别下的每项任务费用降至 1 美元以下。[原文链接](动察 Beating)