Sonar Pro Search ialah mod Pro Search Perplexity untuk Sonar Pro, yang direka bagi menjawab soalan yang memerlukan beberapa langkah pengumpulan maklumat. Mod ini boleh menjalankan carian web berulang, mengambil kandungan halaman dan menggabungkan dapatan menjadi respons berasaskan penyelidikan. Mod ini berbeza daripada laluan carian yang lebih pantas dan model Sonar Deep Research yang dinamakan secara berasingan.
Pengeluar menerangkan penyelarasan automatik carian web dan pengambilan halaman. Pengguna tidak perlu menukar setiap hasil carian menjadi pertanyaan seterusnya kerana proses carian boleh menelusuri soalan perantaraan yang diperlukan untuk jawapan. Konfigurasi yang didokumenkan menawarkan pilihan carian pro, fast dan automatic; pilihan automatic mengelaskan pertanyaan mengikut kerumitan. Ini ialah tetapan carian pengeluar, bukannya nama bagi tiga titik semak model tetap yang berbeza.
Aliran kerja Pro Search yang diterbitkan Perplexity memerlukan penstriman dan memperlihatkan proses penaakulan semasa carian berlangsung. Klien yang menerima strim pengeluar itu perlu mengekalkan urutan kandungan kemajuan dan jawapan. Jawapan penyelidikan yang selesai ialah artifak yang berguna; kemas kini kemajuan sahaja bukan penjelasan atau perbandingan lengkap yang diminta pengguna.
Sediakan soalan dengan entiti, lokasi, tempoh dan kriteria keputusan yang penting. Contohnya, perbandingan teknologi boleh menanyakan keupayaan terdokumen yang memenuhi keperluan integrasi tertentu, syarat yang berbeza antara calon dan bukti yang menyokong perbezaan itu. Hasil yang berkesan mengandungi perbandingan, bahan sumber sokongan dan soalan belum terjawab yang masih mempengaruhi pilihan.
Bagi soalan yang mempunyai beberapa kebergantungan, nyatakan objektif akhir bersama kekangannya. Siasatan projek mungkin perlu mengenal pasti dokumentasi produk yang berkaitan, membandingkan dua pendekatan pelaksanaan dan menjelaskan batasan yang terpakai dan telah diterbitkan. Minta dapatan disusun mengikut keperluan yang dijawab supaya pembaca dapat menjejaki kesimpulan kembali kepada bukti yang digunakan.
Semak penyelidikan yang dipulangkan sebagai jawapan berasaskan bukti: bezakan pernyataan nyata sumber daripada inferens model dan pastikan maklumat bercanggah atau tidak lengkap tetap kelihatan. Peranan model di sini ialah carian dan sintesis. Perubahan pada sistem luaran atau pelaksanaan cadangan kekal sebagai tindakan aplikasi yang mengelilinginya.
", "aboutText": "Sonar Pro Search ialah mod Pro Search Perplexity untuk Sonar Pro, yang direka bagi menjawab soalan yang memerlukan beberapa langkah pengumpulan maklumat. Mod ini boleh menjalankan carian web berulang, mengambil kandungan halaman dan menggabungkan dapatan menjadi respons berasaskan penyelidikan. Mod ini berbeza daripada laluan carian yang lebih pantas dan model Sonar Deep Research yang dinamakan secara berasingan.\n\nPengeluar menerangkan penyelarasan automatik carian web dan pengambilan halaman. Pengguna tidak perlu menukar setiap hasil carian menjadi pertanyaan seterusnya kerana proses carian boleh menelusuri soalan perantaraan yang diperlukan untuk jawapan. Konfigurasi yang didokumenkan menawarkan pilihan carian pro, fast dan automatic; pilihan automatic mengelaskan pertanyaan mengikut kerumitan. Ini ialah tetapan carian pengeluar, bukannya nama bagi tiga titik semak model tetap yang berbeza.\n\nAliran kerja Pro Search yang diterbitkan Perplexity memerlukan penstriman dan memperlihatkan proses penaakulan semasa carian berlangsung. Klien yang menerima strim pengeluar itu perlu mengekalkan urutan kandungan kemajuan dan jawapan. Jawapan penyelidikan yang selesai ialah artifak yang berguna; kemas kini kemajuan sahaja bukan penjelasan atau perbandingan lengkap yang diminta pengguna.\n\nSediakan soalan dengan entiti, lokasi, tempoh dan kriteria keputusan yang penting. Contohnya, perbandingan teknologi boleh menanyakan keupayaan terdokumen yang memenuhi keperluan integrasi tertentu, syarat yang berbeza antara calon dan bukti yang menyokong perbezaan itu. Hasil yang berkesan mengandungi perbandingan, bahan sumber sokongan dan soalan belum terjawab yang masih mempengaruhi pilihan.\n\nBagi soalan yang mempunyai beberapa kebergantungan, nyatakan objektif akhir bersama kekangannya. Siasatan projek mungkin perlu mengenal pasti dokumentasi produk yang berkaitan, membandingkan dua pendekatan pelaksanaan dan menjelaskan batasan yang terpakai dan telah diterbitkan. Minta dapatan disusun mengikut keperluan yang dijawab supaya pembaca dapat menjejaki kesimpulan kembali kepada bukti yang digunakan.\n\nSemak penyelidikan yang dipulangkan sebagai jawapan berasaskan bukti: bezakan pernyataan nyata sumber daripada inferens model dan pastikan maklumat bercanggah atau tidak lengkap tetap kelihatan. Peranan model di sini ialah carian dan sintesis. Perubahan pada sistem luaran atau pelaksanaan cadangan kekal sebagai tindakan aplikasi yang mengelilinginya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Synthesize a multi-source integration comparison\n\nUse these supplied documentation excerpts to compare storage choices. DOC-A: Product A supports daily snapshots and restore of an entire project. DOC-B: Product B supports hourly snapshots and restore of individual records. Our requirement is hourly recovery of one accidentally deleted record. Identify the relevant capabilities, recommend the better-documented fit and list unresolved retention and access questions.A requirement-led comparison citing DOC-A and DOC-B, a recommendation and explicit gaps in the supplied evidence.The answer links both snapshot frequency and restore granularity to the requirement and does not invent retention limits.perplexity/sonar-pro-searchSonar Pro Search daripada Perplexity ialah mod carian berbilang langkah Sonar Pro. Mod ini menggabungkan carian web berulang dan pengambilan halaman dengan penaakulan untuk membina jawapan berasaskan penyelidikan, dengan kemajuan distrim dalam aliran kerja yang didokumenkan pengeluar.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Sonar Pro Search ialah mod Pro Search Perplexity untuk Sonar Pro, yang direka bagi menjawab soalan yang memerlukan beberapa langkah pengumpulan maklumat. Mod ini boleh menjalankan carian web berulang, mengambil kandungan halaman dan menggabungkan dapatan menjadi respons berasaskan penyelidikan. Mod ini berbeza daripada laluan carian yang lebih pantas dan model Sonar Deep Research yang dinamakan secara berasingan.
Pengeluar menerangkan penyelarasan automatik carian web dan pengambilan halaman. Pengguna tidak perlu menukar setiap hasil carian menjadi pertanyaan seterusnya kerana proses carian boleh menelusuri soalan perantaraan yang diperlukan untuk jawapan. Konfigurasi yang didokumenkan menawarkan pilihan carian pro, fast dan automatic; pilihan automatic mengelaskan pertanyaan mengikut kerumitan. Ini ialah tetapan carian pengeluar, bukannya nama bagi tiga titik semak model tetap yang berbeza.
Aliran kerja Pro Search yang diterbitkan Perplexity memerlukan penstriman dan memperlihatkan proses penaakulan semasa carian berlangsung. Klien yang menerima strim pengeluar itu perlu mengekalkan urutan kandungan kemajuan dan jawapan. Jawapan penyelidikan yang selesai ialah artifak yang berguna; kemas kini kemajuan sahaja bukan penjelasan atau perbandingan lengkap yang diminta pengguna.
Sediakan soalan dengan entiti, lokasi, tempoh dan kriteria keputusan yang penting. Contohnya, perbandingan teknologi boleh menanyakan keupayaan terdokumen yang memenuhi keperluan integrasi tertentu, syarat yang berbeza antara calon dan bukti yang menyokong perbezaan itu. Hasil yang berkesan mengandungi perbandingan, bahan sumber sokongan dan soalan belum terjawab yang masih mempengaruhi pilihan.
Bagi soalan yang mempunyai beberapa kebergantungan, nyatakan objektif akhir bersama kekangannya. Siasatan projek mungkin perlu mengenal pasti dokumentasi produk yang berkaitan, membandingkan dua pendekatan pelaksanaan dan menjelaskan batasan yang terpakai dan telah diterbitkan. Minta dapatan disusun mengikut keperluan yang dijawab supaya pembaca dapat menjejaki kesimpulan kembali kepada bukti yang digunakan.
Semak penyelidikan yang dipulangkan sebagai jawapan berasaskan bukti: bezakan pernyataan nyata sumber daripada inferens model dan pastikan maklumat bercanggah atau tidak lengkap tetap kelihatan. Peranan model di sini ialah carian dan sintesis. Perubahan pada sistem luaran atau pelaksanaan cadangan kekal sebagai tindakan aplikasi yang mengelilinginya.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had perplexity/sonar-pro-search | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Kuantiti pengebilan | Caj |
|---|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Kuantiti pengebilan— | Caj Input · Token input $0.006 / 1K token Output · Token output $0.03 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Kuantiti pengebilan— | Caj Input · Token input $0.006 / 1K token Output · Token output $0.03 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiBagi setiap permintaan | Jadual kadar— | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Kuantiti pengebilansatu permintaan | Caj Input $0.036 bagi setiap permintaan |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "perplexity/sonar-pro-search", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='perplexity/sonar-pro-search',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='perplexity/sonar-pro-search',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra perplexity/sonar-pro-search
Gunakan laluan kaedah yang dipaparkan di atas.
perplexity/sonar-pro-searchSonar Pro Search daripada Perplexity ialah mod carian berbilang langkah Sonar Pro. Mod ini menggabungkan carian web berulang dan pengambilan halaman dengan penaakulan untuk membina jawapan berasaskan penyelidikan, dengan kemajuan distrim dalam aliran kerja yang didokumenkan pengeluar.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Sonar Pro Search ialah mod Pro Search Perplexity untuk Sonar Pro, yang direka bagi menjawab soalan yang memerlukan beberapa langkah pengumpulan maklumat. Mod ini boleh menjalankan carian web berulang, mengambil kandungan halaman dan menggabungkan dapatan menjadi respons berasaskan penyelidikan. Mod ini berbeza daripada laluan carian yang lebih pantas dan model Sonar Deep Research yang dinamakan secara berasingan.
Pengeluar menerangkan penyelarasan automatik carian web dan pengambilan halaman. Pengguna tidak perlu menukar setiap hasil carian menjadi pertanyaan seterusnya kerana proses carian boleh menelusuri soalan perantaraan yang diperlukan untuk jawapan. Konfigurasi yang didokumenkan menawarkan pilihan carian pro, fast dan automatic; pilihan automatic mengelaskan pertanyaan mengikut kerumitan. Ini ialah tetapan carian pengeluar, bukannya nama bagi tiga titik semak model tetap yang berbeza.
Aliran kerja Pro Search yang diterbitkan Perplexity memerlukan penstriman dan memperlihatkan proses penaakulan semasa carian berlangsung. Klien yang menerima strim pengeluar itu perlu mengekalkan urutan kandungan kemajuan dan jawapan. Jawapan penyelidikan yang selesai ialah artifak yang berguna; kemas kini kemajuan sahaja bukan penjelasan atau perbandingan lengkap yang diminta pengguna.
Sediakan soalan dengan entiti, lokasi, tempoh dan kriteria keputusan yang penting. Contohnya, perbandingan teknologi boleh menanyakan keupayaan terdokumen yang memenuhi keperluan integrasi tertentu, syarat yang berbeza antara calon dan bukti yang menyokong perbezaan itu. Hasil yang berkesan mengandungi perbandingan, bahan sumber sokongan dan soalan belum terjawab yang masih mempengaruhi pilihan.
Bagi soalan yang mempunyai beberapa kebergantungan, nyatakan objektif akhir bersama kekangannya. Siasatan projek mungkin perlu mengenal pasti dokumentasi produk yang berkaitan, membandingkan dua pendekatan pelaksanaan dan menjelaskan batasan yang terpakai dan telah diterbitkan. Minta dapatan disusun mengikut keperluan yang dijawab supaya pembaca dapat menjejaki kesimpulan kembali kepada bukti yang digunakan.
Semak penyelidikan yang dipulangkan sebagai jawapan berasaskan bukti: bezakan pernyataan nyata sumber daripada inferens model dan pastikan maklumat bercanggah atau tidak lengkap tetap kelihatan. Peranan model di sini ialah carian dan sintesis. Perubahan pada sistem luaran atau pelaksanaan cadangan kekal sebagai tindakan aplikasi yang mengelilinginya.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had perplexity/sonar-pro-search | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Kuantiti pengebilan | Caj |
|---|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Kuantiti pengebilan— | Caj Input · Token input $0.006 / 1K token Output · Token output $0.03 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Kuantiti pengebilan— | Caj Input · Token input $0.006 / 1K token Output · Token output $0.03 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiBagi setiap permintaan | Jadual kadar— | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Kuantiti pengebilansatu permintaan | Caj Input $0.036 bagi setiap permintaan |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "perplexity/sonar-pro-search",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'perplexity/sonar-pro-search', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'perplexity/sonar-pro-search', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra perplexity/sonar-pro-search
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Synthesize a multi-source integration comparison\n\nUse these supplied documentation excerpts to compare storage choices. DOC-A: Product A supports daily snapshots and restore of an entire project. DOC-B: Product B supports hourly snapshots and restore of individual records. Our requirement is hourly recovery of one accidentally deleted record. Identify the relevant capabilities, recommend the better-documented fit and list unresolved retention and access questions.A requirement-led comparison citing DOC-A and DOC-B, a recommendation and explicit gaps in the supplied evidence.The answer links both snapshot frequency and restore granularity to the requirement and does not invent retention limits.