# Perplexity 把搜索流程写成代码，让 AI 代理直接调接口，不再绕函数循环

> 原标题：Perplexity发布Search as Code搜索架构

- 来源：AI HOT 精选
- 发布时间：2026-06-01T17:53:11.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/31656
- 原文：https://x.com/perplexity_ai/status/2061506359326384319

## 摘要

Perplexity 公开了一套叫 Search as Code 的搜索架构。它的做法是让 AI 代理直接写 Python 代码去调用自家的搜索栈，而不是像以前那样一步步循环调用函数。这套东西已经上线 Perplexity Agent API，并且成了 Computer 功能的默认选项。正文没披露具体性能对比数据，但思路很直接：省掉中间环节，让搜索更快...

## 推荐理由

我会先打个折：这篇只有 Perplexity 自己的公告，没给性能对比、定价细节和实际铺开范围，所以只能算一个低配版的产品更新。但亮点很实在——Perplexity 把搜索从“调 API 拿结果”变成了“让模型写代码操作搜索栈”，并且已经接进 Agent API，这对正在搭 agent 的团队来说是个省事的信号。正文没披露延迟和成本数据，这点先别太激动。

## 锐评

Perplexity 这次公开的 Search as Code，核心思路是把搜索从“模型反复调用工具”改成“模型直接写 Python 代码调用搜索栈”。以前的做法像你让助手查资料，它得一次次翻书、记笔记、再翻书；现在相当于助手直接写了个脚本，一口气把活干了。这套东西已经上线 Perplexity Agent API，并且成了 Computer 功能的默认选项，说明他们内部对稳定性有一定信心。

但正文没披露任何性能对比数据。延迟降了多少、token 消耗省了多少、召回率有没有变化，这些关键指标一概没提。没有数字，就只能当架构思路看，不能直接当省钱省时的承诺。另外，代码生成本身也会引入新的出错可能，比如语法错误或逻辑 bug，正文也没说他们怎么兜底。

对做 agent 搜索的团队来说，这个方向值得跟，但现阶段更像一个工程优化方案，不是范式级突破。等他们放出 benchmark 或者第三方复现结果，再判断实际收益不迟。