经过 普拉加蒂·朱恩朱恩瓦拉-2024 年 6 月 9 日

Reddit

投票

翻动

分享

鸣叫

0分享

在当今的信息时代，寻找所需的特定信息就像大海捞针。搜索引擎是节省时间和精力的强大工具。尽管现有的搜索引擎可以访问大量信息，但无法提供有效的结果。最近推出的开源项目 Perplexica 解决了传统搜索引擎在根据用户意图提供相关且有见地的结果方面的局限性。传统搜索引擎通常依赖于基于关键字的方法，这些方法可能无法完全理解用户的查询或提供全面的信息。该项目受到 Perplexity AI 的启发，旨在提供一种可定制、透明且开源的替代方案，利用先进的 AI 技术来增强搜索功能。

当前的搜索方法主要使用基于关键字的算法，将搜索词与索引网页进行匹配。这些方法对于简单的查询很有效，但通常无法理解复杂或与上下文相关的查询。专有的人工智能搜索引擎（如 Perplexity AI）已尝试通过使用高级语言模型来提供更多上下文感知和细致入微的结果，以解决这些限制。然而，这些解决方案存在一些问题，例如缺乏透明度、潜在的供应商锁定以及由于数据在第三方服务器上处理而产生的隐私问题。

🔥 miniCON 虚拟会议：免费注册 + 出席证书 + 3 小时简短活动（4 月 12 日，太平洋标准时间上午 9 点至下午 12 点）[赞助]

提出的解决方案是Perplexica，这是一种开源的人工智能解决方案，可以深入互联网寻找答案。它强调透明度和用户控制，允许在本地进行搜索，从而保护隐私。该工具旨在利用各种开源大型语言模型 (LLM)，例如 Mixtral 甚至 Gemini，来提供相关且有见地的结果。

Perplexica 支持使用各种开源 LLM，使其能够有效地理解和处理用户查询。这些模型分析查询背后的上下文和意图，从而提供更准确、更有见地的响应。它使用搜索后端集成。该工具可能与 SearxNG 等开源搜索引擎集成，这些搜索引擎会抓取和索引各种网络内容。通过利用这些后端，Perplexica 可以从不同来源访问大量信息。Perplexica 使用信息检索技术来获取相关网页。然后，这些页面由 LLM 处理，LLM 根据用户的查询提取关键点和相关信息。这涉及相关性评分和排名算法，以确保首先显示最相关的结果。

Perplexica 提供各种焦点模式，以更好地回答特定类型的问题。目前，共有六种模式，即全部模式、写作助手模式、学术搜索模式：查找文章和论文、YouTube 搜索模式和 Wolfram Alpha 搜索模式。每种模式都针对特定的搜索目的量身定制。例如，“写作助手模式”优先提供相关信息和写作建议，而“学术搜索模式”则侧重于过滤学术资源。这种定制通过提供与当前特定任务上下文相关的结果来增强用户体验。Perplexica 的性能虽然尚未明确量化，但可以推断，基于其对 LLM 的高级使用和强大的搜索后端集成，其竞争力很强。

总之，Perplexica 是一款高效、透明且开源的搜索工具，它解决了传统和专有 AI 搜索引擎中搜索相关性不足和隐私问题。它能够处理复杂的查询并提供上下文感知结果，再加上可以在本地运行搜索的选项，使它脱颖而出，成为 Perplexity AI 等模型的有效替代方案。该工具的未来目标（如副驾驶模式以及发现和历史记录保存功能）使其成为寻求更好地控制搜索数据和体验的用户的有前途的工具。

普拉加蒂·朱恩朱恩瓦拉

+ 帖子

Pragati Jhunjhunwala 是 MarktechPost 的咨询实习生。她目前正在印度理工学院 (IIT) Kharagpur 分校攻读理学学士学位。她是一名技术爱好者，对软件和数据科学应用领域有着浓厚的兴趣。她一直在阅读有关人工智能和机器学习不同领域的发展动态。