Perplexity описали Search as Code - новый подход к поиску для AI-агентов
Агенту мало один раз вызвать поиск и получить готовую выдачу.
В сложных задачах ему нужно самому собирать стратегию:
где искать
как разветвлять запросы
как фильтровать и проверять источники
что сохранить промежуточно
что вообще не тащить в контекст модели
В архитектуре Perplexity агент генерирует Python-код, запускает его в защищенной песочнице и через SDK управляет отдельными частями поискового стека:
search - поиск
ranking - ранжирование
filtering - фильтрация
deduplication - удаление дублей
aggregation - сборка результата
Для задач вроде расследований, поиска уязвимостей или широкого ресерча это намного удобнее, чем гонять десятки отдельных вызовов поиска через модель.
Самый показательный пример из статьи - задача по CVE.
Агенту нужно было найти больше 200 серьезных уязвимостей, подтвердить каждую через вендорский advisory, указать продукт и версию исправления.
Результат: SaC получил 100% точности и снизил расход токенов на 85.1% относительно базового подхода.
Чат