كيفية استخدام Perplexica: دليل كامل ومبسط لعام 2025
إذا كنت تتطلع إلى إجابات الذكاء الاصطناعي بأسلوب Perplexity ولكنك تريد تحكمًا كاملاً، فإن Perplexica هي المسار مفتوح المصدر—مستضافة ذاتيًا، صديقة للخصوصية، وقادرة بشكل مدهش. في هذا الدليل، سنتناول ماهية Perplexica، وكيفية تثبيتها، وكيفية تكوين المزودين والنماذج، وكيفية استخدامها فعليًا بشكل يومي للبحث والبرمجة واكتشاف المحتوى.
للحفاظ على الأمور عملية وموجهة نحو الحلول، سنستخدم هيكلًا يعتمد على الأسئلة مع خطوات سريعة وأمثلة للأوامر ونصائح حول استكشاف الأخطاء وإصلاحها.
بالمناسبة: يتم تطوير Perplexica بنشاط ويتم نشره عادةً باستخدام Docker. تحدد صفحة GitHub الرسمية أسرع مسار: تثبيت Docker، استنساخ المستودع، وتشغيل عبر Docker Compose. للحصول على نظرة عامة على المجتمع والنتائج الرئيسية للاستضافة الذاتية، راجع هذا الشرح التفصيلي حول تشغيل Perplexica مع Ollama. يوجد أيضًا موضوع نشط للاستضافة الذاتية يناقش الإعداد بأمر واحد والصور المعدة مسبقًا.
ما هي Perplexica؟
Perplexica هي محرك بحث مدعوم بالذكاء الاصطناعي ومستضاف ذاتيًا يجمع بين البحث في الويب ونماذج اللغة الكبيرة لإنتاج إجابات موجزة ومستندة إلى المصادر. فكر في الأمر: اطرح سؤالاً معقدًا، وسيقوم بالبحث في الويب وقراءة مصادر متعددة وتجميع استجابة واضحة مع الاستشهادات. يتم وضعه كبديل مفتوح لأدوات نمط Perplexity، ولكنك تقوم بتشغيله محليًا أو على الخادم الخاص بك لتحقيق الشفافية والتحكم.
الأفكار الرئيسية:
- تحكم محلي أو مستضاف ذاتيًا باستخدام Docker
- يستخدم مزودي البحث/البيانات المفضلين لديك (مثل Brave، SerpAPI، Google CSE—قابل للتكوين)
- يعمل مع نماذج لغوية كبيرة محلية أو عن بعد (مثل، من خلال Ollama أو النماذج القائمة على API)
- واجهة مستخدم ويب للاستعلامات الطبيعية، بالإضافة إلى "أوضاع" مركزة مثل Web/Scholar/YouTube اعتمادًا على التكوين
لمن Perplexica؟
- الباحثون الذين يريدون ملخصات متعددة المصادر مع الاستشهاد
- المهندسون الذين يفضلون النماذج اللغوية الكبيرة المحلية مع استرجاع الويب
- الفرق التي تحتاج إلى الخصوصية والتحكم في التكاليف
- المستخدمون المتقدمون الذين يستبدلون أدوات نمط Perplexity بشيء مستضاف ذاتيًا
بداية سريعة: أسرع طريقة لتشغيل Perplexica
إليك التدفق النموذجي بناءً على المستودع الرسمي:
- تثبيت Docker و Docker Compose
- اختياري: تثبيت Ollama إذا كنت ترغب في استخدام نماذج محلية (مثل
llama3، mistral، qwen)
- انسخ ملف البيئة النموذجي إذا كان متوفرًا (مثل
.env.example → .env).
- أضف أي مفاتيح بحث/API (Brave، Serper، Tavily، Bing، Google CSE، إلخ).
- تكوين مزود LLM: نقطة نهاية Ollama المحلية أو API (OpenAI/متوافق) اعتمادًا على الإعداد الخاص بك.
- تشغيل باستخدام Docker Compose
- يبدأ هذا الخدمات الضرورية. بعد دقيقة، يجب أن تكون واجهة مستخدم الويب متاحة على منفذ المضيف المحلي المطبوع (عادةً ` أو كما هو محدد في وثائق المستودع).
- اختياري: سحب نموذج محلي عبر Ollama
# تثبيت Ollama (راجع ollama.com لنظام التشغيل الخاص بك)
ollama pull llama3
# أو نموذج مدعوم آخر
- وجه تكوين LLM الخاص بـ Perplexica إلى نقطة نهاية Ollama الخاصة بك (غالبًا
من Docker على macOS/Windows أو على Linux). يشرح الشرح التفصيلي للاستضافة الذاتية هذا الاقتران.
جولة التشغيل الأولى: استخدام واجهة مستخدم الويب الخاصة بـ Perplexica
بمجرد تشغيل واجهة المستخدم، سترى مربع بحث مشابهًا لمحركات بحث الذكاء الاصطناعي الحديثة.
- اطرح سؤالاً باللغة الطبيعية: "ما هي أحدث المعايير لقواعد بيانات المتجهات في عام 2025؟"
- اختر تركيزًا/وضعًا إذا كان متاحًا: الويب أو الأكاديمي/الباحث أو YouTube أو وضع بحث أكثر عمومية—يحدد البناء والمزودون الظاهرين.
- اضغط على Enter. ستقوم Perplexica بجلب المصادر وقراءتها وصياغة ملخص مع الاستشهادات.
- قم بتوسيع الاستشهادات لفحص المصادر وتأكيد المصداقية.
نصائح:
- استخدم مطالبات محددة: أضف قيودًا مثل "قارن بين الأساليب" أو "ضع قائمة بالإيجابيات/السلبيات" أو "قدم ملخصًا من 200 كلمة مع 3 نقاط رئيسية."
- بالنسبة لموضوعات البرمجة، اطلب مقتطفات خطوة بخطوة واربطها بالمستندات الأصلية.
- بالنسبة لمقاطع الفيديو (إذا تم تمكين وضع YouTube)، اطلب "تلخيص أحدث برنامج تعليمي لهذه القناة حول X."
كيفية تكوين مزودي البحث ومفاتيح API
تعتمد Perplexica على مزود ويب/بحث واحد أو أكثر. تتضمن الخيارات الشائعة Brave Search و Serper/SerpAPI (نتائج تشبه Google) و Bing Web Search و Tavily و Google Custom Search Engine (CSE). ستقوم بتزويد مفاتيح API في ملف .env الخاص بك.
المتغيرات النموذجية التي قد تراها في .env:
- BRAVE_API_KEY أو SERPER_API_KEY (أو SERPAPI_KEY)
- GOOGLE_CSE_ID و GOOGLE_CSE_API_KEY
- OLLAMA_BASE_URL (للنماذج المحلية)
- OPENAI_API_KEY أو OPENAI_COMPATIBLE_BASE_URL للنماذج السحابية
قم بتعيين ما تحتاجه فقط. يبدأ العديد من المستخدمين بمزود واحد (مثل Brave أو Tavily) ونموذج لغوي كبير واحد (Ollama أو نقطة نهاية متوافقة مع OpenAI)، ثم يقومون بالتوسع.
اختيار وضبط النموذج الخاص بك
يمكنك تشغيل Perplexica مع:
- نماذج محلية عبر Ollama: صديقة للخصوصية ومجانية لكل استعلام؛ تعتمد السرعة/الجودة على وحدة معالجة الرسومات/وحدة المعالجة المركزية وحجم النموذج.
- نماذج سحابية عبر API: عادة ما تكون أسرع وأقوى للمهام المعقدة ولكنها تتكبد تكلفة استخدام.
توصيات:
- أجهزة خفيفة:
mistral:7b أو llama3:8b عبر Ollama للأسئلة والأجوبة العامة.
- أجهزة متوسطة/عالية: متغيرات
llama3:70b أو qwen2 إذا كنت بحاجة إلى استدلال أقوى.
- مدعومة بواجهة برمجة التطبيقات: ضع في اعتبارك النماذج المتوافقة مع OpenAI لاستعلامات البحث الأثقل.
في إعدادات Perplexica أو .env، وجه النموذج الافتراضي إلى LLM الذي اخترته. إذا كان البناء الخاص بك يدعم نماذج متعددة، فيمكنك التبديل لكل جلسة.
مطالبة ذكية لإجابات أفضل
استخدم هذه الأنماط لتحسين الإخراج:
- طلب الأدلة: "استشهد بـ 3-5 مصادر ذات سمعة طيبة مع روابط. لخص الاتفاقيات والخلافات."
- إخراج منظم: "أرجع ملخصًا من 5 نقاط متبوعًا بجدول مقارنة."
- القيود: "اجعله أقل من 150 كلمة. ثم أضف قائمة تحقق من 3 عناصر."
- التحكم في النطاق: "ركز على تطورات 2024-2025 فقط وتخطى المصادر ذات الجدران المدفوعة."
أمثلة لسير العمل
- المطالبة: "قارن بين Notion و Obsidian لفرق البحث. قدم الإيجابيات/السلبيات والتسعير وتحديثات 2025 مع الاستشهادات."
- النتيجة: شبكة موجزة من المقايضات مع روابط إلى المصادر الأولية.
- المطالبة: "كيفية إضافة تتبع OpenTelemetry في تطبيق FastAPI؟ قم بتضمين مقتطفات التعليمات البرمجية والارتباط بالمستندات الرسمية."
- النتيجة: رمز خطوة بخطوة بالإضافة إلى مراجع رسمية.
- المطالبة: "لخص تطورات دافع الأيونات (2023-2025). قم بتضمين 4 مصادر تمت مراجعتها من قبل الزملاء ولاحظ المشكلات المفتوحة."
- النتيجة: توليفة مدعومة بالورق مع أسئلة مفتوحة.
- استخراج معرفة الفيديو (إذا تم تمكينه)
- المطالبة: "لخص النقاط الرئيسية من مقاطع الفيديو الخاصة بالأسبوع الماضي حول 'أنماط Rust غير المتزامنة'. قم بتضمين الطوابع الزمنية إذا كانت متوفرة."
نصائح حول استكشاف الأخطاء وإصلاحها والأداء
- Docker لا يمكنه العثور على النموذج: تأكد من تشغيل Ollama وأن عنوان URL الأساسي يمكن الوصول إليه من داخل Docker. على macOS/Windows، جرب
host.docker.internal بدلاً من localhost.
- نتائج بحث فارغة: تحقق من مفتاح API الخاص بالموفر وحصته. حاول التبديل إلى موفر آخر أو تمكين موفر ثانٍ كبديل.
- استجابات بطيئة: استخدم نموذجًا محليًا أصغر؛ تقليل عدد الصفحات المستردة؛ أو التبديل إلى نموذج API للاستعلامات الثقيلة.
- ارتفاعات الذاكرة: حدد المهام المتزامنة أو قلل نافذة السياق إذا كانت قابلة للتكوين.
- الاستشهادات مفقودة: شدد مطالبتك ("قم بتضمين روابط المصدر مع العناوين") أو تحقق من أن الوضع يدعم استخراج الروابط.
عناصر التحكم في الخصوصية والتكلفة
- قم بتشغيل النماذج المحلية فقط عبر Ollama للحفاظ على المحتوى على جهازك.
- اختر موفري خدمة بأسعار معقولة أو مستويات مجانية (قد تختلف متغيرات Brave/Tavily/Serper حسب الحصة).
- قم بتخزين النتائج مؤقتًا إذا كان Perplexica يدعم ذلك في البناء الخاص بك؛ ستقلل المكالمات المكررة.
تحديث Perplexica
- اسحب أحدث تغييرات المستودع وقم بإعادة تحميل الحاويات الخاصة بك:
git pull
docker compose pull
docker compose up -d --build
- تحقق من ملاحظات الإصدار في مستودع GitHub بحثًا عن تغييرات كبيرة أو خيارات موفر جديدة.
عمليات التكامل وخيارات واجهة المستخدم
- يقوم العديد من المستخدمين بإقران Perplexica مع Ollama للحصول على مكدس محلي بالكامل. راجع هذا الشرح التفصيلي للاستضافة الذاتية للحصول على توصيلات عملية ومزالق.
- غالبًا ما تشارك منشورات المجتمع مقتطفات Docker Compose وقوالب البيئة والصور المعدة مسبقًا للإعداد بأمر واحد.
متى تفضل Perplexica على البدائل المستضافة
- أنت بحاجة إلى إمكانية إعادة الإنتاج والسجلات المحلية والتكوينات الشفافة
- تحظر مؤسستك أدوات الذكاء الاصطناعي الخارجية
- أنت تريد تجربة نماذج لغوية كبيرة مختلفة أو إعدادات استرجاع
- أنت تهتم بإمكانية التنبؤ بالتكلفة والخصوصية
جدير بالذكر: استخدام Sider.AI جنبًا إلى جنب مع Perplexica
نقاط الصلة: 8/10
إذا كنت تقضي الكثير من الوقت في طرح أسئلة بحثية ثم تحويل النتائج إلى محتوى (موجزات ومسودات مدونات وملاحظات الشرائح)، فإن إقران Perplexica بمساحة عمل للكتابة/التحليل يمكن أن يسرع الأمور. جدير بالذكر: يتيح لك Sider.AI صياغة إصدارات متعددة من نتائجك وتحريرها ومقارنتها بسرعة داخل محرر نظيف. بعد أن تكشف Perplexica عن المصادر والملخصات، الصق الاستشهادات ودع Sider يساعدك في الهيكل والنبرة واللمعان - خاصةً للمخططات التفصيلية الطويلة أو ملخصات أصحاب المصلحة.
النقاط الرئيسية
- Perplexica هو محرك بحث بالذكاء الاصطناعي مستضاف ذاتيًا يقوم بتجميع الإجابات مع الاستشهادات.
- قم بتشغيله بسرعة باستخدام Docker؛ تكوين المزودين والنماذج في
.env.
- استخدم Ollama للاستدلال المحلي والخاص—أو نماذج API للسرعة/الجودة.
- تحسين النتائج باستخدام المطالبات المنظمة والأوضاع المركزة.
- إدارة التكاليف عن طريق اختيار المزودين بعناية والتخزين المؤقت حيثما أمكن ذلك.
قائمة تحقق سريعة للبدء
- استنساخ المستودع وإعداد
.env
- اختر مزود البحث الخاص بك و LLM (Ollama أو API)
- افتح واجهة المستخدم وقم بتشغيل الاستعلام الأول
- كرر المطالبات وخيارات المزود/النموذج
أسئلة وأجوبة
س1: ما هي Perplexica وكيف تختلف عن Perplexity؟
Perplexica هو محرك بحث بالذكاء الاصطناعي مفتوح المصدر ومستضاف ذاتيًا تقوم بتشغيله محليًا أو على خادم، في حين أن Perplexity هي خدمة مستضافة. مع Perplexica، يمكنك اختيار المزودين والنماذج والتحكم في الخصوصية ويمكنك استخدام LLMs المحلي عبر Ollama بتكلفة صفر لكل استعلام.
س2: كيف أقوم بتثبيت Perplexica باستخدام Docker؟
استنسخ المستودع الرسمي، وقم بتكوين .env الخاص بك باستخدام مفاتيح API وإعدادات LLM، ثم قم بتشغيل docker compose up -d. ستكون واجهة مستخدم الويب متاحة على المنفذ الذي تم تكوينه؛ راجع ملف GitHub readme للحصول على خطوات وتحديثات دقيقة.
س3: هل يمكن لـ Perplexica استخدام نماذج محلية مثل Llama 3 عبر Ollama؟
نعم. قم بتثبيت Ollama، واسحب نموذجًا (مثل ollama pull llama3)، ووجه عنوان URL الأساسي LLM الخاص بـ Perplexica إلى نقطة نهاية Ollama. يتيح ذلك الاستدلال المحلي الخاص بدون رسوم استخدام API.
س4: ما هي مزودات البحث التي تعمل مع Perplexica؟
تدعم Perplexica العديد من المزودين مثل Brave و Serper/SerpAPI و Bing و Tavily و Google CSE، اعتمادًا على البناء الخاص بك. أضف مفاتيح API المقابلة في .env الخاص بك وحدد مزودًا افتراضيًا.
س5: كيف يمكنني تحسين جودة الإجابة في Perplexica؟
كن محددًا في المطالبات (اطلب الاستشهادات والمقارنات والقيود)، واختر نموذجًا قويًا، وقم بتمكين أكثر من مزود بحث واحد للتغطية. يمكنك أيضًا تقييد النطاق بالسنوات الأخيرة وطلب مخرجات منظمة مثل الجداول أو النقاط النقطية.
