Perplexica ব্যবহারের নিয়মাবলী: ২০২৫ সালের জন্য একটি সম্পূর্ণ, কাজের কথায় ভরা গাইড
আপনি যদি Perplexity-এর মতো AI উত্তরগুলির দিকে তাকিয়ে থাকেন কিন্তু সম্পূর্ণ নিয়ন্ত্রণ চান, তাহলে Perplexica হল ওপেন-সোর্স উপায়—যা সেল্ফ-হোস্টেড, গোপনীয়তা-বান্ধব এবং বেশ সক্ষম। এই গাইডে, আমরা Perplexica কী, এটি কীভাবে ইনস্টল করতে হয়, কীভাবে প্রদানকারী ও মডেল কনফিগার করতে হয় এবং গবেষণা, কোডিং এবং কন্টেন্ট আবিষ্কারের জন্য প্রতিদিন এটি কীভাবে ব্যবহার করতে হয় তা আলোচনা করব।
বিষয়টিকে বাস্তবসম্মত এবং সমাধান-ভিত্তিক রাখার জন্য, আমরা দ্রুত পদক্ষেপ, উদাহরণ কমান্ড এবং সমস্যা সমাধানের টিপস সহ একটি প্রশ্ন-ভিত্তিক কাঠামো ব্যবহার করব।
প্রসঙ্গত: Perplexica বর্তমানে উন্নয়নাধীন এবং সাধারণত ডকারের সাথে স্থাপন করা হয়। অফিসিয়াল GitHub readme দ্রুততম পথের রূপরেখা দেয়: ডকার ইনস্টল করুন, রেপোটি ক্লোন করুন এবং ডকার কম্পোজের মাধ্যমে চালান। একটি কমিউনিটি ওভারভিউ এবং সেল্ফ-হোস্টিংয়ের অভিজ্ঞতার জন্য, Ollama-এর সাথে Perplexica চালানোর এই ওয়াকথ্রু দেখুন। এখানে ওয়ান-কমান্ড সেটআপ এবং আগে থেকে তৈরি করা ছবি নিয়ে আলোচনা করা একটি সক্রিয় সেল্ফ-হোস্টেড থ্রেডও রয়েছে।
Perplexica কী?
Perplexica হল একটি সেল্ফ-হোস্টেড, AI-চালিত সার্চ ইঞ্জিন যা সংক্ষিপ্ত, উৎস-ভিত্তিক উত্তর তৈরি করতে ওয়েব সার্চকে বৃহৎ ভাষা মডেলগুলির সাথে একত্রিত করে। ভাবুন: একটি জটিল প্রশ্ন জিজ্ঞাসা করুন, এটি ওয়েব অনুসন্ধান করে, একাধিক উৎস পড়ে এবং উদ্ধৃতি সহ একটি স্পষ্ট প্রতিক্রিয়া তৈরি করে। এটিকে Perplexity-এর মতো সরঞ্জামগুলির একটি উন্মুক্ত বিকল্প হিসাবে স্থান দেওয়া হয়েছে, তবে স্বচ্ছতা এবং নিয়ন্ত্রণের জন্য আপনি এটি স্থানীয়ভাবে বা নিজের সার্ভারে চালাতে পারেন।
মূল ধারণা:
- ডকারের সাথে স্থানীয় বা সেল্ফ-হোস্টেড নিয়ন্ত্রণ
- আপনার পছন্দের অনুসন্ধান/ডেটা প্রদানকারী ব্যবহার করে (যেমন, Brave, SerpAPI, Google CSE—কনফিগারযোগ্য)
- স্থানীয় বা দূরবর্তী LLM-এর সাথে কাজ করে (যেমন, Ollama বা API-ভিত্তিক মডেলের মাধ্যমে)
- স্বাভাবিক প্রশ্নের জন্য ওয়েব UI, সাথে কনফিগারেশনের উপর নির্ভর করে ওয়েব/স্কলার/YouTube-এর মতো ফোকাসড “মোড”
Perplexica কাদের জন্য?
- গবেষকরা যারা উদ্ধৃতিযুক্ত, বহু-উৎস সংক্ষিপ্তসার চান
- ইঞ্জিনিয়াররা যারা ওয়েব রিট্রিভাল সহ স্থানীয় LLM পছন্দ করেন
- যে দলগুলির গোপনীয়তা এবং খরচ নিয়ন্ত্রণ প্রয়োজন
- পাওয়ার ব্যবহারকারীরা Perplexity-এর মতো সরঞ্জামগুলিকে সেল্ফ-হোস্টেড কিছু দিয়ে প্রতিস্থাপন করছেন
দ্রুত শুরু: Perplexica চালানোর দ্রুততম উপায়
এখানে অফিসিয়াল রিপোজিটরি ভিত্তিক সাধারণ প্রবাহ দেওয়া হল:
- ডকার এবং ডকার কম্পোজ ইনস্টল করা
- ঐচ্ছিক: আপনি যদি স্থানীয় মডেল ব্যবহার করতে চান তবে Ollama ইনস্টল করা (যেমন,
llama3, mistral, qwen)
- পরিবেশের ভেরিয়েবল কনফিগার করুন
- যদি উদাহরণ পরিবেশ ফাইল দেওয়া থাকে তাহলে সেটি অনুলিপি করুন (যেমন,
.env.example → .env)।
- যেকোনো অনুসন্ধান/API কী যোগ করুন (Brave, Serper, Tavily, Bing, Google CSE, ইত্যাদি)।
- আপনার সেটআপের উপর নির্ভর করে LLM প্রদানকারী কনফিগার করুন: স্থানীয় Ollama এন্ডপয়েন্ট বা API (OpenAI/কম্প্যাটিবল)।
- ডকার কম্পোজের সাথে চালু করুন
- এটি প্রয়োজনীয় পরিষেবাগুলি শুরু করে। এক মিনিট পরে, ওয়েব UI মুদ্রিত লোকালহোস্ট পোর্টে পাওয়া উচিত (সাধারণত ` অথবা রেপোর নথিতে যেমন উল্লেখ করা হয়েছে)।
- ঐচ্ছিক: Ollama-এর মাধ্যমে একটি স্থানীয় মডেল পুল করুন
# Ollama ইনস্টল করুন (আপনার OS-এর জন্য ollama.com দেখুন)
ollama pull llama3
# অথবা অন্য সমর্থিত মডেল
- আপনার Ollama এন্ডপয়েন্টে Perplexica-এর LLM কনফিগারেশন নির্দেশ করুন (প্রায়শই
macOS/Windows-এ ডকার থেকে অথবা Linux-এ)। সেল্ফ-হোস্টিং ওয়াকথ্রু এই জুড়ি তৈরি করার বিষয়টি ব্যাখ্যা করে।
প্রথম-বার ভ্রমণ: Perplexica ওয়েব UI ব্যবহার করা
UI চালু হয়ে গেলে, আপনি আধুনিক AI সার্চ ইঞ্জিনের মতোই একটি সার্চ বক্স দেখতে পাবেন।
- স্বাভাবিক ভাষায় একটি প্রশ্ন জিজ্ঞাসা করুন: “২০২৫ সালে ভেক্টর ডেটাবেসের জন্য সর্বশেষ বেঞ্চমার্কগুলি কী কী?”
- যদি উপলভ্য থাকে তবে একটি ফোকাস/মোড চয়ন করুন: ওয়েব, একাডেমিক/স্কলার, YouTube, অথবা আরও সাধারণ গবেষণা মোড—আপনার বিল্ড এবং প্রদানকারীরা নির্ধারণ করে কোনটি প্রদর্শিত হবে।
- Enter টিপুন। Perplexica উৎসগুলি আনবে, সেগুলি পড়বে এবং উদ্ধৃতি সহ একটি সারসংক্ষেপ তৈরি করবে।
- উৎসগুলি পরিদর্শন করতে এবং বিশ্বাসযোগ্যতা নিশ্চিত করতে উদ্ধৃতিগুলি প্রসারিত করুন।
টিপস:
- নির্দিষ্ট প্রম্পট ব্যবহার করুন: “তুলনা করুন,” “সুবিধা/অসুবিধা তালিকাভুক্ত করুন” বা “3টি বুলেট মূল বিষয় সহ একটি 200 শব্দের সারসংক্ষেপ দিন” এর মতো সীমাবদ্ধতা যুক্ত করুন।
- কোডিং বিষয়ের জন্য, ধাপে ধাপে স্নিপেটগুলির জন্য জিজ্ঞাসা করুন এবং মূল নথিতে ফিরে লিঙ্ক করুন।
- ভিডিওর জন্য (যদি YouTube মোড সক্ষম করা থাকে), “X-এর উপর এই চ্যানেলের সর্বশেষ টিউটোরিয়ালটি সংক্ষেপে বলুন” জিজ্ঞাসা করুন।
কীভাবে অনুসন্ধান প্রদানকারী এবং API কী কনফিগার করবেন
Perplexica এক বা একাধিক ওয়েব/অনুসন্ধান প্রদানকারীর উপর নির্ভর করে। সাধারণ বিকল্পগুলির মধ্যে রয়েছে Brave Search, Serper/SerpAPI (Google-এর মতো ফলাফল), Bing Web Search, Tavily এবং Google Custom Search Engine (CSE)। আপনি আপনার .env ফাইলে API কী সরবরাহ করবেন।
সাধারণ ভেরিয়েবল যা আপনি .env-এ দেখতে পারেন:
- BRAVE_API_KEY বা SERPER_API_KEY (অথবা SERPAPI_KEY)
- GOOGLE_CSE_ID এবং GOOGLE_CSE_API_KEY
- OLLAMA_BASE_URL (স্থানীয় মডেলের জন্য)
- ক্লাউড মডেলের জন্য OPENAI_API_KEY বা OPENAI_COMPATIBLE_BASE_URL
আপনার যা প্রয়োজন শুধুমাত্র সেটি সেট করুন। অনেক ব্যবহারকারী একটি একক প্রদানকারী (যেমন, Brave বা Tavily) এবং একটি একক LLM (Ollama বা একটি OpenAI-কম্প্যাটিবল এন্ডপয়েন্ট) দিয়ে শুরু করেন, তারপর প্রসারিত করেন।
আপনার মডেল নির্বাচন এবং টিউন করা
আপনি Perplexica চালাতে পারেন:
- Ollama-এর মাধ্যমে স্থানীয় মডেল: গোপনীয়তা-বান্ধব এবং প্রতি প্রশ্নের জন্য বিনামূল্যে; গতি/গুণমান আপনার GPU/CPU এবং মডেল আকারের উপর নির্ভর করে।
- API-এর মাধ্যমে ক্লাউড মডেল: জটিল কাজের জন্য সাধারণত দ্রুত এবং শক্তিশালী তবে ব্যবহারের খরচ লাগে।
সুপারিশ:
- হালকা হার্ডওয়্যার: সাধারণ প্রশ্নোত্তর-এর জন্য Ollama-এর মাধ্যমে
mistral:7b বা llama3:8b।
- মাঝারি/উচ্চ হার্ডওয়্যার: আপনার যদি শক্তিশালী যুক্তির প্রয়োজন হয় তবে
llama3:70b বা qwen2 ভেরিয়েন্ট।
- API-ব্যাকড: সবচেয়ে কঠিন গবেষণার প্রশ্নের জন্য OpenAI-কম্প্যাটিবল মডেলগুলি বিবেচনা করুন।
Perplexica-এর সেটিংস বা .env-এ, আপনার নির্বাচিত LLM-এ ডিফল্ট মডেলটি নির্দেশ করুন। যদি আপনার বিল্ড একাধিক মডেল সমর্থন করে তবে আপনি প্রতি সেশনে পরিবর্তন করতে পারেন।
আরও ভাল উত্তরের জন্য স্মার্ট প্রম্পটিং
আউটপুট উন্নত করতে এই প্যাটার্নগুলি ব্যবহার করুন:
- প্রমাণ অনুরোধ: “লিঙ্ক সহ 3–5টি স্বনামধন্য উৎস উল্লেখ করুন। চুক্তি এবং মতবিরোধের সংক্ষিপ্তসার দিন।”
- গঠনবদ্ধ আউটপুট: “5-দফা সারসংক্ষেপ দিন এবং তারপরে একটি তুলনা টেবিল দিন।”
- সীমাবদ্ধতা: “150 শব্দের মধ্যে রাখুন। তারপর 3-আইটেমের একটি চেকলিস্ট যুক্ত করুন।”
- স্কোপ নিয়ন্ত্রণ: “শুধুমাত্র 2024–2025 সালের উন্নয়নের উপর ফোকাস করুন এবং পেওয়ালযুক্ত উৎসগুলি এড়িয়ে যান।”
উদাহরণ ওয়ার্কফ্লো
- প্রম্পট: “গবেষণা দলগুলির জন্য Notion বনাম Obsidian তুলনা করুন। সুবিধা/অসুবিধা, মূল্য এবং উদ্ধৃতি সহ ২০২৫ সালের আপডেটগুলি দিন।”
- ফলাফল: প্রাথমিক উৎসের লিঙ্ক সহ ট্রেডঅফের একটি সংক্ষিপ্ত গ্রিড।
- প্রম্পট: “কীভাবে একটি FastAPI অ্যাপে OpenTelemetry ট্রেসিং যোগ করবেন? কোড স্নিপেট অন্তর্ভুক্ত করুন এবং অফিসিয়াল ডক্সে লিঙ্ক করুন।”
- ফলাফল: ধাপে ধাপে কোড এবং অফিসিয়াল রেফারেন্স।
- প্রম্পট: “আয়ন থ্রাস্টার অগ্রগতির সংক্ষিপ্তসার দিন (2023–2025)। 4টি পিয়ার-রিভিউ করা উৎস অন্তর্ভুক্ত করুন এবং খোলা সমস্যাগুলি নোট করুন।”
- ফলাফল: খোলা প্রশ্ন সহ কাগজ-সমর্থিত সংশ্লেষণ।
- ভিডিও জ্ঞান মাইনিং (যদি সক্ষম করা থাকে)
- প্রম্পট: “'Rust async patterns'-এর উপর গত সপ্তাহের ভিডিওগুলি থেকে মূল বিষয়গুলি সংক্ষেপে বলুন। যদি উপলভ্য থাকে তবে টাইমস্ট্যাম্প অন্তর্ভুক্ত করুন।”
সমস্যা সমাধান এবং পারফরম্যান্স টিপস
- ডকার মডেল খুঁজে পাচ্ছে না: নিশ্চিত করুন যে Ollama চলছে এবং ডকারের ভেতর থেকে বেস URL অ্যাক্সেসযোগ্য। macOS/Windows-এ,
localhost-এর পরিবর্তে host.docker.internal চেষ্টা করুন।
- খালি অনুসন্ধানের ফলাফল: প্রদানকারীর API কী এবং কোটা যাচাই করুন। অন্য প্রদানকারীতে স্যুইচ করার চেষ্টা করুন বা ফলব্যাক হিসাবে দ্বিতীয় একটি সক্ষম করুন।
- ধীর প্রতিক্রিয়া: একটি ছোট স্থানীয় মডেল ব্যবহার করুন; পুনরুদ্ধার করা পৃষ্ঠাগুলির সংখ্যা হ্রাস করুন; অথবা ভারী প্রশ্নের জন্য একটি API মডেলে স্যুইচ করুন।
- মেমরি স্পাইক: কনকারেন্ট টাস্ক সীমিত করুন বা কনফিগারযোগ্য হলে প্রসঙ্গ উইন্ডো হ্রাস করুন।
- উদ্ধৃতি অনুপস্থিত: আপনার প্রম্পটকে আরও শক্তিশালী করুন (“শিরোনাম সহ উৎসের লিঙ্ক অন্তর্ভুক্ত করুন”) অথবা যাচাই করুন মোড লিঙ্ক নিষ্কাশন সমর্থন করে কিনা।
গোপনীয়তা এবং খরচ নিয়ন্ত্রণ
- আপনার মেশিনে কন্টেন্ট রাখতে Ollama-এর মাধ্যমে শুধুমাত্র স্থানীয় মডেল চালান।
- সাশ্রয়ী মূল্যের বা বিনামূল্যে স্তরের প্রদানকারী চয়ন করুন (Brave/Tavily/Serper ভেরিয়েন্ট কোটা অনুসারে আলাদা হতে পারে)।
- যদি Perplexica আপনার বিল্ডে এটি সমর্থন করে তবে ফলাফল ক্যাশে করুন; আপনি ডুপ্লিকেট কল কমাতে পারবেন।
Perplexica আপডেট করা
- সর্বশেষ রিপোজিটরি পরিবর্তনগুলি টানুন এবং আপনার কন্টেনারগুলি পুনরায় আপ করুন:
git pull
docker compose pull
docker compose up -d --build
- ব্রেকিং পরিবর্তন বা নতুন প্রদানকারী বিকল্পের জন্য GitHub রেপোতে রিলিজ নোটগুলি দেখুন।
ইন্টিগ্রেশন এবং UI অপশন
- অনেক ব্যবহারকারী সম্পূর্ণরূপে স্থানীয় স্ট্যাকের জন্য Perplexica-কে Ollama-এর সাথে যুক্ত করেন। বাস্তব সংযোগ এবং ত্রুটির জন্য এই সেল্ফ-হোস্টিং ওয়াকথ্রু দেখুন।
- কমিউনিটি পোস্টগুলি প্রায়শই ওয়ান-কমান্ড সেটআপের জন্য ডকার কম্পোজ স্নিপেট, পরিবেশ টেমপ্লেট এবং আগে থেকে তৈরি করা ছবি শেয়ার করে।
হোস্টেড বিকল্পগুলির চেয়ে Perplexica কখন পছন্দ করা উচিত
- আপনার পুনরুৎপাদনযোগ্যতা, স্থানীয় লগ এবং স্বচ্ছ কনফিগারেশন প্রয়োজন
- আপনার সংস্থা বাহ্যিক AI সরঞ্জামগুলিকে ব্লক করে
- আপনি বিভিন্ন LLM বা রিট্রিভাল সেটিংস নিয়ে পরীক্ষা করতে চান
- আপনি খরচ পূর্বাভাসযোগ্যতা এবং গোপনীয়তা সম্পর্কে যত্নশীল
Sider.AI ব্যবহার করার বিষয় উল্লেখ্য
প্রাসঙ্গিকতা স্কোর: 8/10
আপনি যদি প্রচুর সময় গবেষণার প্রশ্ন জিজ্ঞাসা করে এবং তারপরে ফলাফলগুলিকে সামগ্রীতে (সংক্ষিপ্ত বিবরণ, ব্লগ ড্রাফ্ট, স্লাইড নোট) পরিণত করতে ব্যয় করেন, তবে Perplexica-কে একটি লেখা/বিশ্লেষণ ওয়ার্কস্পেসের সাথে যুক্ত করা জিনিসগুলিকে দ্রুত করতে পারে। উল্লেখ্য: Sider.AI আপনাকে একটি পরিষ্কার সম্পাদকের মধ্যে আপনার অনুসন্ধানের একাধিক সংস্করণ দ্রুত খসড়া, সম্পাদনা এবং তুলনা করতে দেয়। Perplexica উৎস এবং সারসংক্ষেপ প্রকাশ করার পরে, উদ্ধৃতিগুলি পেস্ট করুন এবং Sider-কে গঠন, সুর এবং পালিশ করতে সহায়তা করুন—বিশেষ করে দীর্ঘ-ফর্মের রূপরেখা বা স্টেকহোল্ডার সারসংক্ষেপের জন্য।
মূল বিষয়গুলি
- Perplexica হল একটি সেল্ফ-হোস্টেড AI সার্চ ইঞ্জিন যা উদ্ধৃতি সহ উত্তর সংশ্লেষ করে।
- ডকারের সাথে দ্রুত চালান;
.env-এ প্রদানকারী এবং মডেল কনফিগার করুন।
- স্থানীয়, ব্যক্তিগত অনুমানের জন্য Ollama ব্যবহার করুন—অথবা গতি/গুণমানের জন্য API মডেল।
- গঠনবদ্ধ প্রম্পট এবং ফোকাসড মোডগুলির সাথে ফলাফল উন্নত করুন।
- সাবধানে প্রদানকারী নির্বাচন করে এবং যেখানে সম্ভব ক্যাশিং করে খরচ পরিচালনা করুন।
শুরু করার জন্য দ্রুত চেকলিস্ট
- রেপো ক্লোন করুন এবং
.env সেট আপ করুন
- আপনার অনুসন্ধান প্রদানকারী এবং LLM চয়ন করুন (Ollama বা API)
- UI খুলুন এবং আপনার প্রথম ক্যোয়ারী চালান
- প্রম্পট এবং প্রদানকারী/মডেল পছন্দগুলির উপর পুনরাবৃত্তি করুন
FAQ
Q1: Perplexica কী এবং এটি Perplexity থেকে কীভাবে আলাদা?
Perplexica হল একটি সেল্ফ-হোস্টেড, ওপেন-সোর্স AI সার্চ ইঞ্জিন যা আপনি স্থানীয়ভাবে বা একটি সার্ভারে চালান, যেখানে Perplexity হল একটি হোস্ট করা পরিষেবা। Perplexica-এর মাধ্যমে, আপনি প্রদানকারী এবং মডেল চয়ন করেন, গোপনীয়তা নিয়ন্ত্রণ করেন এবং জিরো পার-কোয়েরি খরচে Ollama-এর মাধ্যমে স্থানীয় LLM ব্যবহার করতে পারেন।
Q2: আমি কীভাবে ডকারের সাথে Perplexica ইনস্টল করব?
অফিসিয়াল রেপো ক্লোন করুন, API কী এবং LLM সেটিংস সহ আপনার .env কনফিগার করুন, তারপর docker compose up -d চালান। ওয়েব UI কনফিগার করা পোর্টে উপলব্ধ হবে; সঠিক পদক্ষেপ এবং আপডেটের জন্য GitHub readme দেখুন।
Q3: Perplexica কি Ollama-এর মাধ্যমে Llama 3-এর মতো স্থানীয় মডেল ব্যবহার করতে পারে?
হ্যাঁ। Ollama ইনস্টল করুন, একটি মডেল পুল করুন (যেমন, ollama pull llama3), এবং Perplexica-এর LLM বেস URL-কে Ollama এন্ডপয়েন্টে নির্দেশ করুন। এটি API ব্যবহারের ফি ছাড়াই ব্যক্তিগত, স্থানীয় অনুমান সক্ষম করে।
Q4: Perplexica-এর সাথে কোন অনুসন্ধান প্রদানকারীরা কাজ করে?
আপনার বিল্ডের উপর নির্ভর করে Perplexica Brave, Serper/SerpAPI, Bing, Tavily এবং Google CSE-এর মতো একাধিক প্রদানকারীকে সমর্থন করে। আপনার .env-এ সংশ্লিষ্ট API কী যোগ করুন এবং একটি ডিফল্ট প্রদানকারী নির্বাচন করুন।
Q5: আমি কীভাবে Perplexica-এ উত্তরের গুণমান উন্নত করতে পারি?
প্রম্পটগুলির সাথে নির্দিষ্ট হন (উদ্ধৃতি, তুলনা, সীমাবদ্ধতার জন্য জিজ্ঞাসা করুন), একটি শক্তিশালী মডেল চয়ন করুন এবং কভারেজের জন্য একাধিক অনুসন্ধান প্রদানকারী সক্ষম করুন। আপনি সাম্প্রতিক বছরগুলিতে সুযোগ সীমিত করতে পারেন এবং টেবিল বা বুলেট পয়েন্টের মতো গঠনবদ্ধ আউটপুটগুলির জন্য অনুরোধ করতে পারেন।
