Sådan bruges Perplexica: En komplet guide uden fyld for 2025
Hvis du har kigget på AI-svar i Perplexity-stil, men ønsker fuld kontrol, er Perplexica den open source-vej – selv-hostet, privatlivsvenlig og overraskende kapabel. I denne guide gennemgår vi, hvad Perplexica er, hvordan du installerer det, hvordan du konfigurerer udbydere og modeller, og hvordan du rent faktisk bruger det dagligt til research, kodning og indholdsopdagelse.
For at holde tingene praktiske og løsningsorienterede vil vi bruge en spørgsmålsdrevet struktur med hurtige trin, eksempelkommandoer og fejlfindingstips.
I øvrigt: Perplexica er aktivt udviklet og typisk implementeret med Docker. Den officielle GitHub readme skitserer den hurtigste vej: installer Docker, klon repo'et, og kør via Docker Compose. For et community-overblik og takeaways om selv-hosting, se denne gennemgang af at køre Perplexica med Ollama. Der er også en aktiv selv-hostet tråd, der diskuterer et-kommando-opsætning og præbyggede images.
Hvad er Perplexica?
Perplexica er en selv-hostet, AI-drevet søgemaskine, der kombinerer websøgning med store sprogmodeller for at producere præcise, kildebaserede svar. Tænk: stil et komplekst spørgsmål, den søger på nettet, læser flere kilder og syntetiserer et klart svar med citater. Det er positioneret som et åbent alternativ til Perplexity-værktøjer, men du kører det lokalt eller på din egen server for gennemsigtighed og kontrol.
Vigtige ideer:
- Lokal eller selv-hostet kontrol med Docker
- Bruger dine foretrukne søge-/dataudbydere (f.eks. Brave, SerpAPI, Google CSE – konfigurerbar)
- Fungerer med lokale eller eksterne LLM'er (f.eks. gennem Ollama eller API-baserede modeller)
- Web UI til naturlige forespørgsler, plus fokuserede "modes" som Web/Scholar/YouTube afhængigt af konfigurationen
Hvem er Perplexica for?
- Forskere, der ønsker citerede, multi-kilde sammenfatninger
- Ingeniører, der foretrækker lokale LLM'er med webhentning
- Teams, der har brug for privatliv og omkostningskontrol
- Power-brugere, der erstatter Perplexity-værktøjer med noget selv-hostet
Hurtig start: Den hurtigste måde at køre Perplexica
Her er det typiske flow baseret på det officielle repository:
- Docker og Docker Compose installeret
- Valgfrit: Ollama installeret, hvis du vil bruge lokale modeller (f.eks. {
llama3}, {mistral}, {qwen})
{git clone
} {cd Perplexica
}
- Konfigurer miljøvariabler
- Kopiér eksemplet på miljøfil, hvis det leveres (f.eks. {
.env.example} → {.env}).
- Tilføj søge-/API-nøgler (Brave, Serper, Tavily, Bing, Google CSE, etc.).
- Konfigurer LLM-udbyder: lokal Ollama-endpoint eller API (OpenAI/kompatibel) afhængigt af din opsætning.
- Dette starter de nødvendige services. Efter et minut bør web UI'en være tilgængelig på den udskrevne localhost-port (almindeligvis ` eller som specificeret i repo'ets dokumenter).
- Valgfrit: Hent en lokal model via Ollama
{# Installer Ollama (se ollama.com for dit OS)
} {ollama pull llama3
} {# eller en anden understøttet model
}
- Peg Perplexicas LLM-konfiguration på dit Ollama-endpoint (ofte {
from Docker on macOS/Windows or} på Linux). Gennemgangen af selv-hosting forklarer denne parring.
Første gangs tur: Brug af Perplexica Web UI
Når UI'en er oppe, vil du se en søgeboks svarende til moderne AI-søgemaskiner.
- Stil et spørgsmål på naturligt sprog: "Hvad er de seneste benchmarks for vektor-databaser i 2025?"
- Vælg et fokus/mode, hvis tilgængeligt: Web, Akademisk/Scholar, YouTube, eller en mere generel Research-mode – dit build og dine udbydere bestemmer, hvilke der vises.
- Tryk på Enter. Perplexica henter kilder, læser dem og udarbejder et resumé med citater.
- Udvid citaterne for at inspicere kilder og bekræfte troværdighed.
Tips:
- Brug specifikke prompter: tilføj begrænsninger som "sammenlign tilgange", "liste fordele/ulemper", eller "giv et 200-ords resumé med 3 bullet key takeaways."
- For kodningsemner, bed om trinvise snippets og link tilbage til originale dokumenter.
- For videoer (hvis YouTube-mode er aktiveret), bed om at "summarize this channel’s latest tutorial on X."
Sådan konfigureres søgeudbydere og API-nøgler
Perplexica er afhængig af en eller flere web-/søgeudbydere. Almindelige muligheder inkluderer Brave Search, Serper/SerpAPI (Google-lignende resultater), Bing Web Search, Tavily og Google Custom Search Engine (CSE). Du skal angive API-nøgler i din {.env}-fil.
Typiske variabler, du kan se i {.env}:
- BRAVE_API_KEY eller SERPER_API_KEY (eller SERPAPI_KEY)
- GOOGLE_CSE_ID og GOOGLE_CSE_API_KEY
- OLLAMA_BASE_URL (for lokale modeller)
- OPENAI_API_KEY eller OPENAI_COMPATIBLE_BASE_URL for cloud-modeller
Indstil kun det, du har brug for. Mange brugere starter med en enkelt udbyder (f.eks. Brave eller Tavily) og en enkelt LLM (Ollama eller et OpenAI-kompatibelt endpoint) og udvider derefter.
Valg og tuning af din model
Du kan køre Perplexica med:
- Lokale modeller via Ollama: Privatlivsvenlig og gratis per forespørgsel; hastighed/kvalitet afhænger af din GPU/CPU og modelstørrelse.
- Cloud-modeller via API: Typisk hurtigere og stærkere til komplekse opgaver, men medfører brugsomkostninger.
Anbefalinger:
- Let hardware: {
mistral:7b} eller {llama3:8b} via Ollama til generel Q&A.
- Mid/high hardware: {
llama3:70b} eller {qwen2}-varianter, hvis du har brug for stærkere ræsonnement.
- API-backed: Overvej OpenAI-kompatible modeller til de tungeste research-forespørgsler.
I Perplexicas indstillinger eller {.env}, peg standardmodellen på din valgte LLM. Hvis dit build understøtter flere modeller, kan du skifte per session.
Smart Prompting for Bedre Svar
Brug disse mønstre til at forbedre output:
- Bevis anmodning: "Citer 3–5 velrenommerede kilder med links. Sammenfat aftaler og uenigheder."
- Struktureret output: "Returner et 5-punkts resumé efterfulgt af en sammenligningstabel."
- Begrænsninger: "Hold det under 150 ord. Tilføj derefter en 3-punkts tjekliste."
- Scope-kontrol: "Fokuser kun på 2024–2025 udviklinger og spring paywalled-kilder over."
Eksempel Workflows
- Prompt: "Sammenlign Notion vs Obsidian for research teams. Giv fordele/ulemper, prisfastsættelse og 2025-opdateringer med citater."
- Resultat: Et præcist grid af tradeoffs med links til primære kilder.
- Prompt: "How to add OpenTelemetry tracing in a FastAPI app? Include code snippets and link to official docs."
- Resultat: Trin-for-trin kode plus officielle referencer.
- Prompt: "Summarize ion thruster advancements (2023–2025). Include 4 peer‑reviewed sources and note open problems."
- Resultat: Paper-backed syntese med åbne spørgsmål.
- Video Knowledge Mining (Hvis Aktiveret)
- Prompt: "Summarize the key takeaways from last week’s videos on ‘Rust async patterns’. Include timestamps if available."
Fejlfinding og ydeevnetips
- Docker kan ikke finde modellen: Sørg for, at Ollama kører, og at basis-URL'en kan nås inde fra Docker. På macOS/Windows, prøv {
host.docker.internal} i stedet for {localhost}.
- Tomme søgeresultater: Bekræft udbyderens API-nøgle og kvote. Prøv at skifte til en anden udbyder eller aktiver en anden som fallback.
- Langsomme svar: Brug en mindre lokal model; reducer antallet af hentede sider; eller skift til en API-model til tunge forespørgsler.
- Hukommelsesspidser: Begræns samtidige opgaver eller reducer kontekstvinduet, hvis det kan konfigureres.
- Citater mangler: Stram din prompt ("include source links with titles") eller bekræft, at tilstanden understøtter link-ekstraktion.
Privatliv og Omkostningskontrol
- Kør kun lokale modeller via Ollama for at holde indhold på din maskine.
- Vælg udbydere med overkommelige priser eller gratis niveauer (Brave/Tavily/Serper-varianter kan variere efter kvote).
- Cache resultater, hvis Perplexica understøtter det i dit build; du reducerer duplikerede kald.
Opdatering af Perplexica
- Hent de seneste repository-ændringer og genopfrisk dine containere:
{git pull
} {docker compose pull
} {docker compose up -d --build
}
- Tjek release notes på GitHub repo'et for breaking changes eller nye udbydermuligheder.
Integrationer og UI-muligheder
- Mange brugere parrer Perplexica med Ollama for en fuldt lokal stack. Se denne selv-hosting gennemgang for praktisk wiring og faldgruber.
- Community-indlæg deler ofte Docker Compose snippets, miljøskabeloner og præbyggede images til et-kommando-opsætning.
Hvornår man skal foretrække Perplexica over hostede alternativer
- Du har brug for reproducerbarhed, lokale logs og gennemsigtige configs
- Din organisation blokerer eksterne AI-værktøjer
- Du vil eksperimentere med forskellige LLM'er eller hentningsindstillinger
- Du bekymrer dig om omkostningsforudsigelighed og privatliv
Værd at bemærke: Brug af Sider.AI sammen med Perplexica
Relevans score: 8/10
Hvis du bruger meget tid på at stille research-spørgsmål og derefter omdanne resultaterne til indhold (briefs, blogudkast, slidenoter), kan parring af Perplexica med et skrive-/analyse-workspace fremskynde tingene. Værd at bemærke: Sider.AI lader dig udarbejde, redigere og sammenligne flere versioner af dine resultater hurtigt inde i en ren editor. Efter at Perplexica har fundet kilder og sammenfatninger, indsæt citaterne og lad Sider hjælpe med struktur, tone og polish – især for long-form outlines eller stakeholder summaries.
Vigtige Takeaways
- Perplexica er en selv-hostet AI-søgemaskine, der syntetiserer svar med citater.
- Kør det hurtigt med Docker; konfigurer udbydere og modeller i {
.env}.
- Brug Ollama til lokal, privat inferens – eller API-modeller for hastighed/kvalitet.
- Forbedre resultaterne med strukturerede prompter og fokuserede modes.
- Administrer omkostningerne ved at vælge udbydere omhyggeligt og cache, hvor det er muligt.
Hurtig Tjekliste til at Komme i Gang
- Klon repo og opsæt {
.env}
- Vælg din søgeudbyder og LLM (Ollama eller API)
- Åbn UI'en og kør din første forespørgsel
- Iterer på prompter og udbyder/model-valg
FAQ
{Q1:What is Perplexica and how does it differ from Perplexity?
Perplexica is a self-hosted, open-source AI search engine you run locally or on a server, while Perplexity is a hosted service. With Perplexica, you choose providers and models, control privacy, and can use local LLMs via Ollama for zero per‑query cost.
}{Q2:How do I install Perplexica with Docker?
Clone the official repo, configure your {.env} with API keys and LLM settings, then run {docker compose up -d}. The web UI will be available at the configured port; see the GitHub readme for exact steps and updates.
}{Q3:Can Perplexica use local models like Llama 3 via Ollama?
Yes. Install Ollama, pull a model (e.g., {ollama pull llama3}), and point Perplexica’s LLM base URL to the Ollama endpoint. This enables private, local inference with no API usage fees.
}{Q4:Which search providers work with Perplexica?
Perplexica supports multiple providers such as Brave, Serper/SerpAPI, Bing, Tavily, and Google CSE, depending on your build. Add the corresponding API keys in your {.env} and select a default provider.
}{Q5:How can I improve answer quality in Perplexica?
Be specific with prompts (ask for citations, comparisons, constraints), choose a strong model, and enable more than one search provider for coverage. You can also limit scope to recent years and request structured outputs like tables or bullet points.
}
