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.

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.

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.

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.

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.

Perplexica નો ઉપયોગ કેવી રીતે કરવો: 2025 માટે સંપૂર્ણ, નો-ફ્લફ માર્ગદર્શિકા

જો તમે Perplexity-શૈલીના AI જવાબો પર નજર રાખી રહ્યા છો પરંતુ સંપૂર્ણ નિયંત્રણ ઇચ્છતા હો, તો Perplexica એ ઓપન-સોર્સ માર્ગ છે—સ્વ-હોસ્ટેડ, ગોપનીયતા-મૈત્રીપૂર્ણ અને આશ્ચર્યજનક રીતે સક્ષમ. આ માર્ગદર્શિકામાં, અમે Perplexica શું છે, તેને કેવી રીતે ઇન્સ્ટોલ કરવું, પ્રોવાઇડર્સ અને મોડેલ્સને કેવી રીતે ગોઠવવા અને સંશોધન, કોડિંગ અને સામગ્રી શોધ માટે તેનો રોજિંદા ઉપયોગ કેવી રીતે કરવો તે વિશે વાત કરીશું.

વસ્તુઓને વ્યવહારુ અને ઉકેલ-લક્ષી રાખવા માટે, અમે ઝડપી પગલાં, ઉદાહરણ આદેશો અને મુશ્કેલીનિવારણ ટીપ્સ સાથે પ્રશ્ન-આધારિત માળખું વાપરીશું.

માર્ગ દ્વારા: Perplexica સક્રિય રીતે વિકસાવવામાં આવી રહ્યું છે અને સામાન્ય રીતે Docker સાથે તૈનાત કરવામાં આવે છે. સત્તાવાર GitHub રીડમી સૌથી ઝડપી માર્ગ દર્શાવે છે: Docker ઇન્સ્ટોલ કરો, રેપો ક્લોન કરો અને Docker Compose દ્વારા ચલાવો. સમુદાય વિહંગાવલોકન અને સ્વ-હોસ્ટિંગ ટેકઅવે માટે, Ollama સાથે Perplexica ચલાવવા પર આ વોકથ્રુ જુઓ. એક-આદેશ સેટઅપ અને પ્રીબિલ્ટ છબીઓની ચર્ચા કરતી સક્રિય સ્વ-હોસ્ટેડ થ્રેડ પણ છે.

Perplexica શું છે?

Perplexica એ સ્વ-હોસ્ટેડ, AI-સંચાલિત સર્ચ એન્જિન છે જે સંક્ષિપ્ત, સ્ત્રોત-આધારિત જવાબો બનાવવા માટે વેબ સર્ચને મોટા ભાષા મોડેલ્સ સાથે જોડે છે. વિચારો: એક જટિલ પ્રશ્ન પૂછો, તે વેબ પર શોધે છે, બહુવિધ સ્ત્રોતો વાંચે છે અને ટાંકણો સાથે સ્પષ્ટ પ્રતિસાદ સંશ્લેષણ કરે છે. તે Perplexity-શૈલીના સાધનોના ખુલ્લા વિકલ્પ તરીકે સ્થિત છે, પરંતુ તમે તેને પારદર્શિતા અને નિયંત્રણ માટે સ્થાનિક રીતે અથવા તમારા પોતાના સર્વર પર ચલાવો છો.

મુખ્ય વિચારો:

Docker સાથે સ્થાનિક અથવા સ્વ-હોસ્ટેડ નિયંત્રણ

તમારા પસંદગીના સર્ચ/ડેટા પ્રોવાઇડર્સનો ઉપયોગ કરે છે (દા.ત., Brave, SerpAPI, Google CSE—રૂપરેખાંકિત)

સ્થાનિક અથવા રિમોટ LLMs સાથે કામ કરે છે (દા.ત., Ollama અથવા API-આધારિત મોડેલ્સ દ્વારા)

કુદરતી ક્વેરીઝ માટે વેબ UI, ઉપરાંત રૂપરેખાંકનના આધારે વેબ/સ્કોલર/YouTube જેવા કેન્દ્રિત “મોડ્સ”

Perplexica કોના માટે છે?

સંશોધકો કે જેઓ ટાંકણો સાથે બહુ-સ્ત્રોત સારાંશ ઇચ્છે છે

ઇજનેરો કે જેઓ વેબ રીટ્રીવલ સાથે સ્થાનિક LLMs પસંદ કરે છે

ટીમો કે જેને ગોપનીયતા અને ખર્ચ નિયંત્રણની જરૂર છે

શક્તિ વપરાશકર્તાઓ કે જેઓ સ્વ-હોસ્ટેડ કંઈક સાથે Perplexity-શૈલીના સાધનોને બદલી રહ્યા છે

ઝડપી શરૂઆત: Perplexica ચલાવવાની સૌથી ઝડપી રીત

સત્તાવાર ભંડાર પર આધારિત અહીં લાક્ષણિક પ્રવાહ છે:

પૂર્વજરૂરીયાતો

Docker અને Docker Compose ઇન્સ્ટોલ કરેલું

Git ઇન્સ્ટોલ કરેલું

વૈકલ્પિક: જો તમે સ્થાનિક મોડેલોનો ઉપયોગ કરવા માંગતા હો તો Ollama ઇન્સ્ટોલ કરેલું (દા.ત., {llama3}, {mistral}, {qwen})

Repository ક્લોન કરો

{git clone}{cd Perplexica}

પર્યાવરણ ચલોને રૂપરેખાંકિત કરો

જો પ્રદાન કરવામાં આવે તો ઉદાહરણ પર્યાવરણ ફાઇલની નકલ કરો (દા.ત., {.env.example} → {.env}).

કોઈપણ સર્ચ/API કી ઉમેરો (Brave, Serper, Tavily, Bing, Google CSE, વગેરે).

LLM પ્રોવાઇડરને રૂપરેખાંકિત કરો: તમારા સેટઅપના આધારે સ્થાનિક Ollama એન્ડપોઇન્ટ અથવા API (OpenAI/સુસંગત).

Docker Compose સાથે લોંચ કરો

{docker compose up -d}

આ જરૂરી સેવાઓ શરૂ કરે છે. એક મિનિટ પછી, વેબ UI છાપેલ લોકલહોસ્ટ પોર્ટ પર ઉપલબ્ધ હોવો જોઈએ (સામાન્ય રીતે ` અથવા રેપોના દસ્તાવેજોમાં ઉલ્લેખિત મુજબ).

વૈકલ્પિક: Ollama દ્વારા સ્થાનિક મોડેલ ખેંચો

{# Install Ollama (તમારા OS માટે ollama.com જુઓ)}{ollama pull llama3}{# અથવા અન્ય સપોર્ટેડ મોડેલ}

Perplexica ના LLM રૂપરેખાંકનને તમારા Ollama એન્ડપોઇન્ટ તરફ નિર્દેશ કરો (ઘણીવાર {macOS/Windows પર Docker થી અથવા} Linux પર). સ્વ-હોસ્ટિંગ વોકથ્રુ આ જોડી સમજાવે છે.

ફર્સ્ટ-રન ટૂર: Perplexica વેબ UI નો ઉપયોગ કરવો

એકવાર UI શરૂ થઈ જાય, પછી તમને આધુનિક AI સર્ચ એન્જિન જેવું જ સર્ચ બોક્સ દેખાશે.

કુદરતી ભાષામાં પ્રશ્ન પૂછો: “2025 માં વેક્ટર ડેટાબેસેસ માટે નવીનતમ બેન્ચમાર્ક્સ શું છે?”

જો ઉપલબ્ધ હોય તો ફોકસ/મોડ પસંદ કરો: વેબ, શૈક્ષણિક/સ્કોલર, YouTube અથવા વધુ સામાન્ય સંશોધન મોડ—તમારા બિલ્ડ અને પ્રદાતાઓ નક્કી કરે છે કે કયા દેખાય છે.

Enter દબાવો. Perplexica સ્ત્રોતો લાવશે, તેમને વાંચશે અને ટાંકણો સાથે સારાંશ તૈયાર કરશે.

સ્ત્રોતોનું નિરીક્ષણ કરવા અને વિશ્વસનીયતાની ખાતરી કરવા માટે ટાંકણોને વિસ્તૃત કરો.

ટિપ્સ:

વિશિષ્ટ પ્રોમ્પ્ટ્સનો ઉપયોગ કરો: “approaches ની સરખામણી કરો,” “ગુણદોષની યાદી બનાવો,” અથવા “3 બુલેટ કી ટેકઅવે સાથે 200-શબ્દનો સારાંશ આપો” જેવી મર્યાદાઓ ઉમેરો.

કોડિંગ વિષયો માટે, સ્ટેપ-બાય-સ્ટેપ સ્નિપેટ્સ માટે પૂછો અને મૂળ ડોક્સ પર પાછા લિંક કરો.

વિડિયોઝ માટે (જો YouTube મોડ સક્ષમ હોય), તો “X પર આ ચેનલના નવીનતમ ટ્યુટોરીયલનો સારાંશ આપો” માટે પૂછો.

સર્ચ પ્રોવાઇડર્સ અને API કીને કેવી રીતે ગોઠવવી

Perplexica એક અથવા વધુ વેબ/સર્ચ પ્રોવાઇડર્સ પર આધાર રાખે છે. સામાન્ય વિકલ્પોમાં Brave Search, Serper/SerpAPI (Google-જેવા પરિણામો), Bing Web Search, Tavily અને Google Custom Search Engine (CSE) નો સમાવેશ થાય છે. તમે તમારી {.env} ફાઇલમાં API કી સપ્લાય કરશો.

લાક્ષણિક ચલો જે તમે {.env} માં જોઈ શકો છો:

BRAVE_API_KEY અથવા SERPER_API_KEY (અથવા SERPAPI_KEY)

BING_API_KEY

TAVILY_API_KEY

GOOGLE_CSE_ID અને GOOGLE_CSE_API_KEY

OLLAMA_BASE_URL (સ્થાનિક મોડેલો માટે)

OPENAI_API_KEY અથવા OPENAI_COMPATIBLE_BASE_URL ક્લાઉડ મોડેલો માટે

તમારે જે જોઈએ છે તે જ સેટ કરો. ઘણા વપરાશકર્તાઓ એક જ પ્રોવાઇડર (દા.ત., Brave અથવા Tavily) અને એક જ LLM (Ollama અથવા OpenAI-સુસંગત એન્ડપોઇન્ટ) થી શરૂઆત કરે છે, પછી વિસ્તરણ કરે છે.

તમારા મોડેલને પસંદ કરવું અને ટ્યુનિંગ કરવું

તમે Perplexica ને આની સાથે ચલાવી શકો છો:

Ollama દ્વારા સ્થાનિક મોડેલો: ગોપનીયતા-મૈત્રીપૂર્ણ અને ક્વેરી દીઠ મફત; ઝડપ/ગુણવત્તા તમારા GPU/CPU અને મોડેલના કદ પર આધાર રાખે છે.

API દ્વારા ક્લાઉડ મોડેલો: સામાન્ય રીતે જટિલ કાર્યો માટે ઝડપી અને મજબૂત પરંતુ વપરાશ ખર્ચ થાય છે.

ભલામણો:

લાઇટ હાર્ડવેર: સામાન્ય Q&A માટે Ollama દ્વારા {mistral:7b} અથવા {llama3:8b}.

મધ્યમ/ઉચ્ચ હાર્ડવેર: જો તમને મજબૂત તર્કની જરૂર હોય તો {llama3:70b} અથવા {qwen2} વેરિઅન્ટ્સ.

API-બેક્ડ: ભારે સંશોધન ક્વેરીઝ માટે OpenAI-સુસંગત મોડેલોને ધ્યાનમાં લો.

Perplexica ની સેટિંગ્સ અથવા {.env} માં, ડિફોલ્ટ મોડેલને તમારા પસંદ કરેલા LLM તરફ નિર્દેશ કરો. જો તમારું બિલ્ડ બહુવિધ મોડેલોને સપોર્ટ કરે છે, તો તમે પ્રતિ સત્ર સ્વિચ કરી શકો છો.

વધુ સારા જવાબો માટે સ્માર્ટ પ્રોમ્પ્ટિંગ

આઉટપુટને સુધારવા માટે આ પેટર્નનો ઉપયોગ કરો:

પુરાવાની વિનંતી: “લિંક્સ સાથે 3–5 પ્રતિષ્ઠિત સ્ત્રોતો ટાંકો. કરારો અને અસંમતિઓનો સારાંશ આપો.”

માળખાકીય આઉટપુટ: “5-પોઇન્ટ સારાંશ પરત કરો અને ત્યારબાદ સરખામણી કોષ્ટક.”

મર્યાદાઓ: “તેને 150 શબ્દોથી ઓછો રાખો. પછી 3-આઇટમ ચેકલિસ્ટ ઉમેરો.”

સ્કોપ નિયંત્રણ: “માત્ર 2024–2025 ના વિકાસ પર ધ્યાન કેન્દ્રિત કરો અને પેઇડ સ્ત્રોતોને છોડી દો.”

ઉદાહરણ વર્કફ્લો

સ્પર્ધાત્મક સ્કેન

પ્રોમ્પ્ટ: “સંશોધન ટીમો માટે Notion vs Obsidian ની સરખામણી કરો. ટાંકણો સાથે ગુણદોષ, કિંમત અને 2025 અપડેટ્સ પ્રદાન કરો.”

પરિણામ: પ્રાથમિક સ્ત્રોતોની લિંક્સ સાથે ટ્રેડઓફનું સંક્ષિપ્ત ગ્રીડ.

ડેવલપર હાઉ-ટુ

પ્રોમ્પ્ટ: “FastAPI એપ્લિકેશનમાં OpenTelemetry ટ્રેસિંગ કેવી રીતે ઉમેરવું? કોડ સ્નિપેટ્સ શામેલ કરો અને સત્તાવાર ડોક્સ સાથે લિંક કરો.”

પરિણામ: સ્ટેપ-બાય-સ્ટેપ કોડ વત્તા સત્તાવાર સંદર્ભો.

વૈજ્ઞાનિક બેકગ્રાઉન્ડિંગ

પ્રોમ્પ્ટ: “આયન થ્રસ્ટર એડવાન્સમેન્ટ્સ (2023–2025) નો સારાંશ આપો. 4 પીઅર-સમીક્ષા કરેલ સ્ત્રોતો શામેલ કરો અને ખુલ્લી સમસ્યાઓની નોંધ લો.”

પરિણામ: ખુલ્લા પ્રશ્નો સાથે પેપર-બેક્ડ સંશ્લેષણ.

વિડિયો નોલેજ માઇનિંગ (જો સક્ષમ હોય તો)

પ્રોમ્પ્ટ: “‘Rust async patterns’ પર ગયા અઠવાડિયાના વિડિયોમાંથી મુખ્ય ટેકઅવેનો સારાંશ આપો. જો ઉપલબ્ધ હોય તો ટાઇમસ્ટેમ્પ્સ શામેલ કરો.”

મુશ્કેલીનિવારણ અને પરફોર્મન્સ ટિપ્સ

Docker મોડેલ શોધી શકતું નથી: ખાતરી કરો કે Ollama ચાલી રહ્યું છે અને ડોકરની અંદરથી બેઝ URL પહોંચી શકાય છે. macOS/Windows પર, {localhost} ને બદલે {host.docker.internal} અજમાવો.

ખાલી શોધ પરિણામો: પ્રદાતાની API કી અને ક્વોટા ચકાસો. બીજા પ્રદાતા પર સ્વિચ કરવાનો પ્રયાસ કરો અથવા ફોલબેક તરીકે બીજો સક્ષમ કરો.

ધીમા પ્રતિસાદો: નાનું સ્થાનિક મોડેલ વાપરો; પુનઃપ્રાપ્ત પૃષ્ઠોની સંખ્યા ઘટાડો; અથવા ભારે ક્વેરીઝ માટે API મોડેલ પર સ્વિચ કરો.

મેમરી સ્પાઇક્સ: એક સાથેના કાર્યોને મર્યાદિત કરો અથવા જો રૂપરેખાંકિત કરી શકાય તો સંદર્ભ વિંડો ઘટાડો.

ટાંકણો ગુમ: તમારા પ્રોમ્પ્ટને કડક કરો (“શીર્ષકો સાથે સ્ત્રોત લિંક્સ શામેલ કરો”) અથવા ચકાસો કે મોડ લિંક નિષ્કર્ષણને સમર્થન આપે છે.

ગોપનીયતા અને ખર્ચ નિયંત્રણો

તમારી મશીન પર સામગ્રી રાખવા માટે Ollama દ્વારા ફક્ત સ્થાનિક મોડેલો ચલાવો.

સસ્તું કિંમત અથવા મફત સ્તરોવાળા પ્રદાતાઓ પસંદ કરો (Brave/Tavily/Serper વેરિઅન્ટ્સ ક્વોટા દ્વારા અલગ હોઈ શકે છે).

જો Perplexica તમારા બિલ્ડમાં તેને સપોર્ટ કરે છે તો પરિણામોને કેશ કરો; તમે ડુપ્લિકેટ કોલ્સ ઘટાડશો.

Perplexica ને અપડેટ કરવું

નવીનતમ રિપોઝીટરી ફેરફારો ખેંચો અને તમારા કન્ટેનરને ફરીથી અપ કરો:

{git pull}{docker compose pull}{docker compose up -d --build}

બ્રેકિંગ ફેરફારો અથવા નવા પ્રદાતા વિકલ્પો માટે GitHub રેપો પર રીલીઝ નોંધો તપાસો.

સંકલન અને UI વિકલ્પો

ઘણા વપરાશકર્તાઓ સંપૂર્ણ સ્થાનિક સ્ટેક માટે Ollama સાથે Perplexica ને જોડે છે. વ્યવહારિક વાયરિંગ અને ખામીઓ માટે આ સ્વ-હોસ્ટિંગ વોકથ્રુ જુઓ.

સમુદાય પોસ્ટ્સ ઘણીવાર એક-આદેશ સેટઅપ માટે Docker Compose સ્નિપેટ્સ, પર્યાવરણ નમૂનાઓ અને પ્રીબિલ્ટ છબીઓ શેર કરે છે.

હોસ્ટેડ વિકલ્પો કરતાં Perplexica ક્યારે પસંદ કરવું

તમારે પુનઃઉત્પાદનક્ષમતા, સ્થાનિક લોગ અને પારદર્શક રૂપરેખાંકનોની જરૂર છે

તમારું સંગઠન બાહ્ય AI સાધનોને અવરોધે છે

તમે વિવિધ LLMs અથવા પુનઃપ્રાપ્તિ સેટિંગ્સ સાથે પ્રયોગ કરવા માંગો છો

તમે ખર્ચની આગાહી અને ગોપનીયતાની કાળજી લો છો

નોંધનીય: Perplexica ની સાથે Sider.AI નો ઉપયોગ કરવો

પ્રસ્તુતતા સ્કોર: 8/10

જો તમે સંશોધન પ્રશ્નો પૂછવામાં અને પછી પરિણામોને સામગ્રીમાં (સંક્ષિપ્ત, બ્લોગ ડ્રાફ્ટ્સ, સ્લાઇડ નોંધો) ફેરવવામાં ઘણો સમય વિતાવો છો, તો Perplexica ને લેખન/વિશ્લેષણ વર્કસ્પેસ સાથે જોડવાથી ગતિ વધી શકે છે. નોંધનીય: Sider.AI તમને સ્વચ્છ સંપાદકમાં તમારા તારણોના બહુવિધ સંસ્કરણોને ઝડપથી ડ્રાફ્ટ, સંપાદિત અને સરખાવવાની મંજૂરી આપે છે. Perplexica સ્ત્રોતો અને સારાંશ બહાર કાઢ્યા પછી, ટાંકણો પેસ્ટ કરો અને Sider ને માળખું, ટોન અને પોલિશમાં મદદ કરવા દો—ખાસ કરીને લાંબા-ફોર્મ રૂપરેખા અથવા હિતધારક સારાંશ માટે.

મુખ્ય ટેકઅવે

Perplexica એ સ્વ-હોસ્ટેડ AI સર્ચ એન્જિન છે જે ટાંકણો સાથે જવાબોનું સંશ્લેષણ કરે છે.

તેને Docker સાથે ઝડપથી ચલાવો; {.env} માં પ્રદાતાઓ અને મોડેલોને રૂપરેખાંકિત કરો.

સ્થાનિક, ખાનગી અનુમાન માટે Ollama નો ઉપયોગ કરો—અથવા ઝડપ/ગુણવત્તા માટે API મોડેલો.

માળખાકીય પ્રોમ્પ્ટ્સ અને કેન્દ્રિત મોડ્સ સાથે પરિણામો સુધારો.

પ્રદાતાઓને કાળજીપૂર્વક પસંદ કરીને અને શક્ય હોય ત્યાં કેશિંગ કરીને ખર્ચનું સંચાલન કરો.

શરૂ કરવા માટે ઝડપી ચેકલિસ્ટ

Docker અને Git ઇન્સ્ટોલ કરો

રેપો ક્લોન કરો અને {.env} સેટ કરો

તમારા સર્ચ પ્રોવાઇડર અને LLM (Ollama અથવા API) પસંદ કરો

{docker compose up -d}

UI ખોલો અને તમારી પ્રથમ ક્વેરી ચલાવો

પ્રોમ્પ્ટ્સ અને પ્રોવાઇડર/મોડેલ પસંદગીઓ પર પુનરાવર્તન કરો

FAQ

{Q1: Perplexica શું છે અને તે Perplexity થી કેવી રીતે અલગ છે? Perplexica એ સ્વ-હોસ્ટેડ, ઓપન-સોર્સ AI સર્ચ એન્જિન છે જે તમે સ્થાનિક રીતે અથવા સર્વર પર ચલાવો છો, જ્યારે Perplexity હોસ્ટેડ સેવા છે. Perplexica સાથે, તમે પ્રદાતાઓ અને મોડેલો પસંદ કરો છો, ગોપનીયતાને નિયંત્રિત કરો છો અને શૂન્ય પ્રતિ-ક્વેરી ખર્ચ માટે Ollama દ્વારા સ્થાનિક LLMs નો ઉપયોગ કરી શકો છો.}{Q2: હું Docker સાથે Perplexica કેવી રીતે ઇન્સ્ટોલ કરું? સત્તાવાર રેપો ક્લોન કરો, API કી અને LLM સેટિંગ્સ સાથે તમારા {.env} ને રૂપરેખાંકિત કરો, પછી {docker compose up -d} ચલાવો. વેબ UI રૂપરેખાંકિત પોર્ટ પર ઉપલબ્ધ થશે; ચોક્કસ પગલાં અને અપડેટ્સ માટે GitHub રીડમી જુઓ.}{Q3: શું Perplexica Ollama દ્વારા Llama 3 જેવા સ્થાનિક મોડેલોનો ઉપયોગ કરી શકે છે? હા. Ollama ઇન્સ્ટોલ કરો, મોડેલ ખેંચો (દા.ત., {ollama pull llama3}), અને Perplexica ના LLM બેઝ URL ને Ollama એન્ડપોઇન્ટ તરફ નિર્દેશ કરો. આ API વપરાશ ફી વિના ખાનગી, સ્થાનિક અનુમાનને સક્ષમ કરે છે.}{Q4: કયા સર્ચ પ્રોવાઇડર્સ Perplexica સાથે કામ કરે છે? તમારા બિલ્ડના આધારે, Perplexica Brave, Serper/SerpAPI, Bing, Tavily અને Google CSE જેવા બહુવિધ પ્રદાતાઓને સમર્થન આપે છે. તમારા {.env} માં અનુરૂપ API કી ઉમેરો અને ડિફોલ્ટ પ્રદાતા પસંદ કરો.}{Q5: હું Perplexica માં જવાબની ગુણવત્તા કેવી રીતે સુધારી શકું? પ્રોમ્પ્ટ્સ સાથે વિશિષ્ટ બનો (ટાંકણો, સરખામણીઓ, મર્યાદાઓ માટે પૂછો), મજબૂત મોડેલ પસંદ કરો અને કવરેજ માટે એક કરતાં વધુ સર્ચ પ્રોવાઇડરને સક્ષમ કરો. તમે તાજેતરના વર્ષો સુધી સ્કોપને પણ મર્યાદિત કરી શકો છો અને કોષ્ટકો અથવા બુલેટ પોઈન્ટ જેવા માળખાકીય આઉટપુટની વિનંતી કરી શકો છો.}