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.

כיצד להשתמש ב-Perplexica: מדריך מלא וללא שטויות לשנת 2025

אם חשקתם בתשובות AI בסגנון Perplexity אך אתם רוצים שליטה מלאה, Perplexica היא הדרך בקוד פתוח – באירוח עצמי, ידידותית לפרטיות ויכולה באופן מפתיע. במדריך זה, נסביר מהי Perplexica, כיצד להתקין אותה, כיצד להגדיר ספקים ומודלים וכיצד להשתמש בה בפועל מדי יום למחקר, קידוד וגילוי תוכן.

כדי לשמור על דברים מעשיים ומכווני פתרונות, נשתמש במבנה מונחה שאלות עם שלבים מהירים, פקודות לדוגמה ועצות לפתרון בעיות.

דרך אגב: Perplexica מפותחת באופן פעיל ובדרך כלל נפרסת עם Docker. קובץ ה-readme הרשמי של GitHub מתאר את הנתיב המהיר ביותר: התקינו Docker, שכפלו את ה-repo והריצו באמצעות Docker Compose. לתצוגת סקירה קהילתית ותובנות אירוח עצמי, ראו את הסקירה הזו על הרצת Perplexica עם Ollama. יש גם שרשור פעיל באירוח עצמי הדן בהתקנה בפקודה אחת ובתמונות בנויות מראש.

מהי Perplexica?

Perplexica היא מנוע חיפוש המופעל על ידי AI ובאירוח עצמי, המשלב חיפוש באינטרנט עם מודלים גדולים של שפה כדי לייצר תשובות תמציתיות ומבוססות מקור. תחשבו על זה: שאלו שאלה מורכבת, הוא מחפש באינטרנט, קורא מקורות מרובים ומסנתז תגובה ברורה עם ציטוטים. היא מוצבת כחלופה פתוחה לכלים בסגנון Perplexity, אך אתם מריצים אותה באופן מקומי או בשרת שלכם לשקיפות ושליטה.

רעיונות מרכזיים:

שליטה מקומית או באירוח עצמי עם Docker

משתמשת בספקי החיפוש/נתונים המועדפים עליכם (לדוגמה, Brave, SerpAPI, Google CSE – ניתנים להגדרה)

עובדת עם LLM-ים מקומיים או מרוחקים (לדוגמה, דרך Ollama או מודלים מבוססי API)

ממשק משתמש אינטרנטי לשאילתות טבעיות, בתוספת "מצבים" ממוקדים כמו Web/Scholar/YouTube בהתאם לתצורה

למי מיועדת Perplexica?

חוקרים שרוצים סיכומים מצוטטים ממקורות מרובים

מהנדסים שמעדיפים LLM-ים מקומיים עם אחזור מהאינטרנט

צוותים שזקוקים לפרטיות ובקרת עלויות

משתמשים מתקדמים המחליפים כלים בסגנון Perplexity במשהו באירוח עצמי

התחלה מהירה: הדרך המהירה ביותר להריץ את Perplexica

הנה הזרימה הטיפוסית המבוססת על ה-repository הרשמי:

דרישות מוקדמות

Docker ו-Docker Compose מותקנים

Git מותקן

אופציונלי: Ollama מותקן אם אתם רוצים להשתמש במודלים מקומיים (לדוגמה, llama3, mistral, qwen)

שכפול ה-Repository

git clone
cd Perplexica

הגדרת משתני סביבה

העתקת קובץ סביבה לדוגמה אם הוא מסופק (לדוגמה, .env.example → .env).

הוספת מפתחות חיפוש/API (Brave, Serper, Tavily, Bing, Google CSE וכו').

הגדרת ספק LLM: נקודת קצה מקומית של Ollama או API (OpenAI/תואם) בהתאם להגדרה שלכם.

הפעלה עם Docker Compose

docker compose up -d

זה מפעיל את השירותים הדרושים. לאחר דקה, ממשק המשתמש האינטרנטי אמור להיות זמין ביציאת ה-localhost המודפסת (בדרך כלל ` או כפי שמצוין במסמכי ה-repo).

אופציונלי: משיכת מודל מקומי באמצעות Ollama

# התקינו את Ollama (ראו ollama.com עבור מערכת ההפעלה שלכם)
ollama pull llama3
# או מודל נתמך אחר

הפנו את תצורת ה-LLM של Perplexica לנקודת הקצה של Ollama שלכם (לעתים קרובות מ-Docker ב-macOS/Windows או בלינוקס). הסקירה של אירוח עצמי מסבירה את ההתאמה הזו.

סיור בהפעלה ראשונה: שימוש בממשק המשתמש האינטרנטי של Perplexica

לאחר שממשק המשתמש פועל, תראו תיבת חיפוש הדומה למנועי חיפוש מודרניים המבוססים על AI.

שאלו שאלה בשפה טבעית: "מהם ה-benchmarks האחרונים עבור מסדי נתונים וקטוריים בשנת 2025?"

בחרו מיקוד/מצב אם זמין: Web, Academic/Scholar, YouTube או מצב מחקר כללי יותר – הגרסה והספקים שלכם קובעים אילו יופיעו.

לחצו Enter. Perplexica תביא מקורות, תקרא אותם ותנסח סיכום עם ציטוטים.

הרחיבו את הציטוטים כדי לבדוק מקורות ולאמת את המהימנות.

טיפים:

השתמשו בהנחיות ספציפיות: הוסיפו אילוצים כמו "השוו גישות", "רשמו יתרונות/חסרונות" או "תנו סיכום של 200 מילים עם 3 נקודות עיקריות".

לנושאי קידוד, בקשו קטעי קוד שלב אחר שלב וחזרו למסמכים המקוריים.

עבור סרטונים (אם מצב YouTube מופעל), בקשו "סכמו את המדריך האחרון של הערוץ הזה על X".

כיצד להגדיר ספקי חיפוש ומפתחות API

Perplexica נשענת על ספק/ספקי אינטרנט/חיפוש אחד או יותר. אפשרויות נפוצות כוללות את Brave Search, Serper/SerpAPI (תוצאות דמויות Google), Bing Web Search, Tavily ו-Google Custom Search Engine (CSE). תספקו מפתחות API בקובץ .env שלכם.

משתנים טיפוסיים שאתם עשויים לראות ב-.env:

BRAVE_API_KEY או SERPER_API_KEY (או SERPAPI_KEY)

BING_API_KEY

TAVILY_API_KEY

GOOGLE_CSE_ID ו-GOOGLE_CSE_API_KEY

OLLAMA_BASE_URL (עבור מודלים מקומיים)

OPENAI_API_KEY או OPENAI_COMPATIBLE_BASE_URL עבור מודלים בענן

הגדירו רק את מה שאתם צריכים. משתמשים רבים מתחילים עם ספק יחיד (לדוגמה, Brave או Tavily) ו-LLM יחיד (Ollama או נקודת קצה תואמת OpenAI), ואז מתרחבים.

בחירה וכוונון של המודל שלכם

אתם יכולים להריץ את Perplexica עם:

מודלים מקומיים באמצעות Ollama: ידידותיים לפרטיות וחינמיים לשאילתה; המהירות/איכות תלויה ב-GPU/CPU ובגודל המודל שלכם.

מודלים בענן באמצעות API: בדרך כלל מהירים וחזקים יותר למשימות מורכבות, אך כרוכים בעלות שימוש.

המלצות:

חומרה קלה: mistral:7b או llama3:8b באמצעות Ollama לשאלות ותשובות כלליות.

חומרה בינונית/גבוהה: גרסאות llama3:70b או qwen2 אם אתם צריכים חשיבה חזקה יותר.

מגובה API: שקלו מודלים תואמי OpenAI לשאילתות המחקר הכבדות ביותר.

בהגדרות של Perplexica או ב-.env, הפנו את מודל ברירת המחדל ל-LLM שבחרתם. אם הגרסה שלכם תומכת במספר מודלים, אתם יכולים לעבור בין הפעלות.

תשאול חכם לתשובות טובות יותר

השתמשו בדפוסים האלה כדי לשפר את הפלט:

בקשת ראיות: "צטטו 3–5 מקורות בעלי מוניטין עם קישורים. סכמו הסכמות וחילוקי דעות."

פלט מובנה: "החזירו סיכום של 5 נקודות ואחריו טבלת השוואה."

אילוצים: "שימרו את זה מתחת ל-150 מילים. ואז הוסיפו רשימת ביקורת של 3 פריטים."

בקרת היקף: "התמקדו רק בהתפתחויות בשנים 2024–2025 ודלגו על מקורות מאחורי חומת תשלום."

דוגמאות לתהליכי עבודה

סריקת תחרות

הנחיה: "השוו בין Notion ל-Obsidian עבור צוותי מחקר. ספקו יתרונות/חסרונות, תמחור ועדכונים לשנת 2025 עם ציטוטים."

תוצאה: רשת תמציתית של פשרות עם קישורים למקורות ראשוניים.

הוראות למפתחים

הנחיה: "כיצד להוסיף מעקב OpenTelemetry באפליקציית FastAPI? כללו קטעי קוד וקישור למסמכים רשמיים."

תוצאה: קוד שלב אחר שלב בתוספת הפניות רשמיות.

רקע מדעי

הנחיה: "סכמו את ההתקדמות של מנועי דחף יוניים (2023–2025). כללו 4 מקורות שעברו ביקורת עמיתים וציינו בעיות פתוחות."

תוצאה: סינתזה מגובה נייר עם שאלות פתוחות.

כריית ידע מסרטונים (אם מופעל)

הנחיה: "סכמו את הנקודות העיקריות מהסרטונים של השבוע שעבר בנושא 'דפוסי אסינכרוני של Rust'. כללו חותמות זמן אם זמינות."

טיפים לפתרון בעיות וביצועים

Docker לא מצליח למצוא את המודל: ודאו ש-Ollama פועל וכתובת ה-URL הבסיסית נגישה מתוך Docker. ב-macOS/Windows, נסו host.docker.internal במקום localhost.

תוצאות חיפוש ריקות: אמת את מפתח ה-API והמכסה של הספק. נסו לעבור לספק אחר או להפעיל ספק שני כגיבוי.

תגובות איטיות: השתמשו במודל מקומי קטן יותר; צמצמו את מספר הדפים שאוחזרו; או עברו למודל API לשאילתות כבדות.

עליות זיכרון: הגבילו משימות בו-זמניות או צמצמו את חלון ההקשר אם ניתן להגדרה.

ציטוטים חסרים: הדקו את ההנחיה שלכם ("כללו קישורי מקור עם כותרות") או אמת שהמצב תומך בחילוץ קישורים.

בקרות פרטיות ועלויות

הריצו רק מודלים מקומיים באמצעות Ollama כדי לשמור על תוכן במחשב שלכם.

בחרו ספקים עם תמחור משתלם או שכבות בחינם (גרסאות Brave/Tavily/Serper עשויות להיות שונות לפי מכסה).

אחסנו תוצאות במטמון אם Perplexica תומכת בכך בגרסה שלכם; תקטינו קריאות כפולות.

עדכון Perplexica

משכו את השינויים האחרונים ב-repository והעלו מחדש את ה-containers שלכם:

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

בדקו את הערות השחרור ב-repo של GitHub עבור שינויים שוברים או אפשרויות ספק חדשות.

שילובים ואפשרויות ממשק משתמש

משתמשים רבים מצמידים את Perplexica עם Ollama עבור מחסנית מקומית לחלוטין. ראו את הסקירה של אירוח עצמי זו עבור חיווט מעשי ומלכודות.

פוסטים בקהילה חולקים לעתים קרובות קטעי Docker Compose, תבניות סביבה ותמונות בנויות מראש להתקנה בפקודה אחת.

מתי להעדיף את Perplexica על פני חלופות באירוח

אתם צריכים יכולת שחזור, יומנים מקומיים ותצורות שקופות

הארגון שלכם חוסם כלי AI חיצוניים

אתם רוצים להתנסות עם LLM-ים שונים או הגדרות אחזור

אכפת לכם מחזות עלויות ופרטיות

ראוי לציין: שימוש ב-Sider.AI לצד Perplexica

ציון רלוונטיות: 8/10

אם אתם מבלים הרבה זמן בשאילת שאלות מחקר ואז הופכים את התוצאות לתוכן (תקצירים, טיוטות לפוסטים בבלוג, הערות לשקופיות), שילוב של Perplexica עם סביבת עבודה לכתיבה/ניתוח יכול להאיץ את העניינים. ראוי לציין: Sider.AI מאפשר לכם לנסח, לערוך ולהשוות גרסאות מרובות של הממצאים שלכם במהירות בתוך עורך נקי. לאחר ש-Perplexica מעלה מקורות וסיכומים, הדביקו את הציטוטים ותנו ל-Sider לעזור במבנה, טון וליטוש – במיוחד עבור מתווים ארוכים או סיכומי בעלי עניין.

נקודות עיקריות

Perplexica היא מנוע חיפוש AI באירוח עצמי שמסנתז תשובות עם ציטוטים.

הריצו אותה במהירות עם Docker; הגדירו ספקים ומודלים ב-.env.

השתמשו ב-Ollama עבור היסק מקומי ופרטי – או במודלי API למהירות/איכות.

שפרו תוצאות עם הנחיות מובנות ומצבים ממוקדים.

נהלו עלויות על ידי בחירת ספקים בזהירות ואחסון במטמון היכן שאפשר.

רשימת ביקורת מהירה להתחלה

התקינו את Docker ו-Git

שכפלו את ה-repo והגדירו את .env

בחרו את ספק החיפוש וה-LLM שלכם (Ollama או API)

docker compose up -d

פתחו את ממשק המשתמש והריצו את השאילתה הראשונה שלכם

חזרו על הנחיות ובחירות ספק/מודל

שאלות נפוצות

Q1: מהי Perplexica וכיצד היא שונה מ-Perplexity? Perplexica היא מנוע חיפוש AI בקוד פתוח ובאירוח עצמי שאתם מריצים באופן מקומי או בשרת, בעוד Perplexity הוא שירות באירוח. עם Perplexica, אתם בוחרים ספקים ומודלים, שולטים בפרטיות ויכולים להשתמש ב-LLM-ים מקומיים באמצעות Ollama עבור עלות אפס לשאילתה.

Q2: כיצד אני מתקין את Perplexica עם Docker? שכפלו את ה-repo הרשמי, הגדירו את ה-.env שלכם עם מפתחות API והגדרות LLM, ואז הריצו docker compose up -d. ממשק המשתמש האינטרנטי יהיה זמין ביציאה שהוגדרה; ראו את קובץ ה-readme של GitHub עבור שלבים ועדכונים מדויקים.

Q3: האם Perplexica יכולה להשתמש במודלים מקומיים כמו Llama 3 באמצעות Ollama? כן. התקינו את Ollama, משכו מודל (לדוגמה, ollama pull llama3) והפנו את כתובת ה-URL הבסיסית של ה-LLM של Perplexica לנקודת הקצה של Ollama. זה מאפשר היסק פרטי ומקומי ללא עמלות שימוש ב-API.

Q4: אילו ספקי חיפוש עובדים עם Perplexica? Perplexica תומכת בספקים מרובים כגון Brave, Serper/SerpAPI, Bing, Tavily ו-Google CSE, בהתאם לגרסה שלכם. הוסיפו את מפתחות ה-API המתאימים ב-.env שלכם ובחרו ספק ברירת מחדל.

Q5: כיצד אוכל לשפר את איכות התשובות ב-Perplexica? היו ספציפיים עם הנחיות (בקשו ציטוטים, השוואות, אילוצים), בחרו מודל חזק והפעילו יותר מספק חיפוש אחד לכיסוי. אתם יכולים גם להגביל את ההיקף לשנים האחרונות ולבקש פלטים מובנים כמו טבלאות או נקודות.