Perplexica の使い方：2025年版 完全ガイド（無駄なし）
Perplexity スタイルの AI 回答に興味があるけれど、完全にコントロールしたいなら、Perplexica がオープンソースの道です。自己ホスト型で、プライバシーに配慮し、驚くほど有能です。このガイドでは、Perplexica とは何か、インストール方法、プロバイダーとモデルの設定方法、そしてリサーチ、コーディング、コンテンツ発見のために実際に日々使用する方法を説明します。
実用的でソリューション志向を維持するために、質問主導の構成で、簡単なステップ、コマンド例、トラブルシューティングのヒントを示します。
ちなみに: Perplexica は活発に開発されており、通常は Docker でデプロイされます。公式 GitHub の readme には、最も早い方法が記載されています。Docker をインストールし、リポジトリをクローンし、Docker Compose で実行します。コミュニティの概要と自己ホストの注意点については、Ollama で Perplexica を実行するこのチュートリアルを参照してください。また、ワンコマンドセットアップとプリビルドイメージについて議論する活発な自己ホストスレッドもあります。
Perplexica とは？
Perplexica は、自己ホスト型の AI 搭載検索エンジンであり、Web 検索と大規模言語モデルを組み合わせて、簡潔でソースに基づいた回答を生成します。複雑な質問をすると、Web を検索し、複数のソースを読み込み、引用付きで明確な回答を合成すると考えてください。Perplexity スタイルのツールのオープンな代替手段として位置付けられていますが、透明性と制御のためにローカルまたは自分のサーバーで実行します。
主なアイデア:
- Docker によるローカルまたは自己ホスト型の制御
- 好みの検索/データプロバイダー（例：Brave、SerpAPI、Google CSE—設定可能）を使用
- ローカルまたはリモートの LLM（例：Ollama または API ベースのモデル経由）と連携
- 自然なクエリ用の Web UI、および構成に応じて Web/Scholar/YouTube などの焦点の絞られた「モード」
Perplexica は誰のため？
- Web 検索機能を備えたローカル LLM を好むエンジニア
- 自己ホスト型のもので Perplexity スタイルのツールを置き換えるパワーユーザー
クイックスタート：Perplexica を実行する最も早い方法
公式リポジトリに基づく典型的な流れは次のとおりです。
- Docker と Docker Compose がインストールされている
- オプション: ローカルモデル（例：
llama3、mistral、qwen）を使用する場合は、Ollama がインストールされている
- 提供されている場合は、環境ファイルの例をコピーします（例：
.env.example → .env）。
- 検索/API キー（Brave、Serper、Tavily、Bing、Google CSE など）を追加します。
- LLM プロバイダーを設定します。セットアップに応じて、ローカルの Ollama エンドポイントまたは API (OpenAI/互換) を設定します。
- これにより、必要なサービスが開始されます。1 分後、Web UI は印刷された localhost ポート（通常は ` またはリポジトリのドキュメントで指定されている）で利用可能になるはずです。
- オプション：Ollama 経由でローカルモデルをプルする
# Ollama をインストールする（お使いの OS については ollama.com を参照）
ollama pull llama3
# または別のサポートされているモデル
- Perplexica の LLM 構成を Ollama エンドポイント（多くの場合、
macOS/Windows の Docker から、または Linux 上）に指定します。自己ホストのチュートリアルでは、このペアリングについて説明しています。
初回実行ツアー：Perplexica Web UI の使用
UI が起動すると、最新の AI 検索エンジンと同様の検索ボックスが表示されます。
- 自然言語で質問する：「2025 年のベクトルデータベースの最新ベンチマークは何ですか？」
- 利用可能な場合は、焦点/モードを選択します：Web、学術/Scholar、YouTube、またはより一般的な Research モード—ビルドとプロバイダーによって表示されるものが決まります。
- Enter キーを押します。Perplexica はソースを取得し、それらを読み込み、引用付きで概要を作成します。
- 引用を展開してソースを検査し、信頼性を確認します。
ヒント:
- 具体的なプロンプトを使用します。「アプローチを比較する」、「長所/短所をリストする」、「3 つの箇条書きの重要なポイントを含む 200 ワードの要約を提供する」などの制約を追加します。
- コーディングトピックについては、ステップバイステップのスニペットを要求し、元のドキュメントにリンクバックします。
- 動画の場合（YouTube モードが有効になっている場合）、「X に関するこのチャンネルの最新チュートリアルを要約する」と尋ねます。
検索プロバイダーと API キーを設定する方法
Perplexica は、1 つ以上の Web/検索プロバイダーに依存しています。一般的なオプションには、Brave Search、Serper/SerpAPI (Google のような結果)、Bing Web Search、Tavily、および Google Custom Search Engine (CSE) があります。.env ファイルで API キーを提供します。
.env に表示される可能性のある一般的な変数:
- BRAVE_API_KEY または SERPER_API_KEY (または SERPAPI_KEY)
- GOOGLE_CSE_ID および GOOGLE_CSE_API_KEY
- OLLAMA_BASE_URL (ローカルモデルの場合)
- クラウドモデルの場合は OPENAI_API_KEY または OPENAI_COMPATIBLE_BASE_URL
必要なものだけを設定します。多くのユーザーは、単一のプロバイダー（例：Brave または Tavily）と単一の LLM（Ollama または OpenAI 互換のエンドポイント）から始めて、その後拡張します。
モデルの選択と調整
Perplexica は以下で実行できます:
- Ollama 経由のローカルモデル：クエリごとにプライバシーに配慮し、無料。速度/品質は GPU/CPU とモデルサイズによって異なります。
- API 経由のクラウドモデル：通常、複雑なタスクではより高速で強力ですが、使用コストが発生します。
推奨事項:
- 軽量ハードウェア：一般的な Q&A の場合は、Ollama 経由で
mistral:7b または llama3:8b。
- 中/高ハードウェア：より強力な推論が必要な場合は、
llama3:70b または qwen2 バリアント。
- API サポート：最も負荷の高いリサーチクエリには、OpenAI 互換のモデルを検討してください。
Perplexica の設定または .env で、デフォルトモデルを選択した LLM に指定します。ビルドが複数のモデルをサポートしている場合は、セッションごとに切り替えることができます。
より良い回答を得るためのスマートプロンプト
出力を改善するには、次のパターンを使用します:
- 証拠要求：「リンク付きで 3〜5 の信頼できるソースを引用してください。合意と不一致を要約してください。」
- 構造化された出力：「5 ポイントの要約を返し、その後に比較表を示します。」
- 制約：「150 ワード未満にしてください。次に、3 項目のチェックリストを追加します。」
- スコープ制御：「2024〜2025 年の開発にのみ焦点を当て、有料のソースはスキップします。」
ワークフローの例
- プロンプト：「リサーチチーム向けに Notion と Obsidian を比較してください。長所/短所、価格設定、および 2025 年の更新情報を引用付きで提供してください。」
- 結果：一次ソースへのリンクを含むトレードオフの簡潔なグリッド。
- プロンプト：「FastAPI アプリに OpenTelemetry トレーシングを追加する方法は？コードスニペットを含め、公式ドキュメントにリンクしてください。」
- 結果：ステップバイステップのコードと公式リファレンス。
- プロンプト：「イオンスラスターの進歩（2023〜2025 年）を要約します。4 つの査読付きソースを含め、未解決の問題に注意してください。」
- プロンプト：「「Rust async patterns」に関する先週の動画からの重要なポイントを要約します。利用可能な場合はタイムスタンプを含めてください。」
トラブルシューティングとパフォーマンスのヒント
- Docker がモデルを見つけられない：Ollama が実行されていること、およびベース URL が Docker 内から到達可能であることを確認してください。macOS/Windows では、
localhost の代わりに host.docker.internal を試してください。
- 検索結果が空：プロバイダーの API キーとクォータを確認してください。別のプロバイダーに切り替えるか、フォールバックとして 2 番目のプロバイダーを有効にしてみてください。
- 応答が遅い：より小さなローカルモデルを使用します。取得するページ数を減らすか、負荷の高いクエリの場合は API モデルに切り替えます。
- メモリスパイク：同時タスクを制限するか、構成可能な場合はコンテキストウィンドウを小さくします。
- 引用が欠落している：プロンプトを厳密にします（「ソースリンクとタイトルを含める」）またはモードがリンク抽出をサポートしていることを確認します。
プライバシーとコスト管理
- Ollama 経由でローカルモデルのみを実行して、コンテンツをマシン上に保持します。
- 手頃な価格または無料の階層を持つプロバイダーを選択します（Brave/Tavily/Serper バリアントはクォータによって異なる場合があります）。
- Perplexica がビルドでサポートしている場合は、結果をキャッシュします。重複する呼び出しが減ります。
Perplexica の更新
- 最新のリポジトリの変更をプルし、コンテナを再起動します:
git pull
docker compose pull
docker compose up -d --build
- 破壊的な変更または新しいプロバイダーオプションについては、GitHub リポジトリのリリースノートを確認してください。
統合と UI オプション
- 多くのユーザーは、完全にローカルなスタックのために Perplexica を Ollama と組み合わせて使用します。実際的な配線と落とし穴については、この自己ホストのチュートリアルを参照してください。
- コミュニティの投稿では、多くの場合、ワンコマンドセットアップ用の Docker Compose スニペット、環境テンプレート、およびプリビルドイメージが共有されています。
ホストされた代替手段よりも Perplexica を優先する場合
- 再現性、ローカルログ、および透過的な構成が必要な場合
注目すべき点：Perplexica と並行して Sider.AI を使用する
関連性スコア: 8/10
多くの時間をリサーチの質問に費やし、その結果をコンテンツ（ブリーフ、ブログのドラフト、スライドノート）に変換する場合、Perplexica をライティング/分析ワークスペースと組み合わせると、作業をスピードアップできます。注目すべき点：Sider.AI を使用すると、クリーンなエディター内で調査結果の複数のバージョンをすばやく作成、編集、比較できます。Perplexica がソースと要約を表示した後、引用を貼り付けて、Sider が構造、トーン、および研磨を支援します。特に長文のアウトラインまたはステークホルダーの要約の場合に役立ちます。
重要なポイント
- Perplexica は、引用付きで回答を合成する自己ホスト型 AI 検索エンジンです。
- Docker で迅速に実行します。
.env でプロバイダーとモデルを設定します。
- ローカルでプライベートな推論には Ollama を使用し、速度/品質には API モデルを使用します。
- 構造化されたプロンプトと焦点の絞られたモードで結果を改善します。
- プロバイダーを慎重に選択し、可能な場合はキャッシュすることでコストを管理します。
開始するためのクイックチェックリスト
- リポジトリをクローンし、
.env をセットアップする
- 検索プロバイダーと LLM (Ollama または API) を選択する
よくある質問
Q1: Perplexica とは何ですか？また、Perplexity とどのように異なりますか？
Perplexica は、ローカルまたはサーバー上で実行する自己ホスト型のオープンソース AI 検索エンジンですが、Perplexity はホストされているサービスです。Perplexica を使用すると、プロバイダーとモデルを選択し、プライバシーを制御し、Ollama 経由でローカル LLM を使用して、クエリごとのコストをゼロにすることができます。
Q2: Docker で Perplexica をインストールするにはどうすればよいですか？
公式リポジトリをクローンし、API キーと LLM 設定で .env を構成し、docker compose up -d を実行します。Web UI は構成されたポートで利用可能になります。正確な手順と更新については、GitHub の readme を参照してください。
Q3: Perplexica は Ollama 経由で Llama 3 のようなローカルモデルを使用できますか？
はい。Ollama をインストールし、モデル（例：ollama pull llama3）をプルし、Perplexica の LLM ベース URL を Ollama エンドポイントに指定します。これにより、API 使用料なしでプライベートなローカル推論が可能になります。
Q4: どの検索プロバイダーが Perplexica と連携しますか？
Perplexica は、ビルドに応じて、Brave、Serper/SerpAPI、Bing、Tavily、Google CSE などの複数のプロバイダーをサポートしています。.env に対応する API キーを追加し、デフォルトのプロバイダーを選択します。
Q5: Perplexica で回答の質を向上させるにはどうすればよいですか？
プロンプトを具体的にし（引用、比較、制約を要求）、強力なモデルを選択し、カバレッジのために複数の検索プロバイダーを有効にします。また、範囲を近年に限定し、テーブルや箇条書きなどの構造化された出力を要求することもできます。
