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 사용법: 2025년 완벽하고 핵심적인 가이드

Perplexity 스타일의 AI 답변을 원하지만 완전한 제어를 원한다면 Perplexica가 오픈 소스 대안입니다. 자체 호스팅, 개인 정보 보호, 놀라울 정도로 강력합니다. 이 가이드에서는 Perplexica가 무엇인지, 설치 방법, 제공업체 및 모델 구성 방법, 연구, 코딩 및 콘텐츠 검색을 위해 실제로 매일 사용하는 방법을 안내합니다.

실용적이고 솔루션 중심적인 내용을 제공하기 위해 빠른 단계, 예제 명령 및 문제 해결 팁과 함께 질문 주도 구조를 사용합니다.

참고: Perplexica는 활발히 개발되고 있으며 일반적으로 Docker와 함께 배포됩니다. 공식 GitHub readme에는 가장 빠른 경로가 요약되어 있습니다. Docker를 설치하고, 리포지토리를 복제하고, Docker Compose를 통해 실행합니다. 커뮤니티 개요 및 자체 호스팅 관련 정보는 Ollama를 사용하여 Perplexica를 실행하는 방법에 대한 이 연습 자료를 참조하세요. 또한 원커맨드 설정 및 사전 빌드된 이미지를 논의하는 활성 자체 호스팅 스레드도 있습니다.

Perplexica란 무엇입니까?

Perplexica는 웹 검색과 대규모 언어 모델을 결합하여 간결하고 출처에 근거한 답변을 생성하는 자체 호스팅 AI 기반 검색 엔진입니다. 복잡한 질문을 하면 웹을 검색하고, 여러 소스를 읽고, 인용과 함께 명확한 응답을 종합합니다. Perplexity 스타일 도구에 대한 공개 대안으로 자리매김했지만 투명성과 제어를 위해 로컬 또는 자체 서버에서 실행합니다.

주요 아이디어:

Docker를 사용한 로컬 또는 자체 호스팅 제어

선호하는 검색/데이터 제공업체(예: Brave, SerpAPI, Google CSE - 구성 가능) 사용

로컬 또는 원격 LLM(예: Ollama 또는 API 기반 모델을 통해)과 함께 작동

자연어 쿼리를 위한 웹 UI와 구성에 따라 웹/Scholar/YouTube와 같은 집중된 “모드” 제공

Perplexica는 누구를 위한 것입니까?

인용된 여러 소스 요약을 원하는 연구원

웹 검색을 사용하는 로컬 LLM을 선호하는 엔지니어

개인 정보 보호 및 비용 관리가 필요한 팀

자체 호스팅으로 Perplexity 스타일 도구를 대체하는 파워 유저

빠른 시작: Perplexica를 실행하는 가장 빠른 방법

다음은 공식 리포지토리를 기반으로 한 일반적인 흐름입니다.

필수 조건

Docker 및 Docker Compose 설치됨

Git 설치됨

선택 사항: 로컬 모델(llama3, mistral, qwen 등)을 사용하려는 경우 Ollama 설치됨

리포지토리 복제

git clone
cd Perplexica

환경 변수 구성

제공된 경우 예제 환경 파일을 복사합니다(예: .env.example → .env).

검색/API 키(Brave, Serper, Tavily, Bing, Google CSE 등)를 추가합니다.

LLM 제공업체 구성: 설정에 따라 로컬 Ollama 엔드포인트 또는 API(OpenAI/호환 가능)를 설정합니다.

Docker Compose로 실행

docker compose up -d

이렇게 하면 필요한 서비스가 시작됩니다. 잠시 후 웹 UI는 인쇄된 localhost 포트(일반적으로 ` 또는 리포지토리 문서에 지정된 대로)에서 사용할 수 있어야 합니다.

선택 사항: Ollama를 통해 로컬 모델 가져오기

# Ollama 설치 (OS는 ollama.com 참조)
ollama pull llama3
# 또는 다른 지원되는 모델

Perplexica의 LLM 구성을 Ollama 엔드포인트(종종 macOS/Windows의 Docker에서 또는 Linux에서)로 지정합니다. 자체 호스팅 연습 자료에서는 이 페어링을 설명합니다.

첫 실행 둘러보기: Perplexica 웹 UI 사용

UI가 시작되면 최신 AI 검색 엔진과 유사한 검색 상자가 표시됩니다.

자연어로 질문하십시오. “2025년 벡터 데이터베이스에 대한 최신 벤치마크는 무엇입니까?”

사용 가능한 경우 포커스/모드를 선택합니다. 웹, 학술/Scholar, YouTube 또는 보다 일반적인 연구 모드 - 빌드 및 제공업체에 따라 나타나는 항목이 결정됩니다.

Enter 키를 누릅니다. Perplexica는 소스를 가져오고 읽고 인용과 함께 요약을 작성합니다.

인용을 확장하여 소스를 검사하고 신뢰성을 확인합니다.

팁:

구체적인 프롬프트를 사용합니다. “접근 방식 비교”, “장단점 나열” 또는 “주요 내용 3가지 항목으로 요약된 200단어 요약을 제공”과 같은 제약 조건을 추가합니다.

코딩 주제의 경우 단계별 스니펫을 요청하고 원본 문서에 다시 연결합니다.

비디오의 경우 (YouTube 모드가 활성화된 경우) “X에 대한 이 채널의 최신 튜토리얼을 요약”하라고 요청합니다.

검색 제공업체 및 API 키를 구성하는 방법

Perplexica는 하나 이상의 웹/검색 제공업체에 의존합니다. 일반적인 옵션으로는 Brave Search, Serper/SerpAPI(Google과 유사한 결과), Bing Web Search, Tavily 및 Google Custom Search Engine(CSE)이 있습니다. .env 파일에 API 키를 제공합니다.

.env에서 볼 수 있는 일반적인 변수:

BRAVE_API_KEY 또는 SERPER_API_KEY(또는 SERPAPI_KEY)

BING_API_KEY

TAVILY_API_KEY

GOOGLE_CSE_ID 및 GOOGLE_CSE_API_KEY

OLLAMA_BASE_URL (로컬 모델의 경우)

OPENAI_API_KEY 또는 클라우드 모델의 경우 OPENAI_COMPATIBLE_BASE_URL

필요한 것만 설정하십시오. 많은 사용자가 단일 제공업체(예: Brave 또는 Tavily)와 단일 LLM(Ollama 또는 OpenAI 호환 엔드포인트)로 시작한 다음 확장합니다.

모델 선택 및 튜닝

다음을 사용하여 Perplexica를 실행할 수 있습니다.

Ollama를 통한 로컬 모델: 개인 정보 보호에 좋고 쿼리당 무료입니다. 속도/품질은 GPU/CPU 및 모델 크기에 따라 달라집니다.

API를 통한 클라우드 모델: 일반적으로 더 빠르고 복잡한 작업에 더 강력하지만 사용 비용이 발생합니다.

권장 사항:

가벼운 하드웨어: 일반적인 Q&A의 경우 Ollama를 통해 mistral:7b 또는 llama3:8b를 사용하십시오.

중간/높은 하드웨어: 더 강력한 추론이 필요한 경우 llama3:70b 또는 qwen2 변형을 사용하십시오.

API 지원: 가장 까다로운 연구 쿼리의 경우 OpenAI 호환 모델을 고려하십시오.

Perplexica 설정 또는 .env에서 기본 모델을 선택한 LLM으로 지정합니다. 빌드에서 여러 모델을 지원하는 경우 세션별로 전환할 수 있습니다.

더 나은 답변을 위한 스마트 프롬프트

출력을 개선하려면 다음 패턴을 사용하십시오.

증거 요청: “링크가 있는 3–5개의 평판 좋은 소스를 인용하십시오. 합의 및 불일치를 요약하십시오.”

구조화된 출력: “5가지 항목으로 요약한 다음 비교 테이블을 반환합니다.”

제약 조건: “150단어 미만으로 유지하십시오. 그런 다음 3가지 항목 체크리스트를 추가하십시오.”

범위 제어: “2024–2025년 개발에만 집중하고 유료 소스는 건너뜁니다.”

예제 워크플로

경쟁 스캔

프롬프트: “연구팀을 위한 Notion과 Obsidian을 비교합니다. 장단점, 가격 및 인용과 함께 2025년 업데이트를 제공합니다.”

결과: 기본 소스에 대한 링크가 있는 간결한 절충안 표.

개발자 방법

프롬프트: “FastAPI 앱에서 OpenTelemetry 추적을 추가하는 방법은 무엇입니까? 코드 스니펫을 포함하고 공식 문서에 링크합니다.”

결과: 단계별 코드 및 공식 참조.

과학적 배경 조사

프롬프트: “이온 추진기 발전 (2023–2025)을 요약합니다. 4개의 동료 검토 소스를 포함하고 미해결 문제를 기록합니다.”

결과: 미해결 질문이 있는 논문 지원 합성.

비디오 지식 마이닝 (활성화된 경우)

프롬프트: “‘Rust async 패턴’에 대한 지난주 비디오의 주요 내용을 요약합니다. 사용 가능한 경우 타임스탬프를 포함합니다.”

문제 해결 및 성능 팁

Docker에서 모델을 찾을 수 없음: Ollama가 실행 중이고 기본 URL이 Docker 내부에서 연결 가능한지 확인합니다. macOS/Windows에서는 localhost 대신 host.docker.internal을 사용해 보십시오.

비어 있는 검색 결과: 제공업체의 API 키 및 할당량을 확인합니다. 다른 제공업체로 전환하거나 대체 방법으로 두 번째 제공업체를 활성화해 보십시오.

느린 응답: 더 작은 로컬 모델을 사용하십시오. 검색된 페이지 수를 줄이거나 까다로운 쿼리의 경우 API 모델로 전환하십시오.

메모리 스파이크: 동시 작업을 제한하거나 구성 가능한 경우 컨텍스트 창을 줄입니다.

인용 누락: 프롬프트를 강화하거나 (“제목과 함께 소스 링크 포함”) 모드가 링크 추출을 지원하는지 확인합니다.

개인 정보 보호 및 비용 관리

콘텐츠를 컴퓨터에 보관하려면 Ollama를 통해 로컬 모델만 실행합니다.

저렴한 가격 또는 무료 티어가 있는 제공업체를 선택하십시오 (Brave/Tavily/Serper 변형은 할당량에 따라 다를 수 있음).

Perplexica가 빌드에서 지원하는 경우 결과를 캐시합니다. 중복 호출을 줄일 수 있습니다.

Perplexica 업데이트

최신 리포지토리 변경 사항을 가져오고 컨테이너를 다시 시작하십시오.

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

GitHub 리포지토리에서 주요 변경 사항 또는 새로운 제공업체 옵션에 대한 릴리스 노트를 확인하십시오.

통합 및 UI 옵션

많은 사용자가 완전한 로컬 스택을 위해 Perplexica를 Ollama와 페어링합니다. 실용적인 연결 및 함정에 대한 이 자체 호스팅 연습 자료를 참조하십시오.

커뮤니티 게시물에서는 종종 원커맨드 설정을 위한 Docker Compose 스니펫, 환경 템플릿 및 사전 빌드된 이미지를 공유합니다.

호스팅된 대안보다 Perplexica를 선호하는 경우

재현성, 로컬 로그 및 투명한 구성이 필요합니다.

조직에서 외부 AI 도구를 차단합니다.

다양한 LLM 또는 검색 설정을 실험하고 싶습니다.

비용 예측 가능성 및 개인 정보 보호에 관심이 있습니다.

참고: Sider.AI를 Perplexica와 함께 사용

주요 내용

Perplexica는 인용과 함께 답변을 종합하는 자체 호스팅 AI 검색 엔진입니다.

Docker를 사용하여 빠르게 실행하십시오. .env에서 제공업체 및 모델을 구성하십시오.

로컬, 개인 추론에는 Ollama를 사용하고 속도/품질에는 API 모델을 사용하십시오.

구조화된 프롬프트와 집중된 모드로 결과를 개선하십시오.

제공업체를 신중하게 선택하고 가능한 경우 캐싱하여 비용을 관리하십시오.

시작하기 위한 빠른 체크리스트

Docker 및 Git 설치

리포지토리 복제 및 .env 설정

검색 제공업체 및 LLM 선택 (Ollama 또는 API)

docker compose up -d

UI를 열고 첫 번째 쿼리 실행

프롬프트 및 제공업체/모델 선택 반복

FAQ

Q1:Perplexica란 무엇이며 Perplexity와 어떻게 다릅니까? Perplexica는 로컬 또는 서버에서 실행하는 자체 호스팅, 오픈 소스 AI 검색 엔진인 반면 Perplexity는 호스팅 서비스입니다. Perplexica를 사용하면 제공업체와 모델을 선택하고 개인 정보를 제어하며 쿼리당 비용 없이 Ollama를 통해 로컬 LLM을 사용할 수 있습니다.

Q2:Docker로 Perplexica를 설치하는 방법은 무엇입니까? 공식 리포지토리를 복제하고 API 키 및 LLM 설정으로 .env를 구성한 다음 docker compose up -d를 실행합니다. 웹 UI는 구성된 포트에서 사용할 수 있습니다. 정확한 단계 및 업데이트는 GitHub readme를 참조하십시오.

Q3:Perplexica는 Ollama를 통해 Llama 3와 같은 로컬 모델을 사용할 수 있습니까? 예. Ollama를 설치하고 모델을 가져오고 (예: ollama pull llama3) Perplexica의 LLM 기본 URL을 Ollama 엔드포인트로 지정합니다. 이렇게 하면 API 사용료 없이 개인적인 로컬 추론이 가능합니다.

Q4:어떤 검색 제공업체가 Perplexica와 함께 작동합니까? Perplexica는 빌드에 따라 Brave, Serper/SerpAPI, Bing, Tavily 및 Google CSE와 같은 여러 제공업체를 지원합니다. .env에 해당 API 키를 추가하고 기본 제공업체를 선택하십시오.

Q5:Perplexica에서 답변 품질을 개선하려면 어떻게 해야 합니까? 프롬프트에 구체적이고 (인용, 비교, 제약 조건 요청) 강력한 모델을 선택하고 적용 범위를 위해 둘 이상의 검색 제공업체를 활성화하십시오. 또한 최근 몇 년으로 범위를 제한하고 테이블 또는 글 머리 기호와 같은 구조화된 출력을 요청할 수도 있습니다.