Hvordan bruke Perplexica: En komplett, «no-fluff»-guide for 2025
Hvis du har hatt et øye til AI-svar i Perplexity-stil, men ønsker full kontroll, er Perplexica den åpne løsningen – selv-hostet, personvernvennlig og overraskende kapabel. I denne guiden går vi gjennom hva Perplexica er, hvordan du installerer det, hvordan du konfigurerer leverandører og modeller, og hvordan du faktisk bruker det i det daglige til forskning, koding og innholdsutforskning.
For å holde ting praktisk og løsningsorientert, vil vi bruke en spørsmålsledet struktur med raske trinn, eksempelkommandoer og feilsøkingstips.
Forresten: Perplexica er aktivt utviklet og distribueres vanligvis med Docker. Den offisielle GitHub readme beskriver den raskeste veien: installer Docker, klon repoet og kjør via Docker Compose. For en fellesskapsoversikt og «self-hosting»-tips, se denne gjennomgangen om å kjøre Perplexica med Ollama. Det finnes også en aktiv «self-hosted»-tråd som diskuterer ett-kommando-oppsett og forhåndsbygde bilder.
Hva er Perplexica?
Perplexica er en selv-hostet, AI-drevet søkemotor som kombinerer nettsøk med store språkmodeller for å produsere konsise, kildebaserte svar. Tenk deg: still et komplekst spørsmål, den søker på nettet, leser flere kilder og syntetiserer et klart svar med siteringer. Den er posisjonert som et åpent alternativ til verktøy i Perplexity-stil, men du kjører den lokalt eller på din egen server for transparens og kontroll.
Hovedideer:
- Lokal eller selv-hostet kontroll med Docker
- Bruker dine foretrukne søke-/dataleverandører (f.eks. Brave, SerpAPI, Google CSE – konfigurerbart)
- Fungerer med lokale eller eksterne LLMer (f.eks. gjennom Ollama eller API-baserte modeller)
- Web-UI for naturlige spørsmål, pluss fokuserte «moduser» som Web/Scholar/YouTube avhengig av konfigurasjon
Hvem er Perplexica for?
- Forskere som ønsker siterte, multi-kilde-sammendrag
- Ingeniører som foretrekker lokale LLMer med nettlesing
- Team som trenger personvern og kostnadskontroll
- Erfarne brukere som erstatter verktøy i Perplexity-stil med noe selv-hostet
Hurtigstart: Den raskeste måten å kjøre Perplexica
Her er den typiske flyten basert på det offisielle depotet:
- Docker og Docker Compose installert
- Valgfritt: Ollama installert hvis du vil bruke lokale modeller (f.eks.
llama3, mistral, qwen)
- Konfigurer miljøvariabler
- Kopier eksempelmiljøfilen hvis den finnes (f.eks.
.env.example → .env).
- Legg til eventuelle søke-/API-nøkler (Brave, Serper, Tavily, Bing, Google CSE, etc.).
- Konfigurer LLM-leverandør: lokal Ollama-endepunkt eller API (OpenAI/kompatibel) avhengig av oppsettet ditt.
- Dette starter de nødvendige tjenestene. Etter et minutt skal web-UI-en være tilgjengelig på den trykte localhost-porten (vanligvis ` eller som spesifisert i repoets dokumentasjon).
- Valgfritt: Hent en lokal modell via Ollama
# Installer Ollama (se ollama.com for ditt OS)
ollama pull llama3
# eller en annen støttet modell
- Pek Perplexicas LLM-konfigurasjon til Ollama-endepunktet ditt (ofte
from Docker on macOS/Windows or på Linux). Gjennomgangen for «self-hosting» forklarer denne sammenkoblingen.
Første gangs omvisning: Bruke Perplexica Web-UI
Når UI-en er oppe, vil du se en søkeboks som ligner på moderne AI-søkemotorer.
- Still et spørsmål i naturlig språk: «Hva er de siste benchmarkene for vektor-databaser i 2025?»
- Velg et fokus/modus hvis tilgjengelig: Web, Academic/Scholar, YouTube, eller en mer generell Research-modus – din bygg og leverandører bestemmer hvilke som vises.
- Trykk Enter. Perplexica vil hente kilder, lese dem og utarbeide et sammendrag med siteringer.
- Utvid siteringene for å inspisere kilder og bekrefte troverdighet.
Tips:
- Bruk spesifikke spørsmål: legg til begrensninger som «sammenlign tilnærminger», «liste fordeler/ulemper» eller «gi et 200-ords sammendrag med 3 punkter med viktige takeaways».
- For kodings-emner, be om trinnvise snutter og lenk tilbake til originale dokumenter.
- For videoer (hvis YouTube-modus er aktivert), be om å «summarize this channel’s latest tutorial on X».
Hvordan konfigurere søkeleverandører og API-nøkler
Perplexica er avhengig av en eller flere web-/søkeleverandører. Vanlige alternativer inkluderer Brave Search, Serper/SerpAPI (Google-lignende resultater), Bing Web Search, Tavily og Google Custom Search Engine (CSE). Du må oppgi API-nøkler 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 sky-modeller
Sett bare det du trenger. Mange brukere starter med en enkelt leverandør (f.eks. Brave eller Tavily) og en enkelt LLM (Ollama eller et OpenAI-kompatibelt endepunkt), og utvider deretter.
Velge og finjustere modellen din
Du kan kjøre Perplexica med:
- Lokale modeller via Ollama: Personvernvennlig og gratis per spørring; hastighet/kvalitet avhenger av GPU/CPU og modellstørrelse.
- Sky-modeller via API: Vanligvis raskere og sterkere for komplekse oppgaver, men pådrar brukskostnader.
Anbefalinger:
- Lett maskinvare:
mistral:7b eller llama3:8b via Ollama for generell Q&A.
- Middels/høy maskinvare:
llama3:70b eller qwen2-varianter hvis du trenger sterkere resonnering.
- API-støttet: Vurder OpenAI-kompatible modeller for de tyngste forskningsspørringene.
I Perplexicas innstillinger eller .env, pek standardmodellen til din valgte LLM. Hvis din build støtter flere modeller, kan du bytte per økt.
Smart «prompting» for bedre svar
Bruk disse mønstrene for å forbedre resultatet:
- Evidensanmodning: «Sitér 3–5 anerkjente kilder med lenker. Oppsummer avtaler og uenigheter.»
- Strukturert utdata: «Returner et 5-punkts sammendrag etterfulgt av en sammenligningstabell.»
- Begrensninger: «Hold det under 150 ord. Legg deretter til en 3-punkts sjekkliste.»
- Omfangskontroll: «Fokuser kun på utviklinger i 2024–2025 og hopp over betalingsmur-kilder.»
Eksempelarbeidsflyter
- Prompt: «Sammenlign Notion vs Obsidian for forskningsteam. Gi fordeler/ulemper, priser og 2025-oppdateringer med siteringer.»
- Resultat: En konsis oversikt over kompromisser med lenker til primærkilder.
- Prompt: «Hvordan legge til OpenTelemetry-sporing i en FastAPI-app? Inkluder kodebiter og lenk til offisielle dokumenter.»
- Resultat: Trinnvis kode pluss offisielle referanser.
- Prompt: «Oppsummer ion thruster-fremskritt (2023–2025). Inkluder 4 fagfellevurderte kilder og noter åpne problemer.»
- Resultat: Papir-støttet syntese med åpne spørsmål.
- Videokunnskapsutvinning (hvis aktivert)
- Prompt: «Oppsummer de viktigste takeaways fra forrige ukes videoer om 'Rust async patterns'. Inkluder tidsstempler hvis tilgjengelig.»
Feilsøking og ytelsestips
- Docker finner ikke modellen: Sørg for at Ollama kjører og at base-URL-en er tilgjengelig fra innsiden av Docker. På macOS/Windows, prøv
host.docker.internal i stedet for localhost.
- Tomme søkeresultater: Verifiser leverandørens API-nøkkel og kvote. Prøv å bytte til en annen leverandør eller aktiver en andre som fallback.
- Langsomme responser: Bruk en mindre lokal modell; reduser antall hentede sider; eller bytt til en API-modell for tunge spørringer.
- Minnebruk: Begrens samtidige oppgaver eller reduser kontekstvinduet hvis det er konfigurerbart.
- Siteringer mangler: Stram inn «prompten» din («inkluder kildelenker med titler») eller verifiser at modusen støtter lenkeutvinning.
Personvern og kostnadskontroll
- Kjør bare lokale modeller via Ollama for å holde innholdet på maskinen din.
- Velg leverandører med rimelige priser eller gratisnivåer (Brave/Tavily/Serper-varianter kan variere etter kvote).
- Cache resultater hvis Perplexica støtter det i din build; du vil redusere dupliserte kall.
Oppdatere Perplexica
- Hent de nyeste depotendringene og oppdater containerne dine:
git pull
docker compose pull
docker compose up -d --build
- Sjekk utgivelsesnotater på GitHub-repoet for store endringer eller nye leverandøralternativer.
Integrasjoner og UI-alternativer
- Mange brukere parer Perplexica med Ollama for en fullstendig lokal stack. Se denne gjennomgangen for «self-hosting» for praktisk kabling og fallgruver.
- Fellesskapsposter deler ofte Docker Compose-snutter, miljømaler og forhåndsbygde bilder for ett-kommando-oppsett.
Når bør du foretrekke Perplexica fremfor hostede alternativer
- Du trenger reproduserbarhet, lokale logger og transparente konfigurasjoner
- Organisasjonen din blokkerer eksterne AI-verktøy
- Du vil eksperimentere med forskjellige LLMer eller hentingsinnstillinger
- Du bryr deg om kostnadsforutsigbarhet og personvern
Verdt å merke seg: Bruke Sider.AI sammen med Perplexica
Relevansscore: 8/10
Hvis du bruker mye tid på å stille forskningsspørsmål og deretter gjøre resultatene om til innhold (briefs, bloggutkast, slidenotater), kan det å pare Perplexica med en skrive-/analysearbeidsplass fremskynde ting. Verdt å merke seg: Sider.AI lar deg utarbeide, redigere og sammenligne flere versjoner av funnene dine raskt inne i en ren redigerer. Etter at Perplexica har funnet kilder og sammendrag, lim inn siteringene og la Sider hjelpe med struktur, tone og polering – spesielt for lange disposisjoner eller interessentsammendrag.
Viktige takeaways
- Perplexica er en selv-hostet AI-søkemotor som syntetiserer svar med siteringer.
- Kjør den raskt med Docker; konfigurer leverandører og modeller i
.env.
- Bruk Ollama for lokal, privat inferens – eller API-modeller for hastighet/kvalitet.
- Forbedre resultatene med strukturerte «prompts» og fokuserte moduser.
- Administrer kostnader ved å velge leverandører nøye og cache der det er mulig.
Hurtigsjekkliste for å komme i gang
- Klon repo og sett opp
.env
- Velg din søkeleverandør og LLM (Ollama eller API)
- Åpne UI-en og kjør din første spørring
- Iterer på «prompts» og leverandør-/modellvalg
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.
