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-வை எவ்வாறு பயன்படுத்துவது: 2025-க்கான முழுமையான, முக்கியமான விஷயங்கள் மட்டுமே உள்ள கையேடு

Perplexity-பாணியிலான AI பதில்களை நீங்கள் எதிர்பார்த்து, அதே நேரத்தில் முழு கட்டுப்பாட்டையும் விரும்பினால், Perplexica ஒரு திறந்த மூல வழியாகும்—சுயமாக ஹோஸ்ட் செய்வது, தனியுரிமைக்கு ஏற்றது மற்றும் ஆச்சரியப்படும் விதமாக திறமையானது. இந்த வழிகாட்டியில், Perplexica என்றால் என்ன, அதை எவ்வாறு நிறுவுவது, வழங்குநர்கள் மற்றும் மாதிரிகளை எவ்வாறு கட்டமைப்பது, ஆராய்ச்சி, குறியீடாக்கம் மற்றும் உள்ளடக்கத்தைக் கண்டுபிடிப்பதற்கு அதை எவ்வாறு தினசரி பயன்படுத்துவது என்பது பற்றி பார்ப்போம்.

விடயங்களை நடைமுறை மற்றும் தீர்வு சார்ந்ததாக வைத்திருக்க, விரைவான படிகள், உதாரண கட்டளைகள் மற்றும் சரிசெய்தல் உதவிக்குறிப்புகளுடன் கேள்வி தலைமையிலான கட்டமைப்பைப் பயன்படுத்துவோம்.

ஒரு விஷயம்: Perplexica தீவிரமாக மேம்படுத்தப்பட்டு வருகிறது, மேலும் பொதுவாக Docker உடன் பயன்படுத்தப்படுகிறது. அதிகாரப்பூர்வ GitHub readme கோப்பானது வேகமான பாதையை கோடிட்டுக் காட்டுகிறது: Docker-ஐ நிறுவி, repo-வை clone செய்து, Docker Compose மூலம் இயக்கவும். சமூக கண்ணோட்டம் மற்றும் சுய-ஹோஸ்டிங் விவரங்களுக்கு, Ollama-வுடன் Perplexica-வை இயக்குவது குறித்த இந்த walkthrough-வைப் பார்க்கவும். ஒரு-கட்டளை அமைப்பு மற்றும் முன்பே கட்டமைக்கப்பட்ட படங்கள் குறித்து விவாதிக்கும் ஒரு செயலில் உள்ள சுய-ஹோஸ்டிங் thread-ம் உள்ளது.

Perplexica என்றால் என்ன?

Perplexica என்பது ஒரு சுய-ஹோஸ்டிங், AI-இயங்கும் தேடுபொறி ஆகும், இது இணையத் தேடலை பெரிய மொழி மாதிரிகளுடன் இணைத்து சுருக்கமான, ஆதாரம் சார்ந்த பதில்களை உருவாக்குகிறது. ஒரு சிக்கலான கேள்வியைக் கேளுங்கள், அது இணையத்தைத் தேடுகிறது, பல ஆதாரங்களைப் படிக்கிறது மற்றும் மேற்கோள்களுடன் தெளிவான பதிலைத் தொகுக்கிறது என்று நினைத்துப்பாருங்கள். இது Perplexity-பாணியிலான கருவிகளுக்கு திறந்த மாற்றாக நிலைநிறுத்தப்பட்டுள்ளது, ஆனால் வெளிப்படைத்தன்மை மற்றும் கட்டுப்பாட்டிற்காக இதை நீங்கள் உள்நாட்டில் அல்லது உங்கள் சொந்த சேவையகத்தில் இயக்கலாம்.

முக்கிய கருத்துகள்:

Docker மூலம் உள்ளூர் அல்லது சுய-ஹோஸ்டிங் கட்டுப்பாடு

நீங்கள் விரும்பும் தேடல்/தரவு வழங்குநர்களைப் பயன்படுத்துகிறது (எ.கா., Brave, SerpAPI, Google CSE—கட்டமைக்கக்கூடியது)

உள்ளூர் அல்லது தொலை LLM-களுடன் வேலை செய்கிறது (எ.கா., Ollama அல்லது API-அடிப்படையிலான மாதிரிகள் மூலம்)

இயற்கையான கேள்விகளுக்கான Web UI, கூடுதலாக உள்ளமைவைப் பொறுத்து Web/Scholar/YouTube போன்ற கவனம் செலுத்திய “modes”

Perplexica யாருக்கானது?

மேற்கோள் காட்டப்பட்ட, பல-மூல சுருக்கங்களை விரும்பும் ஆராய்ச்சியாளர்கள்

வலை மீட்டெடுப்புடன் உள்ளூர் LLM-களை விரும்பும் பொறியாளர்கள்

தனியுரிமை மற்றும் செலவுக் கட்டுப்பாடு தேவைப்படும் குழுக்கள்

சுயமாக ஹோஸ்ட் செய்யப்பட்ட ஒன்றைக் கொண்டு Perplexity-பாணியிலான கருவிகளை மாற்றும் பவர் பயனர்கள்

விரைவான தொடக்கம்: Perplexica-வை இயக்க வேகமான வழி

அதிகாரப்பூர்வ repository-ஐ அடிப்படையாகக் கொண்ட வழக்கமான செயல்முறை இங்கே:

முன்தேவைகள்

Docker மற்றும் Docker Compose நிறுவப்பட்டுள்ளது

Git நிறுவப்பட்டுள்ளது

விரும்பினால்: நீங்கள் உள்ளூர் மாதிரிகளைப் பயன்படுத்த விரும்பினால் Ollama நிறுவப்பட்டுள்ளது (எ.கா., {llama3}, {mistral}, {qwen})

Repository-ஐ Clone செய்யவும்

{git clone}{cd Perplexica}

சுற்றுச்சூழல் மாறிகளை கட்டமைக்கவும்

வழங்கப்பட்டால் உதாரண சூழல் கோப்பை நகலெடுக்கவும் (எ.கா., {.env.example} → {.env}).

ஏதேனும் தேடல்/API keys-களைச் சேர்க்கவும் (Brave, Serper, Tavily, Bing, Google CSE, போன்றவை).

LLM வழங்குநரை கட்டமைக்கவும்: உங்கள் அமைப்பைப் பொறுத்து உள்ளூர் Ollama endpoint அல்லது API (OpenAI/இணக்கமானது).

Docker Compose உடன் தொடங்கவும்

{docker compose up -d}

இது தேவையான சேவைகளைத் தொடங்குகிறது. ஒரு நிமிடத்திற்குப் பிறகு, வலை UI அச்சிடப்பட்ட localhost port-ல் கிடைக்கும் (பொதுவாக ` அல்லது repo-வின் ஆவணங்களில் குறிப்பிடப்பட்டுள்ளபடி).

விரும்பினால்: Ollama மூலம் ஒரு உள்ளூர் மாதிரியை இழுக்கவும்

{# Install Ollama (see ollama.com for your OS)}{ollama pull llama3}{# or another supported model}

Perplexica-வின் LLM உள்ளமைவை உங்கள் Ollama endpoint-க்கு சுட்டிக்காட்டவும் (பெரும்பாலும் macOS/Windows-ல் Docker-லிருந்து அல்லது Linux-ல் ). சுய-ஹோஸ்டிங் walkthrough இந்த இணைப்பை விளக்குகிறது.

முதல்-முறை உலா: Perplexica வலை UI-ஐப் பயன்படுத்துதல்

UI தயாரானதும், நவீன AI தேடுபொறிகளைப் போன்ற ஒரு தேடல் பெட்டியைக் காண்பீர்கள்.

இயல்பான மொழியில் ஒரு கேள்வியைக் கேளுங்கள்: “2025-ல் வெக்டர் தரவுத்தளங்களுக்கான சமீபத்திய benchmarks என்ன?”

கிடைத்தால் ஒரு focus/mode-ஐத் தேர்ந்தெடுக்கவும்: Web, Academic/Scholar, YouTube அல்லது மிகவும் பொதுவான Research mode—உங்கள் build மற்றும் வழங்குநர்கள் எவை தோன்றும் என்பதைத் தீர்மானிக்கின்றன.

Enter-ஐ அழுத்தவும். Perplexica ஆதாரங்களைப் பெற்று, அவற்றைப் படித்து, மேற்கோள்களுடன் சுருக்கத்தை உருவாக்கும்.

ஆதாரங்களை ஆய்வு செய்து நம்பகத்தன்மையை உறுதிப்படுத்த மேற்கோள்களை விரிவாக்கவும்.

உதவிக்குறிப்புகள்:

குறிப்பிட்ட தூண்டுதல்களைப் பயன்படுத்தவும்: “அணுகுமுறைகளை ஒப்பிடுக,” “நன்மைகள்/தீமைகளை பட்டியலிடு,” அல்லது “3 புல்லட் முக்கிய குறிப்புகளுடன் 200 வார்த்தை சுருக்கத்தைத் தருக” போன்ற கட்டுப்பாடுகளைச் சேர்க்கவும்.

குறியீட்டு தலைப்புகளுக்கு, படிப்படியான snippets-ஐக் கேட்டு அசல் ஆவணங்களுக்குத் திருப்பி இணைக்கவும்.

வீடியோக்களுக்கு (YouTube mode இயக்கப்பட்டிருந்தால்), “X பற்றிய இந்த சேனலின் சமீபத்திய tutorial-ஐ சுருக்கவும்” என்று கேளுங்கள்.

தேடல் வழங்குநர்கள் மற்றும் API keys-களை எவ்வாறு கட்டமைப்பது

Perplexica ஒன்று அல்லது அதற்கு மேற்பட்ட வலை/தேடல் வழங்குநர்களை நம்பியுள்ளது. பொதுவான விருப்பங்களில் Brave Search, Serper/SerpAPI (Google போன்ற முடிவுகள்), Bing Web Search, Tavily மற்றும் Google Custom Search Engine (CSE) ஆகியவை அடங்கும். உங்கள் {.env} கோப்பில் API keys-களை வழங்குவீர்கள்.

நீங்கள் {.env}-ல் காணக்கூடிய பொதுவான மாறிகள்:

BRAVE_API_KEY அல்லது SERPER_API_KEY (அல்லது SERPAPI_KEY)

BING_API_KEY

TAVILY_API_KEY

GOOGLE_CSE_ID மற்றும் GOOGLE_CSE_API_KEY

OLLAMA_BASE_URL (உள்ளூர் மாதிரிகளுக்கு)

OPENAI_API_KEY அல்லது OPENAI_COMPATIBLE_BASE_URL cloud மாதிரிகளுக்கு

உங்களுக்குத் தேவையானதை மட்டும் அமைக்கவும். பல பயனர்கள் ஒரு வழங்குநர் (எ.கா., Brave அல்லது Tavily) மற்றும் ஒரு LLM (Ollama அல்லது OpenAI-இணக்கமான endpoint) உடன் தொடங்கி பின்னர் விரிவாக்குகிறார்கள்.

உங்கள் மாதிரியைத் தேர்ந்தெடுத்து சரிசெய்தல்

Perplexica-வை நீங்கள் இதன் மூலம் இயக்கலாம்:

Ollama மூலம் உள்ளூர் மாதிரிகள்: தனியுரிமைக்கு ஏற்றது மற்றும் ஒரு கேள்விக்கு இலவசம்; வேகம்/தரம் உங்கள் GPU/CPU மற்றும் மாதிரி அளவைப் பொறுத்தது.

API மூலம் cloud மாதிரிகள்: பொதுவாக வேகமானவை மற்றும் சிக்கலான பணிகளுக்கு வலுவானவை, ஆனால் பயன்பாட்டுச் செலவை ஏற்படுத்துகின்றன.

பரிந்துரைகள்:

லேசான hardware: பொதுவான Q&A-க்கு Ollama மூலம் {mistral:7b} அல்லது {llama3:8b}.

நடுத்தர/உயர் hardware: உங்களுக்கு வலுவான reasoning தேவைப்பட்டால் {llama3:70b} அல்லது {qwen2} வகைகள்.

API-ஆதரிக்கப்பட்டது: அதிக ஆராய்ச்சி வினவல்களுக்கு OpenAI-இணக்கமான மாதிரிகளைக் கவனியுங்கள்.

Perplexica-வின் அமைப்புகளில் அல்லது {.env}-ல், உங்கள் விருப்பமான LLM-க்கு இயல்புநிலை மாதிரியை சுட்டிக்காட்டவும். உங்கள் build பல மாதிரிகளை ஆதரித்தால், நீங்கள் ஒரு session-க்கு மாற்றலாம்.

சிறந்த பதில்களுக்கான Smart தூண்டுதல்

வெளியீட்டை மேம்படுத்த இந்த patterns-களைப் பயன்படுத்தவும்:

சான்று கோரிக்கை: “இணைப்புகளுடன் 3–5 புகழ்பெற்ற ஆதாரங்களை மேற்கோள் காட்டுங்கள். உடன்பாடுகள் மற்றும் கருத்து வேறுபாடுகளை சுருக்கமாகக் கூறுங்கள்.”

கட்டமைக்கப்பட்ட வெளியீடு: “5-புள்ளி சுருக்கத்தையும் அதைத் தொடர்ந்து ஒரு ஒப்பீட்டு அட்டவணையையும் திருப்பி அனுப்பவும்.”

கட்டுப்பாடுகள்: “அதை 150 சொற்களுக்குள் வைத்திருக்கவும். பின்னர் 3-உறுப்பு சரிபார்ப்பு பட்டியலைச் சேர்க்கவும்.”

வரம்பு கட்டுப்பாடு: “2024–2025 வளர்ச்சிகளில் மட்டும் கவனம் செலுத்தி, paywalled ஆதாரங்களைத் தவிர்க்கவும்.”

உதாரண பணிப்பாய்வுகள்

போட்டி ஸ்கேன்

தூண்டுதல்: “ஆராய்ச்சி குழுக்களுக்கான Notion vs Obsidian-ஐ ஒப்பிடுக. நன்மைகள்/தீமைகள், விலை நிர்ணயம் மற்றும் மேற்கோள்களுடன் 2025 புதுப்பிப்புகளை வழங்கவும்.”

விளைவு: முதன்மை ஆதாரங்களுக்கான இணைப்புகளுடன் trade offs-களின் சுருக்கமான கட்டம்.

Developer எப்படி செய்வது

தூண்டுதல்: “FastAPI பயன்பாட்டில் OpenTelemetry tracing-ஐ எவ்வாறு சேர்ப்பது? குறியீடு snippets-களைச் சேர்த்து அதிகாரப்பூர்வ ஆவணங்களுக்கு இணைக்கவும்.”

விளைவு: படிப்படியான குறியீடு மற்றும் அதிகாரப்பூர்வ குறிப்புகள்.

அறிவியல் பின்னணி

தூண்டுதல்: “அயன் உந்துதல் முன்னேற்றங்களை (2023–2025) சுருக்கவும். 4 சக மதிப்பாய்வு செய்யப்பட்ட ஆதாரங்களைச் சேர்த்து திறந்த சிக்கல்களைக் குறித்துக்கொள்ளுங்கள்.”

விளைவு: திறந்த கேள்விகளுடன் பேப்பர்-ஆதரிக்கப்பட்ட தொகுப்பு.

வீடியோ அறிவு அகழ்வு (இயக்கப்பட்டால்)

தூண்டுதல்: “'Rust async patterns' பற்றிய கடந்த வார வீடியோக்களிலிருந்து முக்கிய குறிப்புகளை சுருக்கமாகக் கூறுங்கள். முடிந்தால் நேர முத்திரைகளைச் சேர்க்கவும்.”

சரிசெய்தல் மற்றும் செயல்திறன் உதவிக்குறிப்புகள்

Docker மாதிரியைக் கண்டுபிடிக்க முடியவில்லை: Ollama இயங்குவதையும், Docker-லிருந்து அடிப்படை URL அடையக்கூடியதாக இருப்பதையும் உறுதிப்படுத்தவும். macOS/Windows-ல், {localhost} என்பதற்குப் பதிலாக {host.docker.internal}-ஐ முயற்சிக்கவும்.

வெற்று தேடல் முடிவுகள்: வழங்குநரின் API key மற்றும் quota-வை சரிபார்க்கவும். மற்றொரு வழங்குநருக்கு மாற முயற்சிக்கவும் அல்லது fallback-ஆக இரண்டாவது வழங்குநரை இயக்கவும்.

மெதுவான பதில்கள்: சிறிய உள்ளூர் மாதிரியைப் பயன்படுத்தவும்; மீட்டெடுக்கப்பட்ட பக்கங்களின் எண்ணிக்கையைக் குறைக்கவும்; அல்லது அதிக வினவல்களுக்கு API மாதிரிக்கு மாறவும்.

நினைவக ஸ்பைக்கள்: ஒரே நேரத்தில் நடைபெறும் பணிகளைக் கட்டுப்படுத்தவும் அல்லது கட்டமைக்க முடிந்தால் context window-வைக் குறைக்கவும்.

மேற்கோள்கள் இல்லை: உங்கள் தூண்டுதலை இறுக்குங்கள் (“ஆதார இணைப்புகளை தலைப்புகளுடன் சேர்க்கவும்”) அல்லது mode இணைப்பு பிரித்தெடுப்பதை ஆதரிக்கிறதா என்பதை சரிபார்க்கவும்.

தனியுரிமை மற்றும் செலவுக் கட்டுப்பாடுகள்

உங்கள் கணினியில் உள்ளடக்கத்தை வைத்திருக்க Ollama மூலம் உள்ளூர் மாதிரிகளை மட்டும் இயக்கவும்.

மலிவு விலை அல்லது இலவச அடுக்குகளுடன் வழங்குநர்களைத் தேர்ந்தெடுக்கவும் (Brave/Tavily/Serper வகைகள் quota-வைப் பொறுத்து மாறுபடலாம்).

Perplexica உங்கள் build-ல் அதை ஆதரித்தால் முடிவுகளை cache செய்யவும்; நகல் அழைப்புகளைக் குறைப்பீர்கள்.

Perplexica-வை புதுப்பித்தல்

சமீபத்திய repository மாற்றங்களை இழுத்து உங்கள் containers-களை மீண்டும் ஏற்றவும்:

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

முறிக்கும் மாற்றங்கள் அல்லது புதிய வழங்குநர் விருப்பங்களுக்கு GitHub repo-வில் வெளியீட்டு குறிப்புகளைச் சரிபார்க்கவும்.

ஒருங்கிணைப்புகள் மற்றும் UI விருப்பங்கள்

பல பயனர்கள் Perplexica-வை Ollama-வுடன் முழுமையாக உள்ளூர் அடுக்குக்காக இணைக்கிறார்கள். நடைமுறை wiring மற்றும் ஆபத்துகளுக்கு இந்த சுய-ஹோஸ்டிங் walkthrough-வைப் பார்க்கவும்.

சமூக இடுகைகள் பெரும்பாலும் Docker Compose snippets, சூழல் templates மற்றும் ஒரு கட்டளை அமைப்பிற்கான முன்பே கட்டமைக்கப்பட்ட படங்களைப் பகிர்ந்து கொள்கின்றன.

ஹோஸ்ட் செய்யப்பட்ட மாற்றுகளுக்கு பதிலாக Perplexica-வை எப்போது விரும்புவது

உங்களுக்கு மறுஉருவாக்கம், உள்ளூர் பதிவுகள் மற்றும் வெளிப்படையான configs தேவை

உங்கள் நிறுவனம் வெளிப்புற AI கருவிகளைத் தடுக்கிறது

வெவ்வேறு LLM-கள் அல்லது மீட்டெடுப்பு அமைப்புகளுடன் நீங்கள் பரிசோதிக்க விரும்புகிறீர்கள்

செலவு கணிக்கக்கூடிய தன்மை மற்றும் தனியுரிமை பற்றி நீங்கள் கவலைப்படுகிறீர்கள்

Sider.AI-ஐ Perplexica-வுடன் பயன்படுத்துவது குறித்து கவனிக்க வேண்டியது:

தொடர்புடைய மதிப்பெண்: 8/10

நீங்கள் ஆராய்ச்சி கேள்விகளைக் கேட்பதிலும், பின்னர் முடிவுகளை உள்ளடக்கமாக மாற்றுவதிலும் (சுருக்கங்கள், blog வரைவுகள், slide குறிப்புகள்) அதிக நேரம் செலவிட்டால், Perplexica-வை எழுதுதல்/பகுப்பாய்வு பணியிடத்துடன் இணைப்பது விஷயங்களை விரைவுபடுத்தும். கவனிக்க வேண்டியது: Sider.AI ஒரு சுத்தமான editor-க்குள் உங்கள் கண்டுபிடிப்புகளின் பல பதிப்புகளை விரைவாக வரைவு செய்யவும், திருத்தவும் மற்றும் ஒப்பிடவும் உங்களை அனுமதிக்கிறது. Perplexica ஆதாரங்கள் மற்றும் சுருக்கங்களை வெளிப்படுத்திய பிறகு, மேற்கோள்களை ஒட்டி, அமைப்பு, தொனி மற்றும் பாலிஷ் செய்ய Sider-ஐ அனுமதிக்கவும்—குறிப்பாக நீண்ட-படிவ outlines அல்லது பங்குதாரர் சுருக்கங்களுக்கு.

முக்கிய குறிப்புகள்

Perplexica என்பது மேற்கோள்களுடன் பதில்களைத் தொகுக்கும் சுய-ஹோஸ்ட் செய்யப்பட்ட AI தேடுபொறியாகும்.

Docker மூலம் அதை விரைவாக இயக்கவும்; {.env}-ல் வழங்குநர்கள் மற்றும் மாதிரிகளை கட்டமைக்கவும்.

உள்ளூர், தனிப்பட்ட inference-க்கு Ollama-வைப் பயன்படுத்தவும்—அல்லது வேகம்/தரத்திற்கு API மாதிரிகள்.

கட்டமைக்கப்பட்ட தூண்டுதல்கள் மற்றும் கவனம் செலுத்திய modes மூலம் முடிவுகளை மேம்படுத்தவும்.

வழங்குநர்களை கவனமாக தேர்ந்தெடுப்பதன் மூலம் மற்றும் முடிந்தவரை caching செய்வதன் மூலம் செலவுகளை நிர்வகிக்கவும்.

தொடங்குவதற்கான விரைவான சரிபார்ப்பு பட்டியல்

Docker மற்றும் Git-ஐ நிறுவவும்

repo-வை Clone செய்து {.env}-ஐ அமைக்கவும்

உங்கள் தேடல் வழங்குநர் மற்றும் LLM-ஐத் (Ollama அல்லது API) தேர்ந்தெடுக்கவும்

{docker compose up -d}

UI-ஐத் திறந்து உங்கள் முதல் கேள்வியை இயக்கவும்

தூண்டுதல்கள் மற்றும் வழங்குநர்/மாதிரி தேர்வுகளில் மீண்டும் செய்யவும்

FAQ

{Q1:Perplexica என்றால் என்ன மற்றும் அது Perplexity-யிலிருந்து எவ்வாறு வேறுபடுகிறது? Perplexica என்பது ஒரு சுய-ஹோஸ்ட் செய்யப்பட்ட, திறந்த-மூல AI தேடுபொறியாகும், அதை நீங்கள் உள்நாட்டில் அல்லது ஒரு சேவையகத்தில் இயக்குகிறீர்கள், அதே நேரத்தில் Perplexity ஒரு ஹோஸ்ட் செய்யப்பட்ட சேவையாகும். Perplexica மூலம், நீங்கள் வழங்குநர்கள் மற்றும் மாதிரிகளைத் தேர்ந்தெடுக்கலாம், தனியுரிமையைக் கட்டுப்படுத்தலாம் மற்றும் ஒரு கேள்விக்கு பூஜ்ஜிய செலவில் Ollama மூலம் உள்ளூர் LLM-களைப் பயன்படுத்தலாம்.}{Q2:Docker-உடன் Perplexica-வை எவ்வாறு நிறுவுவது? அதிகாரப்பூர்வ repo-வை Clone செய்து, API keys மற்றும் LLM அமைப்புகளுடன் உங்கள் {.env}-ஐ கட்டமைக்கவும், பின்னர் {docker compose up -d}-ஐ இயக்கவும். வலை UI கட்டமைக்கப்பட்ட port-ல் கிடைக்கும்; சரியான படிகள் மற்றும் புதுப்பிப்புகளுக்கு GitHub readme-வைப் பார்க்கவும்.}{Q3:Perplexica Ollama மூலம் Llama 3 போன்ற உள்ளூர் மாதிரிகளைப் பயன்படுத்த முடியுமா? ஆம். Ollama-வை நிறுவி, ஒரு மாதிரியை இழுக்கவும் (எ.கா., {ollama pull llama3}), மேலும் Perplexica-வின் LLM அடிப்படை URL-ஐ Ollama endpoint-க்கு சுட்டிக்காட்டவும். இது API பயன்பாட்டுக் கட்டணங்கள் இல்லாமல் தனிப்பட்ட, உள்ளூர் inference-ஐ செயல்படுத்துகிறது.}{Q4:எந்த தேடல் வழங்குநர்கள் Perplexica-வுடன் வேலை செய்கிறார்கள்? Perplexica உங்கள் build-ஐப் பொறுத்து Brave, Serper/SerpAPI, Bing, Tavily மற்றும் Google CSE போன்ற பல வழங்குநர்களை ஆதரிக்கிறது. உங்கள் {.env}-ல் தொடர்புடைய API keys-களைச் சேர்த்து இயல்புநிலை வழங்குநரைத் தேர்ந்தெடுக்கவும்.}{Q5:Perplexica-வில் பதில் தரத்தை எவ்வாறு மேம்படுத்துவது? குறிப்பிட்ட தூண்டுதல்களுடன் இருங்கள் (மேற்கோள்கள், ஒப்பீடுகள், கட்டுப்பாடுகளைக் கேட்கவும்), ஒரு வலுவான மாதிரியைத் தேர்ந்தெடுக்கவும் மற்றும் coverage-க்கு ஒன்றுக்கும் மேற்பட்ட தேடல் வழங்குநர்களை இயக்கவும். சமீபத்திய ஆண்டுகளில் வரம்பை கட்டுப்படுத்தலாம் மற்றும் அட்டவணைகள் அல்லது புல்லட் புள்ளிகள் போன்ற கட்டமைக்கப்பட்ட வெளியீடுகளைக் கோரலாம்.}