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.

วิธีใช้ Perplexica: คู่มือฉบับสมบูรณ์ ไม่มีน้ำ (No-Fluff Guide) สำหรับปี 2025

หากคุณกำลังสนใจคำตอบ AI สไตล์ Perplexity แต่ต้องการควบคุมทุกอย่างได้เต็มที่ Perplexica คือทางเลือกโอเพนซอร์ส – ติดตั้งเอง เป็นมิตรกับความเป็นส่วนตัว และมีความสามารถที่น่าทึ่ง ในคู่มือนี้ เราจะอธิบายว่า Perplexica คืออะไร วิธีการติดตั้ง วิธีการกำหนดค่าผู้ให้บริการและโมเดล และวิธีใช้งานจริงในชีวิตประจำวันสำหรับการวิจัย การเขียนโค้ด และการค้นหาเนื้อหา

เพื่อให้เนื้อหาเป็นประโยชน์และเน้นการแก้ปัญหา เราจะใช้โครงสร้างแบบนำด้วยคำถาม พร้อมขั้นตอนที่รวดเร็ว ตัวอย่างคำสั่ง และเคล็ดลับการแก้ไขปัญหา

หมายเหตุ: Perplexica มีการพัฒนาอย่างต่อเนื่องและโดยทั่วไปจะใช้งานด้วย Docker คำแนะนำ (Readme) อย่างเป็นทางการใน GitHub อธิบายเส้นทางที่เร็วที่สุด: ติดตั้ง Docker, โคลน (Clone) รีโป (Repo) และรัน (Run) ผ่าน Docker Compose สำหรับภาพรวมของชุมชนและข้อควรรู้ในการติดตั้งด้วยตนเอง โปรดดูคำแนะนำทีละขั้นตอนเกี่ยวกับการรัน Perplexica ด้วย Ollama นอกจากนี้ยังมีกระทู้ที่ใช้งานจริงเกี่ยวกับการติดตั้งด้วยคำสั่งเดียวและอิมเมจ (Image) ที่สร้างไว้ล่วงหน้า

Perplexica คืออะไร?

Perplexica คือเครื่องมือค้นหาที่ขับเคลื่อนด้วย AI ซึ่งติดตั้งบนเซิร์ฟเวอร์ของคุณเอง โดยผสานรวมการค้นหาเว็บเข้ากับโมเดลภาษาขนาดใหญ่ (Large Language Models) เพื่อสร้างคำตอบที่กระชับและอ้างอิงแหล่งที่มา เปรียบเสมือนการถามคำถามที่ซับซ้อน แล้วเครื่องมือจะค้นหาเว็บ อ่านแหล่งข้อมูลหลายแห่ง และสังเคราะห์คำตอบที่ชัดเจนพร้อมการอ้างอิง ถือเป็นทางเลือกแบบเปิด (Open) สำหรับเครื่องมือสไตล์ Perplexity แต่คุณสามารถรัน (Run) ได้ในเครื่องของคุณเองหรือบนเซิร์ฟเวอร์ของคุณเพื่อความโปร่งใสและการควบคุม

แนวคิดหลัก:

การควบคุมในเครื่องหรือบนเซิร์ฟเวอร์ของคุณเองด้วย Docker

ใช้ผู้ให้บริการค้นหา/ข้อมูลที่คุณต้องการ (เช่น Brave, SerpAPI, Google CSE – กำหนดค่าได้)

ทำงานร่วมกับ LLM ในเครื่องหรือระยะไกล (เช่น ผ่าน Ollama หรือโมเดลที่ใช้ API)

Web UI สำหรับการค้นหาด้วยภาษาธรรมชาติ พร้อม "โหมด (Mode)" ที่เน้นเฉพาะ เช่น Web/Scholar/YouTube ขึ้นอยู่กับการกำหนดค่า

Perplexica เหมาะสำหรับใคร?

นักวิจัยที่ต้องการสรุปที่มีการอ้างอิงและมาจากหลายแหล่ง

วิศวกรที่ต้องการ LLM ในเครื่องพร้อมการดึงข้อมูลจากเว็บ

ทีมที่ต้องการความเป็นส่วนตัวและการควบคุมค่าใช้จ่าย

ผู้ใช้ขั้นสูงที่ต้องการแทนที่เครื่องมือสไตล์ Perplexity ด้วยสิ่งที่ติดตั้งเองได้

เริ่มต้นอย่างรวดเร็ว: วิธีที่เร็วที่สุดในการรัน Perplexica

นี่คือขั้นตอนทั่วไปตามรีโพสิทอรี (Repository) อย่างเป็นทางการ:

สิ่งที่ต้องมี

ติดตั้ง Docker และ Docker Compose แล้ว

ติดตั้ง Git แล้ว

ตัวเลือกเสริม: ติดตั้ง Ollama หากคุณต้องการใช้โมเดลในเครื่อง (เช่น llama3, mistral, qwen)

โคลน (Clone) รีโพสิทอรี (Repository)

git clone
 cd Perplexica

กำหนดค่าตัวแปรสภาพแวดล้อม

คัดลอกไฟล์ตัวอย่างสภาพแวดล้อมหากมีให้ (เช่น .env.example → .env)

เพิ่มคีย์ (Key) API/การค้นหา (Brave, Serper, Tavily, Bing, Google CSE, etc.)

กำหนดค่าผู้ให้บริการ LLM: ปลายทาง Ollama ในเครื่อง หรือ API (OpenAI/compatible) ขึ้นอยู่กับการตั้งค่าของคุณ

เปิดใช้งานด้วย Docker Compose

docker compose up -d

สิ่งนี้จะเริ่มต้นบริการที่จำเป็น หลังจากผ่านไปหนึ่งนาที Web UI ควรพร้อมใช้งานที่พอร์ต (Port) localhost ที่พิมพ์ออกมา (โดยทั่วไปคือ ` หรือตามที่ระบุไว้ในเอกสารของรีโพ (Repo))

ตัวเลือกเสริม: ดึงโมเดลในเครื่องผ่าน Ollama

# ติดตั้ง Ollama (ดู ollama.com สำหรับระบบปฏิบัติการของคุณ)
 ollama pull llama3
 # หรือโมเดลอื่นที่รองรับ

กำหนดค่า LLM ของ Perplexica ไปยังปลายทาง Ollama ของคุณ (มักจะเป็น จาก Docker บน macOS/Windows หรือ บน Linux) คำแนะนำในการติดตั้งด้วยตนเองอธิบายการจับคู่นี้

ทัวร์การใช้งานครั้งแรก: การใช้ Perplexica Web UI

เมื่อ UI ทำงาน คุณจะเห็นช่องค้นหาที่คล้ายกับเครื่องมือค้นหา AI สมัยใหม่

ถามคำถามด้วยภาษาธรรมชาติ: “What are the latest benchmarks for vector databases in 2025?”

เลือกโฟกัส/โหมด (Mode) หากมี: Web, Academic/Scholar, YouTube หรือโหมด Research ทั่วไป – การสร้างและผู้ให้บริการของคุณจะเป็นตัวกำหนดว่าจะปรากฏอะไรบ้าง

กด Enter Perplexica จะดึงแหล่งข้อมูล อ่าน และร่างสรุปพร้อมการอ้างอิง

ขยายการอ้างอิงเพื่อตรวจสอบแหล่งข้อมูลและยืนยันความน่าเชื่อถือ

เคล็ดลับ:

ใช้ข้อความแจ้ง (Prompt) ที่เฉพาะเจาะจง: เพิ่มข้อจำกัด เช่น “เปรียบเทียบแนวทาง”, “แสดงรายการข้อดี/ข้อเสีย” หรือ “ให้สรุป 200 คำพร้อมประเด็นสำคัญ 3 ข้อ”

สำหรับหัวข้อการเขียนโค้ด ขอตัวอย่างทีละขั้นตอนและลิงก์กลับไปยังเอกสารต้นฉบับ

สำหรับวิดีโอ (หากเปิดใช้งานโหมด YouTube) ขอให้ “สรุปบทเรียนล่าสุดของแชนเนลนี้เกี่ยวกับ X”

วิธีการกำหนดค่าผู้ให้บริการค้นหาและคีย์ (Key) API

Perplexica ใช้ผู้ให้บริการเว็บ/การค้นหาอย่างน้อยหนึ่งราย ตัวเลือกทั่วไป ได้แก่ Brave Search, Serper/SerpAPI (ผลลัพธ์คล้าย Google), Bing Web Search, Tavily และ Google Custom Search Engine (CSE) คุณจะต้องใส่คีย์ (Key) API ในไฟล์ .env ของคุณ

ตัวแปรทั่วไปที่คุณอาจเห็นใน .env:

BRAVE_API_KEY หรือ SERPER_API_KEY (หรือ SERPAPI_KEY)

BING_API_KEY

TAVILY_API_KEY

GOOGLE_CSE_ID และ GOOGLE_CSE_API_KEY

OLLAMA_BASE_URL (สำหรับโมเดลในเครื่อง)

OPENAI_API_KEY หรือ OPENAI_COMPATIBLE_BASE_URL สำหรับโมเดลบนคลาวด์

ตั้งค่าเฉพาะสิ่งที่คุณต้องการ ผู้ใช้หลายคนเริ่มต้นด้วยผู้ให้บริการรายเดียว (เช่น Brave หรือ Tavily) และ LLM เดียว (Ollama หรือปลายทางที่เข้ากันได้กับ OpenAI) แล้วค่อยขยาย

การเลือกและการปรับแต่งโมเดลของคุณ

คุณสามารถรัน (Run) Perplexica ด้วย:

โมเดลในเครื่องผ่าน Ollama: เป็นมิตรกับความเป็นส่วนตัวและฟรีต่อการสืบค้น ความเร็ว/คุณภาพขึ้นอยู่กับ GPU/CPU และขนาดโมเดลของคุณ

โมเดลบนคลาวด์ผ่าน API: โดยทั่วไปจะเร็วกว่าและแข็งแกร่งกว่าสำหรับงานที่ซับซ้อน แต่มีค่าใช้จ่ายในการใช้งาน

คำแนะนำ:

ฮาร์ดแวร์เบา: mistral:7b หรือ llama3:8b ผ่าน Ollama สำหรับ Q&A ทั่วไป

ฮาร์ดแวร์ขนาดกลาง/สูง: llama3:70b หรือ qwen2 หากคุณต้องการเหตุผลที่แข็งแกร่งกว่า

API-backed: พิจารณาโมเดลที่เข้ากันได้กับ OpenAI สำหรับการสืบค้นวิจัยที่หนักที่สุด

ในการตั้งค่าของ Perplexica หรือ .env ให้กำหนดโมเดลเริ่มต้นเป็น LLM ที่คุณเลือก หากการสร้างของคุณรองรับหลายโมเดล คุณสามารถสลับต่อเซสชันได้

Smart Prompting เพื่อคำตอบที่ดีขึ้น

ใช้รูปแบบเหล่านี้เพื่อปรับปรุงผลลัพธ์:

คำขอหลักฐาน: “อ้างอิงแหล่งที่มาที่มีชื่อเสียง 3–5 แหล่งพร้อมลิงก์ สรุปข้อตกลงและความขัดแย้ง”

ผลลัพธ์ที่มีโครงสร้าง: “ส่งคืนสรุป 5 ประเด็น ตามด้วยตารางเปรียบเทียบ”

ข้อจำกัด: “ให้อยู่ภายใต้ 150 คำ จากนั้นเพิ่มรายการตรวจสอบ 3 รายการ”

การควบคุมขอบเขต: “เน้นเฉพาะการพัฒนาปี 2024–2025 เท่านั้น และข้ามแหล่งที่ต้องเสียเงิน”

ตัวอย่างเวิร์กโฟลว์

การสแกนคู่แข่ง

Prompt: “เปรียบเทียบ Notion กับ Obsidian สำหรับทีมวิจัย ให้ข้อดี/ข้อเสีย ราคา และการอัปเดตปี 2025 พร้อมการอ้างอิง”

ผลลัพธ์: ตารางการแลกเปลี่ยนที่กระชับพร้อมลิงก์ไปยังแหล่งข้อมูลหลัก

How‑To สำหรับนักพัฒนา

Prompt: “How to add OpenTelemetry tracing in a FastAPI app? Include code snippets and link to official docs.”

ผลลัพธ์: โค้ดทีละขั้นตอนพร้อมการอ้างอิงอย่างเป็นทางการ

ข้อมูลพื้นฐานทางวิทยาศาสตร์

Prompt: “สรุปความก้าวหน้าของเครื่องยนต์ไอออน (2023–2025) รวมแหล่งข้อมูลที่ผ่านการตรวจสอบโดยผู้เชี่ยวชาญ 4 แหล่ง และระบุปัญหาที่ยังเปิดอยู่”

ผลลัพธ์: การสังเคราะห์ที่สนับสนุนโดยเอกสารพร้อมคำถามที่ยังเปิดอยู่

Video Knowledge Mining (หากเปิดใช้งาน)

Prompt: “สรุปประเด็นสำคัญจากวิดีโอเมื่อสัปดาห์ที่แล้วเกี่ยวกับ 'Rust async patterns' รวมการประทับเวลาหากมี”

เคล็ดลับการแก้ไขปัญหาและประสิทธิภาพ

Docker หาโมเดลไม่เจอ: ตรวจสอบให้แน่ใจว่า Ollama กำลังทำงานอยู่และ URL ฐานสามารถเข้าถึงได้จากภายใน Docker บน macOS/Windows ให้ลองใช้ host.docker.internal แทน localhost

ผลการค้นหาว่างเปล่า: ตรวจสอบคีย์ (Key) API และโควต้า (Quota) ของผู้ให้บริการ ลองเปลี่ยนไปใช้ผู้ให้บริการรายอื่น หรือเปิดใช้งานผู้ให้บริการรายที่สองเป็นข้อมูลสำรอง

การตอบสนองช้า: ใช้โมเดลในเครื่องที่เล็กลง ลดจำนวนหน้าที่ดึงมา หรือเปลี่ยนไปใช้โมเดล API สำหรับการสืบค้นหนัก

Memory spikes: จำกัดงานพร้อมกัน หรือลด Context window หากสามารถกำหนดค่าได้

ไม่มีการอ้างอิง: กระชับข้อความแจ้งของคุณ (“รวมลิงก์แหล่งที่มาพร้อมชื่อเรื่อง”) หรือตรวจสอบว่าโหมด (Mode) รองรับการแยก (Extract) ลิงก์

การควบคุมความเป็นส่วนตัวและค่าใช้จ่าย

รัน (Run) เฉพาะโมเดลในเครื่องผ่าน Ollama เพื่อเก็บเนื้อหาไว้ในเครื่องของคุณ

เลือกผู้ให้บริการที่มีราคาไม่แพงหรือระดับฟรี (Brave/Tavily/Serper อาจแตกต่างกันไปตามโควต้า (Quota))

แคช (Cache) ผลลัพธ์หาก Perplexica รองรับในการสร้างของคุณ คุณจะลดการโทรซ้ำ

การอัปเดต Perplexica

ดึงการเปลี่ยนแปลงล่าสุดของรีโพสิทอรี (Repository) และอัปเดตคอนเทนเนอร์ (Container) ของคุณ:

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

ตรวจสอบบันทึกประจำรุ่น (Release Note) บนรีโพ (Repo) GitHub สำหรับการเปลี่ยนแปลงที่สำคัญหรือตัวเลือกผู้ให้บริการใหม่

การผสานรวมและตัวเลือก UI

ผู้ใช้หลายคนจับคู่ Perplexica กับ Ollama สำหรับสแต็ก (Stack) ในเครื่องอย่างสมบูรณ์ ดูคำแนะนำในการติดตั้งด้วยตนเองนี้สำหรับการเชื่อมต่อและการแก้ไขข้อผิดพลาดในทางปฏิบัติ

โพสต์ของชุมชนมักจะแชร์ Docker Compose Snippets, เทมเพลต (Template) สภาพแวดล้อม และอิมเมจ (Image) ที่สร้างไว้ล่วงหน้าสำหรับการตั้งค่าด้วยคำสั่งเดียว

เมื่อใดควรเลือก Perplexica มากกว่าทางเลือกอื่นที่มีผู้ให้บริการ

คุณต้องการความสามารถในการทำซ้ำ บันทึกในเครื่อง และการกำหนดค่าที่โปร่งใส

องค์กรของคุณบล็อกเครื่องมือ AI ภายนอก

คุณต้องการทดลองกับ LLM หรือการตั้งค่าการดึงข้อมูลที่แตกต่างกัน

คุณใส่ใจเกี่ยวกับความสามารถในการคาดการณ์ต้นทุนและความเป็นส่วนตัว

สิ่งที่ควรทราบ: การใช้ Sider.AI ควบคู่ไปกับ Perplexica

คะแนนความเกี่ยวข้อง: 8/10

หากคุณใช้เวลาส่วนใหญ่ในการถามคำถามวิจัย แล้วเปลี่ยนผลลัพธ์เป็นเนื้อหา (บทสรุป, ร่างบล็อก, บันทึกสไลด์) การจับคู่ Perplexica กับพื้นที่ทำงานเขียน/วิเคราะห์สามารถเร่งความเร็วได้ สิ่งที่ควรทราบ: Sider.AI ช่วยให้คุณร่าง แก้ไข และเปรียบเทียบผลการค้นหาหลายเวอร์ชันได้อย่างรวดเร็วภายในตัวแก้ไขที่สะอาด หลังจากที่ Perplexica แสดงแหล่งข้อมูลและบทสรุปแล้ว ให้วางการอ้างอิงและให้ Sider ช่วยในเรื่องโครงสร้าง น้ำเสียง และความสมบูรณ์ โดยเฉพาะอย่างยิ่งสำหรับโครงร่างขนาดยาวหรือบทสรุปของผู้มีส่วนได้ส่วนเสีย

ประเด็นสำคัญ

Perplexica คือเครื่องมือค้นหา AI ที่ติดตั้งเองได้ ซึ่งสังเคราะห์คำตอบพร้อมการอ้างอิง

รัน (Run) ได้อย่างรวดเร็วด้วย Docker กำหนดค่าผู้ให้บริการและโมเดลใน .env

ใช้ Ollama สำหรับการอนุมานในเครื่องที่เป็นส่วนตัว หรือโมเดล API เพื่อความเร็ว/คุณภาพ

ปรับปรุงผลลัพธ์ด้วยข้อความแจ้งที่มีโครงสร้างและโหมด (Mode) ที่เน้น

จัดการค่าใช้จ่ายโดยการเลือกผู้ให้บริการอย่างระมัดระวังและแคช (Cache) เมื่อเป็นไปได้

รายการตรวจสอบด่วนเพื่อเริ่มต้น

ติดตั้ง Docker และ Git

โคลน (Clone) รีโพ (Repo) และตั้งค่า .env

เลือกผู้ให้บริการค้นหาและ LLM ของคุณ (Ollama หรือ API)

docker compose up -d

เปิด UI และรัน (Run) การสืบค้นครั้งแรกของคุณ

ทำซ้ำข้อความแจ้ง (Prompt) และตัวเลือกผู้ให้บริการ/โมเดล

คำถามที่พบบ่อย (FAQ)

Q1: Perplexica คืออะไร และแตกต่างจาก Perplexity อย่างไร? Perplexica คือเครื่องมือค้นหา AI แบบโอเพนซอร์สที่ติดตั้งเองได้ ซึ่งคุณสามารถรัน (Run) ได้ในเครื่องหรือบนเซิร์ฟเวอร์ ในขณะที่ Perplexity เป็นบริการที่มีผู้ให้บริการ ด้วย Perplexica คุณสามารถเลือกผู้ให้บริการและโมเดล ควบคุมความเป็นส่วนตัว และใช้ LLM ในเครื่องผ่าน Ollama โดยไม่มีค่าใช้จ่ายต่อการสืบค้น

Q2: ฉันจะติดตั้ง Perplexica ด้วย Docker ได้อย่างไร? โคลน (Clone) รีโพ (Repo) อย่างเป็นทางการ กำหนดค่า .env ของคุณด้วยคีย์ (Key) API และการตั้งค่า LLM จากนั้นรัน (Run) docker compose up -d Web UI จะพร้อมใช้งานที่พอร์ต (Port) ที่กำหนด โปรดดู GitHub Readme สำหรับขั้นตอนและการอัปเดตที่แน่นอน

Q3: Perplexica สามารถใช้โมเดลในเครื่อง เช่น Llama 3 ผ่าน Ollama ได้หรือไม่? ได้ ติดตั้ง Ollama ดึงโมเดล (เช่น ollama pull llama3) และกำหนด URL ฐาน LLM ของ Perplexica ไปยังปลายทาง Ollama สิ่งนี้จะเปิดใช้งานการอนุมานในเครื่องที่เป็นส่วนตัวโดยไม่มีค่าธรรมเนียมการใช้งาน API

Q4: ผู้ให้บริการค้นหารายใดบ้างที่ทำงานร่วมกับ Perplexica Perplexica รองรับผู้ให้บริการหลายราย เช่น Brave, Serper/SerpAPI, Bing, Tavily และ Google CSE ขึ้นอยู่กับการสร้างของคุณ เพิ่มคีย์ (Key) API ที่เกี่ยวข้องใน .env ของคุณ และเลือกผู้ให้บริการเริ่มต้น

Q5: ฉันจะปรับปรุงคุณภาพคำตอบใน Perplexica ได้อย่างไร ระบุรายละเอียดในข้อความแจ้ง (Prompt) (ขอการอ้างอิง การเปรียบเทียบ ข้อจำกัด) เลือกโมเดลที่แข็งแกร่ง และเปิดใช้งานผู้ให้บริการค้นหามากกว่าหนึ่งรายเพื่อความครอบคลุม คุณยังสามารถจำกัดขอบเขตให้อยู่ในช่วงปีล่าสุด และขอผลลัพธ์ที่มีโครงสร้าง เช่น ตารางหรือ Bullet Point