如何使用 Perplexica：2025 年完整無廢話指南
如果您一直關注 Perplexity 風格的 AI 答案，但又想要完全控制，那麼 Perplexica 是一個開源的途徑——自託管、注重隱私且功能強大。在本指南中，我們將介紹 Perplexica 是什麼、如何安裝它、如何配置供應商和模型，以及如何在日常生活中實際使用它進行研究、編碼和內容發現。
為了保持實用性和以解決方案為導向，我們將使用以問題為主導的結構，提供快速步驟、示例命令和故障排除提示。
順便說一句：Perplexica 正在積極開發中，通常使用 Docker 部署。官方 GitHub 自述文件概述了最快的路徑：安裝 Docker，克隆 repo，然後通過 Docker Compose 運行。有關社群概況和自託管要點，請參閱此關於使用 Ollama 運行 Perplexica 的演練。還有一個活躍的自託管討論串，討論一鍵式設定和預構建映像。
什麼是 Perplexica？
Perplexica 是一個自託管的、AI 驅動的搜尋引擎，它將網路搜尋與大型語言模型相結合，以產生簡潔、基於來源的答案。想像一下：提出一個複雜的問題，它會搜尋網路、閱讀多個來源，並綜合一個清晰的回應，並附有引文。它被定位為 Perplexity 風格工具的開放替代方案，但您可以在本地或自己的伺服器上運行它，以實現透明度和控制。
主要概念：
- 使用您偏好的搜尋/資料提供商（例如，Brave、SerpAPI、Google CSE——可配置）
- 與本地或遠端 LLM 協同工作（例如，通過 Ollama 或基於 API 的模型）
- 用於自然查詢的 Web UI，以及專注的「模式」，例如 Web/Scholar/YouTube，具體取決於配置
Perplexica 適合誰？
- 用自託管的工具取代 Perplexity 風格工具的高階使用者
快速入門：運行 Perplexica 的最快方法
以下是基於官方儲存庫的典型流程：
- 已安裝 Docker 和 Docker Compose
- 可選：如果您想使用本地模型（例如，
llama3、mistral、qwen），則安裝 Ollama
- 如果提供示例環境檔案，請複製它（例如，
.env.example → .env）。
- 新增任何搜尋/API 金鑰（Brave、Serper、Tavily、Bing、Google CSE 等）。
- 配置 LLM 提供商：本地 Ollama 端點或 API（OpenAI/相容），具體取決於您的設定。
- 這將啟動必要的服務。一分鐘後，Web UI 應該可以在列印的 localhost 埠上使用（通常是 ` 或在 repo 的文件中指定）。
# 安裝 Ollama（請參閱 ollama.com 獲取您的作業系統）
ollama pull llama3
# 或另一個支援的模型
- 將 Perplexica 的 LLM 配置指向您的 Ollama 端點（通常
來自 macOS/Windows 上的 Docker 或 Linux 上）。自託管演練解釋了這種配對。
首次運行導覽：使用 Perplexica Web UI
UI 啟動後，您將看到一個類似於現代 AI 搜尋引擎的搜尋框。
- 以自然語言提問：「2025 年向量資料庫的最新基準是什麼？」
- 如果可用，請選擇焦點/模式：Web、學術/Scholar、YouTube 或更通用的 Research 模式——您的構建和供應商決定顯示哪些。
- 按下 Enter 鍵。Perplexica 將獲取來源、閱讀它們並起草一份帶有引文的摘要。
提示：
- 使用特定提示：新增約束，例如「比較方法」、「列出優點/缺點」或「提供一個 200 字的摘要，其中包含 3 個要點」。
- 對於編碼主題，要求提供逐步程式碼片段並連結回原始文件。
- 對於影片（如果啟用了 YouTube 模式），要求「總結此頻道關於 X 的最新教程」。
如何配置搜尋提供商和 API 金鑰
Perplexica 依賴於一個或多個網路/搜尋提供商。常見的選項包括 Brave Search、Serper/SerpAPI（類似 Google 的結果）、Bing Web Search、Tavily 和 Google Custom Search Engine (CSE)。您將在您的 .env 檔案中提供 API 金鑰。
您可能在 .env 中看到的典型變數：
- BRAVE_API_KEY 或 SERPER_API_KEY（或 SERPAPI_KEY）
- GOOGLE_CSE_ID 和 GOOGLE_CSE_API_KEY
- OPENAI_API_KEY 或 OPENAI_COMPATIBLE_BASE_URL 用於雲端模型
僅設定您需要的。許多使用者從單個提供商（例如，Brave 或 Tavily）和單個 LLM（Ollama 或 OpenAI 相容端點）開始，然後擴展。
選擇和調整您的模型
您可以使用以下方式運行 Perplexica：
- 通過 Ollama 運行的本地模型：注重隱私且每次查詢免費；速度/品質取決於您的 GPU/CPU 和模型大小。
- 通過 API 運行的雲端模型：通常更快且更適合複雜任務，但會產生使用成本。
建議：
- 輕量級硬體：通過 Ollama 運行的
mistral:7b 或 llama3:8b 用於一般問答。
- 中/高階硬體：如果您需要更強的推理能力，則選擇
llama3:70b 或 qwen2 變體。
- API 支援：對於最繁重的研究查詢，請考慮使用 OpenAI 相容模型。
在 Perplexica 的設定或 .env 中，將預設模型指向您選擇的 LLM。如果您的構建支援多個模型，您可以按會話切換。
智慧提示以獲得更好的答案
使用以下模式來改善輸出：
- 證據請求：「引用 3-5 個信譽良好的來源，並附上連結。總結協議和分歧。」
- 結構化輸出：「返回一個 5 點摘要，然後是一個比較表。」
- 約束：「保持在 150 個字以內。然後新增一個 3 項目清單。」
- 範圍控制：「僅關注 2024-2025 年的發展，並跳過需要付費才能閱讀的來源。」
示例工作流程
- 提示：「比較 Notion 與 Obsidian 對於研究團隊。提供優點/缺點、定價和 2025 年更新，並附上引文。」
- 結果：一個簡潔的權衡網格，其中包含指向主要來源的連結。
- 提示：「如何在 FastAPI 應用程式中新增 OpenTelemetry 追蹤？包括程式碼片段並連結到官方文件。」
- 提示：「總結離子推進器進展（2023-2025 年）。包括 4 個同行評審的來源，並註明未解決的問題。」
- 提示：「總結上週關於 'Rust async patterns' 影片的主要要點。如果可用，請包括時間戳記。」
故障排除和效能提示
- Docker 找不到模型：確保 Ollama 正在運行，並且可以從 Docker 內部訪問基本 URL。在 macOS/Windows 上，嘗試使用
host.docker.internal 而不是 localhost。
- 搜尋結果為空：驗證提供商的 API 金鑰和配額。嘗試切換到另一個提供商或啟用第二個提供商作為後備。
- 回應緩慢：使用較小的本地模型；減少檢索頁面的數量；或切換到 API 模型以進行繁重的查詢。
- 記憶體峰值：限制並行任務或減少上下文窗口（如果可配置）。
- 缺少引文：收緊您的提示（「包括帶有標題的來源連結」）或驗證模式是否支援連結提取。
隱私和成本控制
- 僅通過 Ollama 運行本地模型，以將內容保留在您的電腦上。
- 選擇具有實惠定價或免費層級的提供商（Brave/Tavily/Serper 變體的配額可能不同）。
- 如果 Perplexica 在您的構建中支援，則緩存結果；您將減少重複呼叫。
更新 Perplexica
git pull
docker compose pull
docker compose up -d --build
- 檢查 GitHub repo 上的發行說明，以了解重大變更或新的提供商選項。
整合和 UI 選項
- 許多使用者將 Perplexica 與 Ollama 配對，以實現完全本地化的堆疊。請參閱此自託管演練，了解實際接線和陷阱。
- 社群貼文通常會分享 Docker Compose 片段、環境範本和預構建映像，以實現一鍵式設定。
何時應首選 Perplexica 而不是託管替代方案
值得注意的是：將 Sider.AI 與 Perplexica 結合使用
相關性得分：8/10
如果您花費大量時間提出研究問題，然後將結果轉化為內容（簡報、部落格草稿、投影片筆記），則將 Perplexica 與寫作/分析工作區配對可以加快速度。值得注意的是：Sider.AI 讓您可以快速地在簡潔的編輯器中起草、編輯和比較多個版本的發現。在 Perplexica 顯示來源和摘要後，貼上引文，讓 Sider 協助您處理結構、語氣和潤飾——尤其是在長篇大綱或股東摘要方面。
主要要點
- Perplexica 是一個自託管的 AI 搜尋引擎，可綜合帶有引文的答案。
- 使用 Docker 快速運行它；在
.env 中配置提供商和模型。
- 使用 Ollama 進行本地、私有推論——或使用 API 模型來提高速度/品質。
快速入門清單
- 選擇您的搜尋提供商和 LLM (Ollama 或 API)
常見問題
Q1：什麼是 Perplexica，它與 Perplexity 有何不同？
Perplexica 是一個自託管的開源 AI 搜尋引擎，您可以在本地或伺服器上運行它，而 Perplexity 是一個託管服務。使用 Perplexica，您可以選擇提供商和模型，控制隱私，並且可以使用通過 Ollama 運行的本地 LLM，而無需支付每次查詢的費用。
Q2：如何使用 Docker 安裝 Perplexica？
克隆官方 repo，使用 API 金鑰和 LLM 設定配置您的 .env，然後運行 docker compose up -d。Web UI 將在配置的埠上可用；請參閱 GitHub 自述文件以獲取確切的步驟和更新。
Q3：Perplexica 可以使用像 Llama 3 這樣的本地模型嗎？
可以。安裝 Ollama，拉取模型（例如，ollama pull llama3），並將 Perplexica 的 LLM 基本 URL 指向 Ollama 端點。這可以實現私有的本地推論，而無需支付 API 使用費。
Q4：哪些搜尋提供商與 Perplexica 協同工作？
Perplexica 支援多個提供商，例如 Brave、Serper/SerpAPI、Bing、Tavily 和 Google CSE，具體取決於您的構建。在您的 .env 中新增相應的 API 金鑰，然後選擇一個預設提供商。
Q5：如何提高 Perplexica 中的答案品質？
具體說明提示（要求引文、比較、約束），選擇一個強大的模型，並啟用多個搜尋提供商以擴大覆蓋範圍。您還可以將範圍限制在近年，並要求結構化輸出，例如表格或要點。
