通过 LiteLLM 与 OpenRouter 调用 Perplexity 模型进行实时 AI 网络搜索，获取带来源引用的可靠答案，适合查询超出模型知识截止日期的信息。

Perplexity搜索

概述

通过LiteLLM和OpenRouter使用Perplexity模型执行AI驱动的网络搜索。Perplexity提供实时、基于网络的答案，并带有来源引用，非常适合查找当前信息、最近的科学文献以及模型训练数据截止日期之后的事实。

此技能通过OpenRouter提供对所有Perplexity模型的访问，只需一个API密钥（不需要单独的Perplexity账户）。

何时使用此技能

当以下情况时使用此技能：

搜索当前信息或最新发展（2024年及以后）
查找最新的科学出版物和研究
获取基于网络来源的实时答案
通过来源引用验证事实
跨多个领域进行文献搜索
访问超出模型知识截止日期的信息
进行特定领域的研究（生物医学、技术、临床）
比较当前方法或技术

不要用于：

简单计算或逻辑问题（直接使用）
需要代码执行的任务（使用标准工具）
模型训练数据中已有的问题（除非需要验证）

快速开始

设置（一次性）

获取OpenRouter API密钥：

访问 https://openrouter.ai/keys
创建账户并生成API密钥
向账户添加 credits（建议最低$5）

配置环境：

   # 设置API密钥
   export OPENROUTER_API_KEY='sk-or-v1-your-key-here'

   # 或使用设置脚本
   python scripts/setup_env.py --api-key sk-or-v1-your-key-here

安装依赖：

   uv pip install litellm

验证设置：

   python scripts/perplexity_search.py --check-setup

有关详细的设置说明、故障排除和安全最佳实践，请参阅references/openrouter_setup.md。

基本使用

简单搜索：

python scripts/perplexity_search.py "CRISPR基因编辑的最新发展是什么？"

保存结果：

python scripts/perplexity_search.py "最近的CAR-T疗法临床试验" --output results.json

使用特定模型：

python scripts/perplexity_search.py "比较mRNA和病毒载体疫苗" --model sonar-pro-search

详细输出：

python scripts/perplexity_search.py "用于药物发现的量子计算" --verbose

可用模型

通过--model参数访问模型：

sonar-pro（默认）：通用搜索，成本和质量的最佳平衡
sonar-pro-search：最先进的智能体搜索，具有多步推理
sonar：基础模型，简单查询的最具成本效益
sonar-reasoning-pro：具有逐步分析的高级推理
sonar-reasoning：基础推理能力

模型选择指南：

默认查询 → sonar-pro
复杂多步分析 → sonar-pro-search
需要明确推理 → sonar-reasoning-pro
简单事实查询 → sonar
对成本敏感的批量查询 → sonar

有关详细比较、用例、定价和性能特征，请参阅references/model_comparison.md。

构建有效的查询

具体且详细

好的例子：

"2024年发表的关于CAR-T细胞疗法治疗B细胞淋巴瘤的最新临床试验结果是什么？"
"比较mRNA疫苗与病毒载体疫苗在COVID-19中的有效性和安全性特征"
"解释AlphaFold3与AlphaFold2相比的改进，包括2023-2024年研究中的具体准确性指标"

坏的例子：

"告诉我关于癌症治疗"（太宽泛）
"CRISPR"（太模糊）
"疫苗"（缺乏特异性）

包含时间限制

Perplexity搜索实时网络数据：

"2024年在Nature Medicine上发表的关于长期COVID的论文有哪些？"
"大型语言模型效率的最新发展（过去6个月）是什么？"
"NeurIPS 2023关于AI安全的宣布是什么？"

指定领域和来源

为获得高质量结果，提及来源偏好：

"根据高影响因子期刊的同行评审出版物..."
"基于FDA批准的治疗..."
"来自clinicaltrials.gov等临床试验注册中心..."

构建复杂查询

将复杂问题分解为清晰的组件：

主题：主要主题
范围：感兴趣的特定方面
上下文：时间框架、领域、约束
输出：期望的格式或答案类型

示例：

"根据2023年至2024年发表的研究，AlphaFold3在蛋白质结构预测方面与AlphaFold2相比有哪些改进？包括具体的准确性指标和基准测试。"

有关查询设计、特定领域模式和高级技术的全面指导，请参阅references/search_strategies.md。

常见用例

科学文献搜索

python scripts/perplexity_search.py \
  "最近的研究（2023-2024）关于肠道微生物组在帕金森病中的作用说了什么？重点关注同行评审研究并包括已识别的特定细菌种类。" \
  --model sonar-pro

技术文档

python scripts/perplexity_search.py \
  "如何使用Python实现从Kafka到PostgreSQL的实时数据流？包括处理背压和确保恰好一次语义的考虑。" \
  --model sonar-reasoning-pro

比较分析

python scripts/perplexity_search.py \
  "比较PyTorch与TensorFlow在实现Transformer模型方面的易用性、性能和生态系统支持。包括最近研究的基准测试。" \
  --model sonar-pro-search

临床研究

python scripts/perplexity_search.py \
  "间歇性禁食在成人2型糖尿病管理中的证据是什么？重点关注随机对照试验并报告HbA1c变化和体重减轻结果。" \
  --model sonar-pro

趋势分析

python scripts/perplexity_search.py \
  "过去5年单细胞RNA测序技术的关键趋势是什么？强调在通量、成本和分辨率方面的改进，并提供具体示例。" \
  --model sonar-pro

处理结果

程序化访问

将perplexity_search.py用作模块：

from scripts.perplexity_search import search_with_perplexity

result = search_with_perplexity(
    query="CRISPR的最新发展是什么？",
    model="openrouter/perplexity/sonar-pro",
    max_tokens=4000,
    temperature=0.2,
    verbose=False
)

if result["success"]:
    print(result["answer"])
    print(f"使用的tokens: {result['usage']['total_tokens']}")
else:
    print(f"错误: {result['error']}")

保存和处理结果

# 保存为JSON
python scripts/perplexity_search.py "查询" --output results.json

# 使用jq处理
cat results.json | jq '.answer'
cat results.json | jq '.usage'

批量处理

创建脚本处理多个查询：

#!/bin/bash
queries=(
  "CRISPR发展2024"
  "mRNA疫苗技术进步"
  "AlphaFold3准确性改进"
)

for query in "${queries[@]}"; do
  echo "搜索: $query"
  python scripts/perplexity_search.py "$query" --output "results_$(echo $query | tr ' ' '_').json"
  sleep 2  # 速率限制

done

成本管理

Perplexity模型有不同的定价层级：

每个查询的大致成本：

Sonar: $0.001-0.002（最具成本效益）
Sonar Pro: $0.002-0.005（推荐默认）
Sonar Reasoning Pro: $0.005-0.010
Sonar Pro Search: $0.020-0.050+（最全面）

成本优化策略：

对简单事实查询使用sonar
对大多数查询默认使用sonar-pro
对复杂分析保留sonar-pro-search
设置--max-tokens限制响应长度
在https://openrouter.ai/activity监控使用情况
在OpenRouter仪表板设置支出限制

故障排除

API密钥未设置

错误："OpenRouter API key not configured"

解决方案：

export OPENROUTER_API_KEY='sk-or-v1-your-key-here'
# 或运行设置脚本
python scripts/setup_env.py --api-key sk-or-v1-your-key-here

LiteLLM未安装

错误："LiteLLM not installed"

解决方案：

uv pip install litellm

速率限制

错误："Rate limit exceeded"

解决方案：

等待几秒钟后重试
在https://openrouter.ai/keys增加速率限制
在批量处理中在请求之间添加延迟

credits不足

错误："Insufficient credits"

解决方案：

在https://openrouter.ai/account添加credits
启用自动充值以防止中断

有关全面的故障排除指南，请参阅references/openrouter_setup.md。

与其他技能的集成

此技能与其他科学技能互补：

文献综述

与literature-review技能一起使用：

使用Perplexity查找最近的论文和预印本
用实时网络结果补充PubMed搜索
验证引用并找到相关工作
发现数据库索引后的最新发展

科学写作

与scientific-writing技能一起使用：

为引言/讨论部分查找最近的参考文献
验证当前的技术状态
检查最新的术语和约定
识别最近的竞争方法

假设生成

与hypothesis-generation技能一起使用：

搜索最新的研究发现
识别当前知识差距
发现最近的方法学进步
发现新兴研究方向

批判性思维

与scientific-critical-thinking技能一起使用：

寻找支持和反对假设的证据
定位方法学批评
识别领域内的争议
用当前证据验证声明

最佳实践

查询设计

具体：包括领域、时间框架和约束
使用术语：领域适当的关键词和短语
指定来源：提及首选的出版物类型或期刊
结构化问题：具有明确上下文的清晰组件
迭代：基于初始结果进行改进

模型选择

从sonar-pro开始：对大多数查询的良好默认选择
为复杂性升级：对多步分析使用sonar-pro-search
为简单性降级：对基本事实使用sonar
使用推理模型：当需要逐步分析时

成本优化

选择合适的模型：将模型与查询复杂性匹配
设置token限制：使用--max-tokens控制成本
监控使用情况：定期检查OpenRouter仪表板
高效批量处理：在可能的情况下组合相关的简单查询
缓存结果：保存并重用重复查询的结果

安全

保护API密钥：永远不要提交到版本控制
使用环境变量：将密钥与代码分开
设置支出限制：在OpenRouter仪表板中配置
监控使用情况：观察意外活动
轮换密钥：定期更改密钥

资源

捆绑资源

脚本：

scripts/perplexity_search.py：带有CLI界面的主要搜索脚本
scripts/setup_env.py：环境设置和验证助手

参考：

references/search_strategies.md：全面的查询设计指南
references/model_comparison.md：详细的模型比较和选择指南
references/openrouter_setup.md：完整的设置、故障排除和安全指南

资产：

assets/.env.example：环境文件模板示例

外部资源

OpenRouter：

仪表板：https://openrouter.ai/account
API密钥：https://openrouter.ai/keys
Perplexity模型：https://openrouter.ai/perplexity
使用监控：https://openrouter.ai/activity
文档：https://openrouter.ai/docs

LiteLLM：

文档：https://docs.litellm.ai/
OpenRouter提供商：https://docs.litellm.ai/docs/providers/openrouter
GitHub：https://github.com/BerriAI/litellm

Perplexity：

官方文档：https://docs.perplexity.ai/

依赖

必需

# 用于API访问的LiteLLM
uv pip install litellm

可选

# 用于.env文件支持
uv pip install python-dotenv

# 用于JSON处理（通常预安装）
uv pip install jq

环境变量

必需：

OPENROUTER_API_KEY：您的OpenRouter API密钥

可选：

DEFAULT_MODEL：默认使用的模型（默认：sonar-pro）
DEFAULT_MAX_TOKENS：默认最大tokens（默认：4000）
DEFAULT_TEMPERATURE：默认温度（默认：0.2）

摘要

此技能提供：

实时网络搜索：访问超出训练数据截止日期的当前信息
多个模型：从成本效益高的Sonar到先进的Sonar Pro Search
简单设置：单个OpenRouter API密钥，无需单独的Perplexity账户
全面指导：关于查询设计和模型选择的详细参考
成本效益：按使用付费的定价，带有使用监控
科学焦点：为研究、文献搜索和技术查询优化
易于集成：与其他科学技能无缝协作

执行AI驱动的网络搜索，以查找当前信息、最近的研究和带有来源引用的基于事实的答案。

Perplexity搜索