问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
2026年6月8日，AI搜索企业Perplexity正式推出名为“搜索即代码”（简称SaC）的全新搜索架构，替代传统僵化的整体式搜索API，允许AI智能体通过编写Python代码动态构建自定义搜索流程，解决复杂研究任务下多轮搜索效率低、上下文窗口被冗余信息挤占的痛点，大幅提升AI智能体的信息获取精度与运行效率。
诞生近30年的搜索引擎，从一开始就是为人类用户的浏览习惯设计：输入关键词，返回按权重排序的蓝色链接列表，用户自行筛选需要的信息。但当使用信息的主体从人变成AI智能体时，这套沿用了数十年的模式反而成了效率瓶颈。
当前AI智能体已经被广泛应用于学术文献综述、行业深度调研、多源数据交叉验证等复杂任务，但传统搜索API只能返回打包好的整体结果，智能体要获取精准信息只能反复调整关键词、多次调用接口，不仅耗时久，大量无关的冗余信息还会挤占宝贵的上下文窗口，甚至导致模型推理出现偏差。不少面向企业服务的Agent开发者坦言，搜索环节占用的算力已经占到智能体总运行成本的40%以上，却依然无法保障信息获取的精准度，多次无效调用甚至会导致任务中断。
Perplexity此次推出的SaC架构彻底推翻了传统搜索API的“黑盒”模式，核心是把整个搜索过程从“调用现成结果”转化为“可编辑、可自定义的代码指令”，让AI智能体可以根据任务需求自主搭建搜索管道。
整个架构分为三层垂直堆栈，最顶层为模型层，负责理解用户的复杂任务，制定高层搜索策略，比如明确需要搜索的信息维度、筛选条件、交叉验证规则；中间层为安全沙箱，既为代码提供隔离的运行环境，也配备了专门的文件系统存储搜索的中间结果，避免反复读取占用上下文；最底层为智能搜索SDK，封装了网页爬取、信息排序、格式转换等基础能力，供上层代码调用。
据内部测试数据，在“2026年Q1全球储能企业出货量排名”这类中等复杂度的调研任务中，传统模式下智能体需要至少5次调用搜索API，分别搜索不同区域企业的公开数据、剔除重复信息、交叉验证财报内容，仅搜索环节就要耗时2分钟以上；使用SaC架构后，智能体可以直接编写代码调用SDK，一次性完成多源信息的爬取、筛选、排序，全程耗时不足20秒，返回结果的准确率提升了83%。
此前行业的搜索优化大多集中在提升人类用户的搜索体验，而SaC是首个完全面向AI智能体设计的商用搜索架构，标志着AI原生的基础设施开始从概念走向落地。随着AI智能体在科研、企业服务、政务等场景的普及，灵活可编程的搜索能力将成为核心刚需，SaC的落地也将进一步降低AI智能体的开发门槛与运行成本，推动复杂智能体的大规模商用。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号