用途：优化 Perplexity Sonar API 的延迟、吞吐量与成本。核心前提是每次调用都会执行实时网络搜索，因此响应时间天然波动。
主要能力：
- 智能模型路由：按查询复杂度选择模型。简单查询用 sonar（约1-3秒，最大4096 tokens），标准查询用 sonar，深度查询用 sonar-pro（约3-8秒，最大8192 tokens）；sonar-reasoning-pro 约5-15秒，sonar-deep-research 约10-60秒。
- 查询哈希缓存：用 sha256 对“模型+规范化查询”生成键，配合 LRU 缓存；按查询类型设置 TTL，新闻类30分钟、研究类4小时、事实类24小时。
- 流式输出：使用 stream: true 逐块返回内容并处理 citations，降低感知延迟。
- 并行研究：用 PQueue 限制并发（如 concurrency: 3、interval: 1500、intervalCap: 1）避免突发 429。
- 响应体积优化：通过 system 提示与 max_tokens 控制输出长度，如简要回答限制150 tokens。
使用方式：需配置 Perplexity API key，使用 OpenAI SDK 并将 baseURL 设为 https://api.perplexity.ai；需理解搜索增强生成的延迟特征，并准备 Redis 或内存 LRU 缓存基础设施。
适用场景：API 响应慢、需要缓存、并发研究、成本敏感或需要控制输出长度的应用。
限制与排错：sonar 延迟超过10秒可加 max_tokens: 512；缓存命中率低于20%可规范化查询；突发 429 需用 PQueue 限流；新闻类结果过期需按查询类型调整 TTL。成本优化可参考 perplexity-cost-tuning。具体价格与模型卡片以官方资料为准，本资料未提供。