Perplexity Search 是一个执行 AI 驱动联网搜索的技能，通过 LiteLLM 与 OpenRouter 调用 Perplexity 模型。Perplexity 提供基于网页、附带来源引用的实时回答，适合查找当前信息、近期科学文献以及超出模型训练数据截止时间的事实。该技能通过 OpenRouter 访问全部 Perplexity 模型，只需一个 API Key，无需单独注册 Perplexity 账号。
用途与适用场景 适用于搜索当前信息或近期动态（2024 年及以后）、查找最新科学出版物与研究、获取基于网页来源的实时答案、借助来源引用核实事实、跨多个领域进行文献检索、访问模型知识截止时间之外的信息、进行领域特定研究（生物医学、技术、临床等），以及比较当前的方法或技术。不适用于：简单计算或逻辑问题、需要代码执行的任务，以及完全处于模型训练数据范围内的问题（除非需要核实）。
安装与配置 一次性设置步骤：1）前往 https://openrouter.ai/keys 创建账号并生成 API Key，建议为账号充值（最低建议 5 美元）；2）配置环境变量：export OPENROUTER_API_KEY='sk-or-v1-your-key-here'，或运行 python scripts/setup_env.py --api-key sk-or-v1-your-key-here；3）安装依赖：uv pip install litellm；4）验证配置：python scripts/perplexity_search.py --check-setup。更详细的设置说明、故障排查和安全最佳实践见 references/openrouter_setup.md。
主要能力与模型 通过 --model 参数访问以下模型：sonar-pro（默认，通用搜索，成本与质量平衡最佳）；sonar-pro-search（最先进的 agentic 搜索，支持多步推理）；sonar（基础模型，简单查询最经济）；sonar-reasoning-pro（高级推理，逐步分析）；sonar-reasoning（基础推理能力）。模型选择建议：默认查询用 sonar-pro；复杂多步分析用 sonar-pro-search；需要显式推理用 sonar-reasoning-pro；简单事实查询用 sonar；成本敏感的批量查询用 sonar。详细对比、用例、价格与性能特征见 references/model_comparison.md。
使用方式 简单搜索：python scripts/perplexity_search.py "What are the latest developments in CRISPR gene editing?"。保存结果：加上 --output results.json。指定模型：加上 --model sonar-pro-search。详细输出：加上 --verbose。也可作为模块调用：from scripts.perplexity_search import search_with_perplexity，传入 query、model、max_tokens、temperature、verbose 等参数，返回结果包含 success、answer、usage、error 等字段。批量处理时可编写 shell 脚本循环调用，并在请求之间加入 sleep 2 进行限流。
查询撰写建议 应具体详细，避免过于宽泛（如“Tell me about cancer treatment”“CRISPR”“vaccines”）。可加入时间约束，因为 Perplexity 搜索实时网页数据。可指定领域与来源偏好，如“According to peer-reviewed publications in high-impact journals...”。复杂查询建议拆分为主题、范围、上下文、输出格式四个组成部分。详见 references/search_strategies.md。
常见用例（示例命令） 科学文献检索、技术文档查询、对比分析、临床研究、趋势分析等。例如对比 PyTorch 与 TensorFlow 实现 transformer 模型时使用 --model sonar-pro-search；查询间歇性禁食管理 2 型糖尿病的证据时使用 --model sonar-pro。
成本管理 各模型大致单次查询成本：Sonar $0.001-0.002；Sonar Pro $0.002-0.005（推荐默认）；Sonar Reasoning Pro $0.005-0.010；Sonar Pro Search $0.020-0.050+。优化策略：简单事实查询用 sonar，多数查询默认 sonar-pro，复杂分析才用 sonar-pro-search，用 --max-tokens 限制响应长度，在 https://openrouter.ai/activity 监控用量，并在 OpenRouter 面板设置消费限额。
故障排查 API Key 未设置：配置 OPENROUTER_API_KEY 或运行 setup_env.py。LiteLLM 未安装：运行 uv pip install litellm。触发限流：等待几秒重试、在 https://openrouter.ai/keys 提高限额、批量处理时增加请求间隔。额度不足：在 https://openrouter.ai/account 充值或开启自动充值。
与其他技能集成 可与文献综述类技能配合查找近期论文与预印本、用实时网页结果补充 PubMed 检索、核实引用；与科学写作类技能配合查找最新参考文献、核实当前技术水平与术语；与假设生成类技能配合搜索最新研究发现、识别知识空白；与批判性思维类技能配合查找支持与反对假设的证据、定位方法学批评。
最佳实践与安全 查询设计应具体、使用领域术语、指定来源、结构化提问并迭代优化。模型选择从 sonar-pro 起步，按复杂度升降级。成本上匹配合适模型、设置 token 限制、定期监控用量、批量合并简单查询、缓存重复查询结果。安全上保护 API Key、使用环境变量、设置消费限额、监控异常活动、定期轮换密钥。
捆绑资源 脚本：scripts/perplexity_search.py（主搜索脚本，含 CLI 接口）、scripts/setup_env.py（环境设置与验证辅助）。参考文档：references/search_strategies.md、references/model_comparison.md、references/openrouter_setup.md。资源模板：assets/.env.example。外部资源包括 OpenRouter 面板、API Keys、Perplexity 模型页、用量监控、文档，以及 LiteLLM 文档与 GitHub、Perplexity 官方文档。
依赖与环境变量 必需：uv pip install litellm；环境变量 OPENROUTER_API_KEY。可选：uv pip install python-dotenv 以支持 .env 文件，uv pip install jq 用于 JSON 处理。可选环境变量：DEFAULT_MODEL（默认 sonar-pro）、DEFAULT_MAX_TOKENS（默认 4000）、DEFAULT_TEMPERATURE（默认 0.2）。