Інтеграція Perplexity API для AI-пошуку

Проектуємо та впроваджуємо системи штучного інтелекту: від прототипу до production-ready рішення. Наша команда поєднує експертизу в машинному навчанні, дата-інжинірингу та MLOps, щоб AI працював не в лабораторії, а в реальному бізнесі.
Показано 1 з 1Усі 1566 послуг
Інтеграція Perplexity API для AI-пошуку
Простий
~1 день
Часті запитання

Напрямки AI-розробки

Етапи розробки AI-рішення

Останні роботи

  • image_website-b2b-advance_0.webp
    Розробка сайту компанії B2B ADVANCE
    1284
  • image_web-applications_feedme_466_0.webp
    Розробка веб-додатків для компанії FEEDME
    1196
  • image_websites_belfingroup_462_0.webp
    Розробка веб-сайту для компанії БЕЛФІНГРУП
    901
  • image_ecommerce_furnoro_435_0.webp
    Розробка інтернет магазину для компанії FURNORO
    1119
  • image_logo-advance_0.webp
    Розробка логотипу компанії B2B Advance
    586
  • image_crm_enviok_479_0.webp
    Розробка веб-додатків для компанії Enviok
    853

Інтеграція Perplexity API для AI-пошуку

Perplexity — LLM з вбудованим веб-пошуком в реальному часі. Відмінність від звичайних LLM: модель автоматично ищет актуальну інформацію та повертає відповідь з посиланнями на джерела. Корисно для завдань, де потрібна актуальність даних (новини, ціни, технічні зміни).

Базова інтеграція

from openai import OpenAI

# Perplexity використовує OpenAI-сумісний API
client = OpenAI(
    api_key="PERPLEXITY_API_KEY",
    base_url="https://api.perplexity.ai",
)

# Пошук з актуальною інформацією
response = client.chat.completions.create(
    model="llama-3.1-sonar-large-128k-online",  # online = з пошуком
    messages=[{
        "role": "user",
        "content": "Які нові можливості з'явилися в Python 3.13?"
    }],
)
print(response.choices[0].message.content)
# Відповідь містить актуальну інформацію + посилання на джерела

# Цитати в відповіді
if hasattr(response, 'citations'):
    for citation in response.citations:
        print(f"Джерело: {citation}")

Налаштування пошуку

# search_domain_filter — обмеження пошуку конкретними доменами
response = client.chat.completions.create(
    model="llama-3.1-sonar-large-128k-online",
    messages=[{"role": "user", "content": "Останні новини про GPT-5"}],
    extra_body={
        "search_domain_filter": ["openai.com", "techcrunch.com"],
        "search_recency_filter": "week",  # Тільки за останній тиждень
        "return_images": False,
        "return_related_questions": True,
    }
)

Офлайн моделі (без пошуку)

# Коли пошук не потрібен — дешевше і швидше
response = client.chat.completions.create(
    model="llama-3.1-sonar-large-128k-chat",  # chat = без пошуку
    messages=[{"role": "user", "content": "Поясни алгоритм Дейкстри"}],
)

Моделі Perplexity

Модель Пошук Контекст Вартість (1M)
llama-3.1-sonar-huge-128k-online Так 127K $5 + $5/1000 пошуків
llama-3.1-sonar-large-128k-online Так 127K $1 + $5/1000 пошуків
llama-3.1-sonar-small-128k-online Так 127K $0.20 + $5/1000
llama-3.1-sonar-large-128k-chat Ні 127K $1

Сценарії використання

  • Моніторинг новин та конкурентів (актуальна інформація)
  • Перевірка технічної документації на актуальність
  • Відповіді на питання про поточні події
  • Research-асистент з перевіримими джерелами

Терміни виконання

  • Базова інтеграція: 0.5 дня
  • Парсинг цитат та джерел: 1 день
  • Інтеграція в корпоративний пошук: 1 тиждень