PerplexitySearch 集成

使用 LangChain Python 集成 PerplexitySearchRetriever。

困惑度搜索 是一个网页搜索 API，它返回排序的、带有来源归因的结果，专为大型语言模型和智能体设计。搜索 API 端点 返回为 Perplexity 的答案引擎提供支持的底层网页结果。

我们可以将其用作 检索器。它将展示特定于此集成的功能。通过学习后，可以探索 相关用例页面，了解如何将此检索器作为更大链的一部分使用。

设置

安装

该集成位于 langchain-perplexity 包中：

pip install -qU langchain-perplexity

凭证

要使用此集成，您需要一个 Perplexity API 密钥。在 Perplexity API 密钥控制面板 中创建一个，然后将其设置为 PPLX_API_KEY 环境变量（该集成也接受 PERPLEXITY_API_KEY）。

import getpass
import os

if not os.environ.get("PPLX_API_KEY"):
    os.environ["PPLX_API_KEY"] = getpass.getpass("Perplexity API key:\n")

如果您想从单个查询中获得自动跟踪，您也可以通过取消注释以下内容来设置您的 LangSmith API 密钥：

# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
# os.environ["LANGSMITH_TRACING"] = "true"

实例化

PerplexitySearchRetriever 接受以下构造函数参数：

• k — 最大结果数量（1–20）。默认值为 10。
• max_tokens — 所有结果的最大总 Token 数。
• max_tokens_per_page — 每个结果页面的最大 Token 数。
• country — ISO 国家代码，用于偏差结果（例如 "US"）。
• search_domain_filter — 要包含或排除的域名列表（最多 20 个）。在域名前缀 - 以排除它。请参阅 域名过滤文档。
• search_recency_filter — 之一为 "day", "week", "month", "year"。请参阅 日期和时间过滤文档。
• search_after_date / search_before_date — 按 MM/DD/YYYY 格式的日期字符串。

from langchain_perplexity import PerplexitySearchRetriever

retriever = PerplexitySearchRetriever(k=3)

使用

query = "what year was breath of the wild released?"

retriever.invoke(query)

每个返回的 @[Document] 都将其结果 snippet 作为其 page_content，还包括 title, url, date, 和 last_updated 在 metadata 中。

过滤使用

您可以使用 Perplexity 搜索 API 支持的相同过滤器来约束搜索：

from langchain_perplexity import PerplexitySearchRetriever

retriever = PerplexitySearchRetriever(
    k=5,
    country="US",
    search_recency_filter="week",
    search_domain_filter=["nytimes.com", "reuters.com", "-pinterest.com"],
)

retriever.invoke("US Federal Reserve interest rate decisions")

from langchain_perplexity import PerplexitySearchRetriever

# Restrict results to a specific date range
retriever = PerplexitySearchRetriever(
    k=5,
    search_after_date="01/01/2025",
    search_before_date="06/30/2025",
)

retriever.invoke("US Federal Reserve interest rate decisions")

在链中使用

我们可以轻松地将此检索器组合到链中，以构建一个简单的 RAG 管道。

from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
from langchain_openai import ChatOpenAI

prompt = ChatPromptTemplate.from_template(
    """Answer the question based only on the context provided.

Context: {context}

Question: {question}"""
)

llm = ChatOpenAI(model="gpt-5.5")


def format_docs(docs):
    return "\n\n".join(doc.page_content for doc in docs)


chain = (
    {"context": retriever | format_docs, "question": RunnablePassthrough()}
    | prompt
    | llm
    | StrOutputParser()
)

chain.invoke("What were the major outcomes of the most recent Federal Reserve meeting?")

---

API 参考

有关 Perplexity 搜索 API 及其所有选项的详细文档，请参阅 搜索 API 参考 和 Perplexity API 文档。

---

官方原文：src/oss/python/integrations/retrievers/perplexity_search.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。