本指南将帮助你开始使用 Perplexity 聊天模型。有关所有 ChatPerplexity 功能和配置的最新文档，请前往 API 参考.

概述

集成详情

模型特性

请参阅下表标题中的链接，了解如何使用特定功能。

请注意，截至本文撰写时，Perplexity 仅在特定使用层级支持结构化输出。

设置

要访问 Perplexity 模型，你需要创建一个 Perplexity 账户，获取 API 密钥，并安装 @langchain/perplexity 集成包。

凭据

前往 Perplexity API 密钥仪表板 注册并生成 API 密钥。完成此操作后，设置 PERPLEXITY_API_KEY 环境变量：

如果你想获取模型调用的自动追踪，还可以设置你的 LangSmith API 密钥，方法是取消下方注释：

# export LANGSMITH_TRACING="true"
# export LANGSMITH_API_KEY="your-api-key"

安装

LangChain Perplexity 集成位于 @langchain/perplexity package:

npm install @langchain/perplexity @langchain/core

yarn add @langchain/perplexity @langchain/core

pnpm add @langchain/perplexity @langchain/core

实例化

现在可以实例化模型：

const llm = new ChatPerplexity({
  model: "openai/gpt-5.5",
  temperature: 0,
  maxTokens: undefined,
  timeout: undefined,
  maxRetries: 2,
  // other params...
});

调用

const aiMsg = await llm.invoke([
  {
    role: "system",
    content: "You are a helpful assistant that translates English to French. Translate the user sentence.",
  },
  {
    role: "user",
    content: "I love programming.",
  },
]);
aiMsg;

AIMessage {
  "id": "run-71853938-aa30-4861-9019-f12323c09f9a",
  "content": "J'adore la programmation.",
  "additional_kwargs": {
    "citations": [
      "https://careersatagoda.com/blog/why-we-love-programming/",
      "https://henrikwarne.com/2012/06/02/why-i-love-coding/",
      "https://forum.freecodecamp.org/t/i-love-programming-but/497502",
      "https://ilovecoding.org",
      "https://thecodinglove.com"
    ]
  },
  "response_metadata": {
    "tokenUsage": {
      "promptTokens": 20,
      "completionTokens": 9,
      "totalTokens": 29
    }
  },
  "tool_calls": [],
  "invalid_tool_calls": []
}

console.log(aiMsg.content);

J'adore la programmation.

Agent API 支持 (useResponsesApi)

ChatPerplexity 也可以通过 Perplexity 的 Agent API (Perplexity 风格的 Responses API) 通过设置 useResponsesApi。这类似于 ChatOpenAI的 Responses 模式：一个类，两个端点，由单个选项控制。

Agent API 提供 ChatPerplexity 访问 Perplexity 的内置工具（实时网络搜索、URL 获取、金融和人物搜索）以及有状态的代理字段（previousResponseId, instructions, include），这些在 Chat Completions 中不可用。现有 new ChatPerplexity({ model: "sonar" }) 调用方不会看到行为变化——Chat Completions 路径仍然是纯文本请求的默认选项。

const chat = new ChatPerplexity({
  model: "openai/gpt-5.5",
  useResponsesApi: true,
});

const response = await chat.invoke("What did Apple announce at WWDC this week?");
console.log(response.content);

你也可以绑定一个内置工具并让自动检测路由请求——无需任何选项：

const chat = new ChatPerplexity({ model: "openai/gpt-5.5" });

const response = await chat.invoke(
  "Summarize the latest LangChain release notes.",
  { tools: [{ type: "web_search" }] },
);
console.log(response.content);

当通过 Agent API 路由时，响应对象携带更丰富的元数据：

• - usage_metadata 从 Responses 形状的 usage 负载中填充（input_tokens, output_tokens, total_tokens).
• - response_metadata 携带传输级字段（id, model, status, object）以及 Perplexity 特定的搜索输出（如果有）： citations, images, related_questions，以及 search_results.
• - additional_kwargs.responses_output 保存原始 Agent API 输出项。
• - 模型返回的工具调用在 response.tool_calls 中显示的方式完全相同 ChatOpenAI.

下转发。请参阅 Perplexity Agent API 模型列表 获取可通过此端点使用的完整模型集（例如 openai/gpt-5.5, anthropic/claude-sonnet-4-6, google/gemini-3-1-pro).

相关集成

该 @langchain/perplexity 包还包括不使用聊天 API 的搜索组件：

• - PerplexitySearchRetriever：返回 Document 用于 RAG 管道的 Perplexity Search API 对象
• - PerplexitySearchResults：返回 JSON 搜索结果的代理工具

请参阅 Perplexity 提供商概览 了解所有三个组件的设置。

API 参考

有关所有 ChatPerplexity 功能和配置的详细文档，请访问 API 参考.