以编程方式使用文档

Perplexity 搜索 是一个网络搜索 API，返回经过排序的、有来源标注的结果，专为 LLM 和代理设计。它为 perplexity.ai 的答案引擎提供支持，并通过专用的 搜索 API 端点.

本页介绍如何使用 Perplexity Search API 作为 LangChain 工具。

设置

安装

安装 LangChain Perplexity 集成包：

pip install -qU langchain-perplexity

# and some deps for this notebook
pip install -qU langchain langchain-openai

凭证

您需要一个 Perplexity API 密钥才能使用此集成。在 Perplexity API 密钥仪表板.

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

中创建一个。该集成也接受 PERPLEXITY_API_KEY 如果您更喜欢该名称。

使用 PerplexitySearchResults 工具

PerplexitySearchResults 是一个可与 LangChain 代理配合使用以执行 Perplexity 搜索的工具。调用它会返回一个 JSON 格式的搜索结果数组，每个结果包含一个 title, url, snippet, date和 last_updated field.

from langchain_perplexity import PerplexitySearchResults

# Initialize the PerplexitySearchResults tool
search_tool = PerplexitySearchResults(max_results=5)

# Perform a search query
search_results = search_tool.invoke("When was the last time the New York Knicks won the NBA Championship?")

print("Search Results:", search_results)

PerplexitySearchResults 的高级功能

该工具接受以下构造函数和调用时的参数：

  • - max_results — 返回的结果数量。
  • - country — ISO 国家代码以偏向结果（例如 "US").
  • - search_domain_filter — 要包含或排除的域名列表（最多 20 个）。在域名前添加 - 以排除它。请参阅 域名过滤器文档.
  • - search_recency_filter — 之一 "day", "week", "month", "year"。请参阅 日期和时间过滤器文档.
  • - search_after_date / search_before_date — ISO 8601 格式的日期字符串 MM/DD/YYYY format.
from langchain_perplexity import PerplexitySearchResults

# Restrict results to a recent timeframe and a specific set of domains
search_tool = PerplexitySearchResults(
    max_results=10,
    country="US",
    search_recency_filter="week",
    search_domain_filter=["nytimes.com", "reuters.com", "-pinterest.com"],
)

results = search_tool.invoke("Latest AI research papers")
print(results)
from langchain_perplexity import PerplexitySearchResults

# Restrict results to a specific date range
search_tool = PerplexitySearchResults(
    max_results=5,
    search_after_date="01/01/2025",
    search_before_date="06/30/2025",
)

results = search_tool.invoke("US Federal Reserve interest rate decisions")
print(results)

在代理中使用

我们可以将 PerplexitySearchResults 工具与 LangGraph 代理配合使用。这使代理能够动态搜索网络，获取有依据的、有来源标注的信息。

首先，设置语言模型。您需要提供您的 OpenAI API 密钥：

if not os.environ.get("OPENAI_API_KEY"):
    os.environ["OPENAI_API_KEY"] = getpass.getpass("OpenAI API key:\n")
from langchain.agents import create_agent
from langchain.chat_models import init_chat_model
from langchain_perplexity import PerplexitySearchResults


# Initialize the language model
model = init_chat_model(model="gpt-5.5", temperature=0)

# Initialize the Perplexity search tool
perplexity_search = PerplexitySearchResults(
    max_results=5,
    search_recency_filter="month",
)

# Create the agent
agent = create_agent(model, [perplexity_search])

# Run the agent
user_input = "What are the latest developments in quantum computing?"

stream = agent.stream_events(
    {"messages": [{"role": "user", "content": user_input}]},
    version="v3",
)
for snapshot in stream.values:
    snapshot["messages"][-1].pretty_print()

API 参考

有关 Perplexity Search 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.