Koniec z niebieskimi linkami: Perplexity oddaje kontrolę modelom AI przez Search as Code

Dotychczasowa współpraca agentów AI z wyszukiwarkami przypominała próbę obsługi skomplikowanej maszyny przez zbyt wąski wizjer. Model językowy generował zapytanie, otrzymywał sztywną listę wyników, filtrował szum i powtarzał proces wielokrotnie, marnując czas i cenne tokeny. Perplexity postanowiło zburzyć ten mur, wprowadzając architekturę Search as Code (SaC). Zamiast prosić wyszukiwarkę o gotowe odpowiedzi, modele piszą teraz własne skrypty w Pythonie, by samodzielnie projektować proces przeszukiwania sieci.

Dlaczego to ważne właśnie teraz

Wprowadzenie SaC to bezpośrednia odpowiedź na krytykę obecnych systemów AI, które często „oszukują” w testach, korzystając z wiedzy wyuczonej zamiast realnego skanowania sieci. Perplexity przesuwa wyszukiwanie z modelu „zapytanie i lista linków” w stronę pełnej programowej kontroli nad danymi. To kluczowy moment, w którym firma prezentuje Search as Code jako nową warstwę operacyjną dla autonomicznych agentów, eliminującą ograniczenia sztywnych interfejsów API.

Autonomia zamiast sztywnych ram

Tradycyjne wyszukiwarki projektowano pod ludzi, którzy oczekują czytelnego rankingu stron. Dla systemów autonomicznych taka struktura jest zbyt restrykcyjna. W podejściu Perplexity model nie jest barierą między użytkownikiem a bazą danych. „The model is the control plane” – podkreślają twórcy w materiałach wyjaśniających nową technologię. AI działa jako architekt budujący niestandardowe rurociągi informacyjne przy użyciu Agentic Search SDK.

Mechanizm ten opiera się na trzech filarach:

• Modelu określającym strategię (control plane),
• Bezpiecznym sandboxie do wykonywania wygenerowanego kodu,
• Infrastrukturze wyszukiwawczej rozbitej na moduły.

Dzięki temu AI uruchamia zapytania równolegle i programowo odrzuca śmieci przed wciągnięciem ich do okna kontekstowego. Jak twierdzi zespół Perplexity, system „pisze kod w Pythonie, który wywołuje nasz stos wyszukiwania bezpośrednio, zamiast zapętlać się w pojedynczych wywołaniach funkcji”.

Efektywność potwierdzona w praktyce

Dla testu SaC postawiono zadanie z zakresu cyberbezpieczeństwa: namierzenie 200 konkretnych luk CVE z lat 2023–2025. System musiał dotrzeć do oficjalnych biuletynów producentów i precyzyjnych wersji oprogramowania, ignorując wpisy blogowe. Wykorzystując SaC, model samodzielnie napisał algorytm, który dostosował sposób wyszukiwania do specyficznej struktury komunikatów gigantów takich jak Google czy Mozilla.

Wyniki są druzgocące dla starej metody. Agent nie tylko poprawnie zidentyfikował dane, osiągając niemal 100% dokładności w złożonych zadaniach, ale zrobił to zużywając o 85% mniej tokenów niż w standardowej architekturze. Chociaż do wewnętrznych benchmarków warto podchodzić z rezerwą, zestawienie SaC z ofertą konkurencji sugeruje nowy standard w głębokim researchu.

Nowa warstwa operacyjna dla AI

Debiut Search as Code zbiega się z rosnącą potrzebą deterministycznych operacji wykonywanych przez maszynę. Perplexity przesuwa ciężar z czystego rozumowania na egzekwowanie konkretnych skryptów. W branży coraz głośniej mówi się o tym, że to właśnie umiejętność pisania własnych narzędzi staje się nowym systemem operacyjnym dla sztucznej inteligencji. SaC to krok w stronę świata, w którym AI przestaje być tylko rozmówcą, a staje się inżynierem danych, który samodzielnie zarządza procesem pozyskiwania wiedzy z sieci.