Perplexity全新API：赋能开发者，开启智能代理与统一编排时代

随着大语言模型技术的快速发展，AI系统正从简单的问答工具演变为能够自主完成复杂任务的智能代理。然而，构建这些智能代理需要整合搜索、嵌入、模型调用、工具执行等多个组件，开发者往往需要在多个供应商之间奔波，拼凑出一个又一个的独立模块。这种碎片化的开发模式不仅增加了系统复杂度，也带来了高昂的集成和维护成本。

Embeddings API：打通内部数据的向量搜索

Perplexity近日宣布扩展其API平台，推出三款全新的开发者工具：Embeddings API、Agent API和Sandbox API。这三款API与此前发布的Search API共同构成了完整的智能代理开发套件，旨在为开发者提供统一的编排层，帮助他们用一个API密钥取代传统的拼凑式方法，统一检索、智能和计算层。

Agent API：智能代理的托管运行时

Embeddings API通过双向、原生量化编码器实现跨内部系统和文件的向量搜索。与传统文本匹配不同，该API能够理解语义相似性，帮助开发者在内部文档中实现精准的语义检索。Perplexity技术人员James Liounis表示：「嵌入本质上是一种获取专有数据并创建向量化表示的方式，然后可以大规模检索。」这意味着企业可以将自己的知识库、文档系统与Perplexity的搜索能力无缝对接，实现真正的知识资产激活。

Sandbox API：安全的隔离执行环境

Agent API是整个套件的核心，它是一个用于智能代理工作流的托管运行时，能够编排完整的智能代理循环：检索、工具执行、推理和多模型回退。凭借集成的搜索、工具执行和多模型编排能力，Agent API为开发者提供了一个单一的集成点，可以用一个端点、一个账户和一个API密钥取代传统的模型路由器、搜索层、嵌入提供商、沙盒服务和监控堆栈。Liounis强调：「我们希望减轻开发者构建智能代理所需的繁琐工作，让他们能够专注于真正重要的事情——智能代理的能力本身——而不是担心使用哪个模型或如何集成不同的组件。」

Sandbox API则提供了Python、JavaScript和SQL的隔离执行环境，支持文件系统访问、运行时包安装和内置资源限制。这对于需要安全执行用户代码或进行数据分析的场景尤为重要，确保了操作的安全性和可控性。

如有侵权，请联系删除。