اگر در حال حاضر برای مدیریت داده‌های وب در عامل‌های هوش مصنوعی خود با توهمات مدل یا هزینه‌های سرسام‌آور دست‌وپنجه نرم می‌کنید، ابزار جدید Perplexity دقیقاً برای حل این مشکل طراحی شده است. نویز موجود در پنجره زمینه (Context Window) — که شبیه به یک میز کار کوچک است و فقط جای چند ورق کاغذ دارد — عامل اصلی بروز توهمات و افزایش هزینه‌ها هنگام انتقال داده‌های خام وب به عامل‌های هوش مصنوعی است.
برای رفع این چالش، Perplexity ابزار pplx را عرضه کرد؛ یک رابط خط فرمان (CLI) تخصصی که متن استخراج‌شده از صفحات و نتایج جست‌وجوی مبنی‌سازی شده (Grounding) را را دقیقاً در قالب اشیاء JSON تحویل می‌دهد. این رویکرد یادآور تلاش‌های مشابه برای بهبود دقت ارجاعات AI از طریق مجموعه‌داده‌های ساختاریافته است تا داده‌ها برای ماشین‌ها قابل‌فهم‌تر باشند. همان‌طور که در تحلیل قبلی ما درباره‌ی راهکارهای کاهش واریانس در عامل‌های کدنویسی اشاره کردیم، این ابزار در واقع بخش «جذب داده» این معادله را بهینه می‌کند. در حالی که کاربران عادی از رابط چت استفاده می‌کنند، عامل‌های کدنویسی برای اجرای وظایف خودکار بدون دخالت انسان، به داده‌هایی ساختاریافته و پیش‌بینی‌پذیر نیاز دارند.
به نقل از مستندات رسمی این شرکت، pplx یک کلاینت چت نیست و هیچ حالت محاوره‌ای یا گزینه‌ای برای انتخاب مدل ندارد. این ابزار دو سطح دسترسی اصلی دارد: دستور pplx search web برای جست‌وجوهای زنده و pplx content fetch برای بازیابی متن پاک‌سازی‌شده از یک URL مشخص. برای تضمین پایداری عامل‌ها، هر درخواست موفق با کد خروجی ۰ و دقیقاً یک شیء JSON در خروجی استاندارد (stdout) بازگشت می‌کند و خطاها به مسیر stderr هدایت می‌شوند.
طبق اعلام این شرکت، نصب این ابزار از طریق یک دستور ساده در شل انجام می‌شود: curl -fsSL https://github.com/perplexityai/perplexity-cli/releases/latest/download/install.sh | sh. این سیستم از macOS (Apple Silicon)، لینوکس x86_64 و لینوکس arm64 پشتیبانی می‌کند؛ هرچند نکته قابل توجه، نبود نسخه‌های مخصوص ویندوز و مک‌های اینتل است.
بودجه‌بندی توکن و مشخصات فنی
برای مدیریت «اقتصاد» پنجره زمینه، این ابزار پرچم‌های (Flags) حیاتی را برای توسعه‌دهندگان فراهم کرده است:
--output-dir: برای جلوگیری از حجیم شدن خروجی استاندارد، نتایج کامل را در یک فایل JSON می‌نویسد.--stdout-preview: رشته‌های طولانی را در خروجی ترمینال کوتاه می‌کند (تنها در صورت تعیین پوشه ذخیره‌سازی).--html: یک فیلد HTML خام را که توسط کراولر fetch شده، اضافه می‌کند.--no-cache: کاربر را مجبور می‌کند محتوای صفحه را به‌صورت تازه دریافت کند.
احراز هویت برای عامل‌ها و خط لوله‌های CI/CD از طریق متغیر محیطی PERPLEXITY_API_KEY مدیریت می‌شود. هزینه استفاده از Search API مبلغ ۵ دلار به ازای هر ۱,۰۰۰ درخواست تعیین شده و سقف تعداد درخواست در ثانیه (QPS) برای تمام سطوح کاربری، ۵۰ مورد است.
چرخش به سمت یک ابزار تک-باینری (Single-binary) نشان می‌دهد که Perplexity اکنون عامل‌های کدنویسی را به عنوان یک کلاس کاربری اصلی می‌بیند، نه یک ویژگی جانبی. آن‌ها با حذف لایه محاوره‌ای، یک لوله انتقال داده با قابلیت اطمینان بالا برای مبنی‌سازی مدل‌های زبانی بزرگ (LLM) — که شبیه کتابخانه‌داری هستند که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — ایجاد کرده‌اند. این قابلیت در کنار راهکارهای دیگر مانند استفاده از پایگاه‌داده‌های محلیبرای جلوگیری از فراموشی تصمیمات AI، گامی به سوی خلق عامل‌هایی با حافظه و دقت عملیاتی بیشتر است.
برای توسعه‌دهندگان، این یعنی فاصله بین یک جست‌وجوی خام وب و یک اقدام ساختاریافته توسط عامل، کوتاه‌تر شده است. کاهش سربار متاداده در این درخواست‌ها، مستقیماً هزینه توکن (Token) — یا همان تکه‌های کوچکی از متن شبیه برش‌های کیک که مدل می‌خورد — را در هر چرخه عامل‌محور کاهش می‌دهد. در واقع این بهینه‌سازی در لایه ورودی، مشابه آن چیزی است که ابزارهای تبدیل لاگ‌های نشست به حافظه دائمی برای لایه‌ی حافظه عامل‌ها انجام می‌دهند.
گام بعدی شما
- توسعه‌دهندگان باید پرچم
--stdout-previewرا در محیط‌های محلی خود آزمایش کنند تا تعادل بهینه بین مشاهده‌پذیری و مصرف توکن را پیش از استقرار در محیط عملیاتی پیدا کنند. - بررسی جایگزینی متدهای فعلی Fetching با
pplx content fetchبرای کاهش نرخ توهم در عامل‌های کدنویسی. - ارزیابی هزینه ۵ دلاری هر هزار درخواست در مقابل کیفیت داده‌های پاک‌سازی‌شده.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو