Search as Code - новый подход к поиску для AI-агентовАгенту мало один раз вызвать поиск и получить готовую выдачу.
В сложных задачах ему нужно самому собирать стратегию:
🔵 где искать
🔵 как разветвлять запросы
🔵 как фильтровать и проверять источники
🔵 что сохранить промежуточно
🔵 что вообще не тащить в контекст модели
В архитектуре Perplexity агент генерирует Python-код, запускает его в защищенной песочнице и через SDK управляет отдельными частями поискового стека:
search - поиск ranking - ранжирование filtering - фильтрация deduplication - удаление дублей aggregation - сборка результата Для задач вроде расследований, поиска уязвимостей или широкого ресерча это намного удобнее, чем гонять десятки отдельных вызовов поиска через модель.
Самый показательный пример из статьи - задача по CVE.
Агенту нужно было найти больше 200 серьезных уязвимостей, подтвердить каждую через вендорский advisory, указать продукт и версию исправления.
Результат:
SaC получил 100% точности и снизил расход токенов на 85.1% относительно базового подхода.Чат