Perplexica：Perplexity 的开源替代方案

• activeEngines（例如，学术使用 arxiv/scholar/pubmed；youtube 使用 youtube；reddit 使用 reddit）
• rerank 和 rerankThreshold
• searchWeb 对比不搜索网络（writingAssistant 设置 searchWeb: false）
• summarizer（为 webSearch 启用）

src/lib/search/metaSearchAgent.ts 是编排器，它：

• 构建搜索检索器链（温度为 0 的 LLM 用于查询生成）
• 可以摄取直接链接输出（当启用 summarizer 时，获取并总结页面），按 URL 对文档进行分组，并使用结构化的系统提示将它们总结为 2-4 段
• 使用 SearXNG 搜索（searchSearxng），然后使用相似性评分（computeSimilarity）重新排序/选择源

3. 服务器 API

由于 Perplexica 是一个 Next.js App Router 项目，端点位于 src/app/api/* 下。

/api/search（文档化的搜索 API），其 POST 主体包括：

• focusMode、optimizationMode、query、history
• chatModel 和 embeddingModel（提供商 + 模型名称）
• 可选的 systemInstructions
• 可选的 stream

示例代码片段 (src/app/api/search/route.ts)：

import ModelRegistry from '@/lib/models/registry';
import { ModelWithProvider } from '@/lib/models/types';
import SessionManager from '@/lib/session';
import { ChatTurnMessage } from '@/lib/types';
import { SearchSources } from '@/lib/agents/search/types';
import APISearchAgent from '@/lib/agents/search/api';

interface ChatRequestBody {
  optimizationMode: 'speed' | 'balanced' | 'quality';
  sources: SearchSources[];
  chatModel: ModelWithProvider;
  embeddingModel: ModelWithProvider;
  query: string;
  history: Array<[string, string]>;
  stream?: boolean;
  systemInstructions?: string;
}

export const POST = async (req: Request) => {
  try {
    const body: ChatRequestBody = await req.json();
    if (!body.sources || !body.query) {
      return Response.json(
        { message: 'Missing sources or query' },
        { status: 400 },
      );
    }
    body.history = body.history || [];
    body.optimizationMode = body.optimizationMode || 'speed';
    body.stream = body.stream || false;
    const registry = new ModelRegistry();
    const [llm, embeddings] = await Promise.all([
      registry.loadChatModel(body.chatModel.providerId, body.chatModel.key),
      registry.loadEmbeddingModel(
        body.embeddingModel.providerId,
        body.embeddingModel.key,
      ),
    ]);
    const history: ChatTurnMessage[] = body.history.map((msg) => {
      return msg[0] === 'human'
        ? { role: 'user', content: msg[1] }
        : { role: 'assistant', content: msg[1] };
    });
    const session = SessionManager.createSession();
    const agent = new APISearchAgent();
    agent.searchAsync(session, {
      chatHistory: history,
      config: {
        embedding: embeddings,
        llm: llm,
        sources: body.sources,
        mode: body.optimizationMode,
        fileIds: [],
        systemInstructions: body.systemInstructions || '',
      },
      followUp: body.query,
      chatId: crypto.randomUUID(),
      messageId: crypto.randomUUID(),
    });
    // ... 后续处理逻辑
  } catch (err: any) {
    console.error(`Error in getting search results: ${err.message}`);
    return Response.json(
      { message: 'An error has occurred.' },
      { status: 500 },
    );
  }
};

src/app/api/chat/route.ts 是聊天运行时：

• 接受 message、history、files、模型选择、焦点模式、优化模式、systemInstructions
• 使用相同的 searchHandlers[focusMode].searchAndAnswer(...) 机制

流式传输的事件如：

• { type: "message", data: "...", messageId }
• { type: "sources", data: [...], messageId }
• { type: "messageEnd", messageId }

它还通过 Drizzle 持久化聊天/消息（chats、messages 架构），并在存在时将源存储在消息元数据中。

你可能接触的其他 API 路由来自 src/app/api 文件夹列表：models、config、suggestions、images、videos、uploads、weather 等。

4. 模型提供商和选择

Perplexica 将模型抽象在提供商之后，路由处理器请求：

• 可用的聊天模型提供商
• 可用的嵌入模型提供商

提供商的配置密钥位于 config.toml（MODELS.*）中，并通过辅助函数如 getOpenaiApiKey()、getGroqApiKey() 等读取。

支持的提供商通过以下方式反映：

• 配置模板（sample.config.toml）
• 提供商目录列表（OpenAI、Ollama、Groq、Anthropic、Gemini、DeepSeek、LM Studio、自定义端点、AI/ML API、transformers）

这是非流式搜索的最小 API 使用示例：

curl -X POST http://localhost:3000/api/search \
  -H "Content-Type: application/json" \
  -d '{ "focusMode": "webSearch", "optimizationMode": "balanced", "query": "What is Perplexica?", "history": [], "stream": false }'

以及流式搜索：

curl -N -X POST http://localhost:3000/api/search \
  -H "Content-Type: application/json" \
  -d '{ "focusMode": "webSearch", "optimizationMode": "balanced", "query": "Explain how Perplexica reranks sources", "history": [], "stream": true }'

如果你正在构建搜索或深度研究智能体，一定要试试看。