文心一言寫代碼：代碼生成力的探索
Perplexity Pro的用戶界面經(jīng)過精心設(shè)計(jì)，強(qiáng)調(diào)用戶體驗(yàn)。用戶在提交查詢時(shí)，AI會(huì)制定一個(gè)回答問題的分步計(jì)劃，對(duì)于計(jì)劃中的每一步，系統(tǒng)會(huì)生成并執(zhí)行一系列搜索查詢。這些步驟按順序執(zhí)行，前面步驟的結(jié)果會(huì)傳遞給后續(xù)步驟。搜索查詢會(huì)返回一系列文檔，這些文檔經(jīng)過分組后，篩選出最相關(guān)的內(nèi)容。然后，這些高度相關(guān)的文檔會(huì)被傳遞給LLM生成最終答案。這種分步執(zhí)行的方法提高了問題解決的效率和準(zhǔn)確性。
Perplexity Agent的核心是其Agent和Chains組件。這些組件負(fù)責(zé)預(yù)測下一步操作，理解用戶查詢，并決定是否需要進(jìn)行網(wǎng)絡(luò)搜索。通過這種方式，Perplexity Agent能夠處理用戶的復(fù)雜查詢，提供智能化的響應(yīng)。
Perplexity運(yùn)用多種語言模型來處理網(wǎng)絡(luò)搜索任務(wù)，使用戶能夠根據(jù)具體問題選擇最適合的模型。考慮到每個(gè)語言模型對(duì)提示的處理和理解方式都不盡相同，Perplexity在后端為每個(gè)模型量身定制了專屬提示詞。為了更好的模型效果，Perplexity采用了少樣本提示示例和思維鏈等技術(shù)。少樣本示例有助于提高模型的推理行為。在構(gòu)建少樣本示例時(shí)，維持適當(dāng)?shù)奶崾鹃L度至關(guān)重要。在制定語言模型應(yīng)遵循的規(guī)則上，也經(jīng)過了多輪迭代。
“對(duì)于模型來說，遵循過于復(fù)雜的提示指令較為困難。每次修改提示后，我們都需要進(jìn)行查詢測試，不僅要確保最終輸出合理，中間步驟也必須合理。”通過保持系統(tǒng)提示規(guī)則的簡單明確，Perplexity降低了模型理解任務(wù)和生成相關(guān)響應(yīng)的認(rèn)知負(fù)擔(dān)。
在推出Pro Search升級(jí)版之前，Perplexity依靠答案質(zhì)量指標(biāo)和內(nèi)部實(shí)踐測試。團(tuán)隊(duì)通過對(duì)各類查詢進(jìn)行測試，并與其他AI產(chǎn)品的答案進(jìn)行對(duì)比來進(jìn)行人工評(píng)估。在向用戶發(fā)布之前，檢查中間步驟的能力對(duì)于識(shí)別常見錯(cuò)誤起到了關(guān)鍵作用。為了擴(kuò)大評(píng)估規(guī)模，Perplexity收集了大量問題，并使用LLM作為評(píng)判標(biāo)準(zhǔn)對(duì)答案進(jìn)行排名。同時(shí)，團(tuán)隊(duì)還對(duì)用戶進(jìn)行了A/B測試，以評(píng)估他們對(duì)產(chǎn)品不同配置的傾向，比如在不同模型間權(quán)衡延遲和成本。當(dāng)產(chǎn)品體驗(yàn)在答案質(zhì)量和用戶體驗(yàn)方面都令團(tuán)隊(duì)滿意后，產(chǎn)品才正式發(fā)布。
用戶體驗(yàn)是Perplexity Pro Search的核心競爭力之一。研究發(fā)現(xiàn)，如果產(chǎn)品能夠顯示中間進(jìn)度，用戶更愿意等待結(jié)果。這促使團(tuán)隊(duì)開發(fā)了一個(gè)展示計(jì)劃逐步執(zhí)行的交互式界面。他們改進(jìn)了可展開的部分，允許用戶點(diǎn)擊單個(gè)步驟查看搜索詳情。他們還引入了懸停查看引用功能，用戶可以查看來源片段，并通過點(diǎn)擊在新窗口中打開。
“在用戶產(chǎn)生好奇心之前，不要過度展示信息。只有當(dāng)他們真正感興趣時(shí)，再滿足他們的好奇心。”團(tuán)隊(duì)通過多次迭代，確保用戶界面在簡潔性和實(shí)用性之間達(dá)到最佳平衡。
通過將復(fù)雜查詢分解為可管理的步驟，并提供透明、交互式的界面，Perplexity創(chuàng)造了一個(gè)能夠跟上用戶好奇心節(jié)奏的強(qiáng)大工具。用戶在使用過程中可以清晰地看到每一步的執(zhí)行過程，大大增強(qiáng)了用戶對(duì)系統(tǒng)的信任和滿意度。
Perplexity的Pro Search代表了AI驅(qū)動(dòng)搜索和問答系統(tǒng)的重大進(jìn)步。隨著技術(shù)的不斷發(fā)展，Perplexity團(tuán)隊(duì)將繼續(xù)優(yōu)化其AI Agent，提升搜索的智能化程度和用戶體驗(yàn)。未來，Perplexity計(jì)劃引入更多專業(yè)工具，如代碼解釋器和Wolfram Alpha等數(shù)學(xué)評(píng)估工具，使用戶能夠即時(shí)進(jìn)行計(jì)算或文件分析。
“在產(chǎn)品設(shè)計(jì)時(shí)必須以用戶為中心，因?yàn)槲覀兊挠脩羧后w對(duì)AI系統(tǒng)的熟悉程度差異巨大。有些是專家，有些則是AI搜索界面的新手——因此我們必須確保能為所有用戶，無論其專業(yè)水平如何，都創(chuàng)造積極的使用體驗(yàn)。”
要學(xué)習(xí)一門新的技術(shù)，作為新手一定要先學(xué)習(xí)成長路線圖，方向不對(duì)，努力白費(fèi)。我們?yōu)樾率趾拖胍M(jìn)一步提升的專業(yè)人士準(zhǔn)備了一份詳細(xì)的學(xué)習(xí)成長路線圖和規(guī)劃。可以說是最科學(xué)最系統(tǒng)的學(xué)習(xí)成長路線。
書籍和學(xué)習(xí)文檔資料是學(xué)習(xí)大模型過程中必不可少的，我們精選了一系列深入探討大模型技術(shù)的書籍和學(xué)習(xí)文檔，它們由領(lǐng)域內(nèi)的頂尖專家撰寫，內(nèi)容全面、深入、詳盡，為你學(xué)習(xí)大模型提供堅(jiān)實(shí)的理論基礎(chǔ)。
對(duì)于很多自學(xué)或者沒有基礎(chǔ)的同學(xué)來說，書籍這些純文字類的學(xué)習(xí)教材會(huì)覺得比較晦澀難以理解，因此，我們提供了豐富的大模型視頻教程，以動(dòng)態(tài)、形象的方式展示技術(shù)概念，幫助你更快、更輕松地掌握核心知識(shí)。
學(xué)以致用，當(dāng)你的理論知識(shí)積累到一定程度，就需要通過項(xiàng)目實(shí)戰(zhàn)，在實(shí)際操作中檢驗(yàn)和鞏固你所學(xué)到的知識(shí)，同時(shí)為你找工作和職業(yè)發(fā)展打下堅(jiān)實(shí)的基礎(chǔ)。
面試不僅是技術(shù)的較量，更需要充分的準(zhǔn)備。在你已經(jīng)掌握了大模型技術(shù)之后，就需要開始準(zhǔn)備面試，我們將提供精心整理的大模型面試題庫，涵蓋當(dāng)前面試中可能遇到的各種技術(shù)問題，讓你在面試中游刃有余。
Perplexity Pro Search是一種高級(jí)搜索模式，能夠通過多步推理來解答復(fù)雜且微妙的問題，幫助學(xué)生、研究人員和企業(yè)獲得準(zhǔn)確且相關(guān)的答案。
Perplexity Agent通過分解多步驟問題，提供條理清晰的事實(shí)答案。每個(gè)步驟按順序執(zhí)行，前面步驟的結(jié)果會(huì)傳遞給后續(xù)步驟，最終生成答案。
Perplexity通過展示計(jì)劃逐步執(zhí)行的交互式界面和懸停查看引用功能，提升了用戶體驗(yàn)。用戶可以清晰地看到每一步的執(zhí)行過程，增強(qiáng)了對(duì)系統(tǒng)的信任。
Perplexity的設(shè)計(jì)考慮到了不同用戶群體的需求，無論是AI系統(tǒng)的專家還是新手用戶，都能輕松使用。
Perplexity計(jì)劃繼續(xù)優(yōu)化其AI Agent，提升搜索的智能化程度和用戶體驗(yàn)，并引入更多專業(yè)工具，如代碼解釋器和Wolfram Alpha等。
對(duì)比大模型API的內(nèi)容創(chuàng)意新穎性、情感共鳴力、商業(yè)轉(zhuǎn)化潛力
一鍵對(duì)比試用API 限時(shí)免費(fèi)
