Perplexity Search

概要

Perplexity モデルを通じて LiteLLM と OpenRouter を使用した AI 駆動型 Web 検索を実行します。Perplexity は、Web ソースを基盤とした実時間の回答とソース引用を提供するため、最新情報、最新の科学文献の発見、およびモデルの学習データカットオフを超える事実の取得に最適です。

このスキルは、OpenRouter を通じてすべての Perplexity モデルへのアクセスを提供し、単一の API キーのみが必要です (別個の Perplexity アカウントは不要)。

このスキルを使用する場合

このスキルを使用してください:

• 現在の情報または最近の動向 (2024 年以降) を検索する
• 最新の科学出版物と研究を見つける
• Web ソースを基盤とした実時間の回答を取得する
• ソース引用を使用して事実を検証する
• 複数のドメインにわたる文献検索を実施する
• モデルの知識カットオフを超えた情報にアクセスする
• ドメイン固有の研究 (生物医学、技術、臨床) を実行する
• 現在のアプローチまたはテクノロジーを比較する

使用しないでください:

• シンプルな計算または論理問題 (直接使用)
• コード実行が必要なタスク (標準ツールを使用)
• モデルの学習データ内に十分な質問 (検証が必要な場合を除く)

クイックスタート

セットアップ (1 回のみ)

1. OpenRouter API キーの取得:

   • https://openrouter.ai/keys にアクセス
   • アカウントを作成して API キーを生成
   • アカウントにクレジットを追加 (最低 $5 を推奨)

2. 環境を設定:

   # API キーを設定
   export OPENROUTER_API_KEY='sk-or-v1-your-key-here'
   
   # またはセットアップスクリプトを使用
   python scripts/setup_env.py --api-key sk-or-v1-your-key-here
   

3. 依存関係をインストール:

   uv pip install litellm
   

4. セットアップを確認:

   python scripts/perplexity_search.py --check-setup
   

詳細なセットアップ手順、トラブルシューティング、およびセキュリティベストプラクティスについては、references/openrouter_setup.md を参照してください。

基本的な使用方法

シンプルな検索:

python scripts/perplexity_search.py "CRISPR 遺伝子編集の最新の動向は何ですか?"

結果を保存:

python scripts/perplexity_search.py "最近の CAR-T 療法臨床試験" --output results.json

特定のモデルを使用:

python scripts/perplexity_search.py "mRNA とウイルスベクターワクチンを比較" --model sonar-pro-search

詳細な出力:

python scripts/perplexity_search.py "薬物発見に向けた量子コンピューティング" --verbose

利用可能なモデル

--model パラメータを使用してモデルにアクセス:

• sonar-pro (デフォルト): 汎用検索、コストと品質の最良バランス
• sonar-pro-search: 多段階推論を備えた最も先進的なエージェント検索
• sonar: 基本モデル、シンプルなクエリに最もコスト効率的
• sonar-reasoning-pro: ステップバイステップの分析による高度な推論
• sonar-reasoning: 基本的な推論機能

モデル選択ガイド:

• デフォルトクエリ → sonar-pro
• 複雑な多段階分析 → sonar-pro-search
• 明示的な推論が必要 → sonar-reasoning-pro
• シンプルな事実検索 → sonar
• コスト重視の一括クエリ → sonar

詳細な比較、ユースケース、価格設定、およびパフォーマンス特性については、references/model_comparison.md を参照してください。

効果的なクエリの作成

具体的で詳細にする

良い例:

• "2024 年に発表された B 細胞リンパ腫治療の CAR-T 細胞療法に関する最新の臨床試験結果は何ですか?"
• "COVID-19 用の mRNA ワクチンとウイルスベクターワクチンの有効性と安全性プロファイルを比較"
• "AlphaFold3 が AlphaFold2 を改善した点を、2023 年から 2024 年の研究からの具体的な精度メトリクスとともに説明してください"

悪い例:

• "がん治療について教えてください" (広すぎる)
• "CRISPR" (曖昧)
• "ワクチン" (具体性に欠ける)

時間制約を含める

Perplexity は実時間の Web データを検索します:

• "2024 年に Nature Medicine に発表された長期 COVID に関する論文は何ですか?"
• "大規模言語モデルの効率性における最新の動向 (過去 6 か月) は何ですか?"
• "NeurIPS 2023 で AI 安全性に関して何が発表されましたか?"

ドメインとソースを指定

高品質な結果を得るためにソース選好を述べます:

• "高インパクト誌のピアレビュー出版物によると..."
• "FDA 承認治療に基づく..."
• "clinicaltrials.gov などの臨床試験レジストリから..."

複雑なクエリを構造化

複雑な質問を明確な要素に分割します:

1. トピック: メイン主題
2. スコープ: 関心のある特定の側面
3. コンテキスト: 時間枠、ドメイン、制約
4. 出力: 望ましい形式または回答のタイプ

例: "AlphaFold3 がタンパク質構造予測に AlphaFold2 を超えてどのような改善を提供しているか、2023 年から 2024 年間に発表された研究に基づいて説明してください。具体的な精度メトリクスとベンチマークを含めてください。"

クエリ設計、ドメイン固有パターン、および高度なテクニックに関する包括的なガイダンスについては、references/search_strategies.md を参照してください。

一般的なユースケース

科学文献検索

python scripts/perplexity_search.py \
  "パーキンソン病における腸内マイクロバイオームの役割に関して最近の研究 (2023-2024) は何を述べていますか? ピアレビュー研究に焦点を当て、特定された細菌種を含めてください。" \
  --model sonar-pro

技術ドキュメント

python scripts/perplexity_search.py \
  "Kafka から PostgreSQL へのリアルタイムデータストリーミングを Python を使用して実装する方法は? バックプレッシャーを処理し、exactly-once セマンティクスを保証するための考慮事項を含めてください。" \
  --model sonar-reasoning-pro

比較分析

python scripts/perplexity_search.py \
  "トランスフォーマーモデルを実装するための PyTorch 対 TensorFlow を、使いやすさ、パフォーマンス、およびエコシステムサポートの観点から比較してください。最近の研究からのベンチマークを含めてください。" \
  --model sonar-pro-search

臨床研究

python scripts/perplexity_search.py \
  "成人における type 2 糖尿病管理における断続的な絶食の証拠は何ですか? ランダム化対照試験に焦点を当て、HbA1c の変化と体重減少の結果を報告してください。" \
  --model sonar-pro

トレンド分析

python scripts/perplexity_search.py \
  "過去 5 年間のシングルセル RNA シーケンシング技術の主な動向は何ですか? スループット、コスト、および分解能の改善を強調し、具体的な例を含めてください。" \
  --model sonar-pro

結果の操作

プログラムアクセス

perplexity_search.py をモジュールとして使用:

from scripts.perplexity_search import search_with_perplexity

result = search_with_perplexity(
    query="CRISPR の最新の動向は何ですか?",
    model="openrouter/perplexity/sonar-pro",
    max_tokens=4000,
    temperature=0.2,
    verbose=False
)

if result["success"]:
    print(result["answer"])
    print(f"使用したトークン: {result['usage']['total_tokens']}")
else:
    print(f"エラー: {result['error']}")

結果を保存して処理

# JSON に保存
python scripts/perplexity_search.py "query" --output results.json

# jq で処理
cat results.json | jq '.answer'
cat results.json | jq '.usage'

バッチ処理

複数のクエリ用スクリプトを作成:

#!/bin/bash
queries=(
  "CRISPR 動向 2024"
  "mRNA ワクチン技術の進歩"
  "AlphaFold3 精度改善"
)

for query in "${queries[@]}"; do
  echo "検索中: $query"
  python scripts/perplexity_search.py "$query" --output "results_$(echo $query | tr ' ' '_').json"
  sleep 2  # レート制限
done

コスト管理

Perplexity モデルは異なる価格帯を持ちます:

クエリあたりの概算コスト:

• Sonar: $0.001-0.002 (最もコスト効率的)
• Sonar Pro: $0.002-0.005 (推奨デフォルト)
• Sonar Reasoning Pro: $0.005-0.010
• Sonar Pro Search: $0.020-0.050+ (最も包括的)

コスト最適化戦略:

1. シンプルな事実検索には sonar を使用
2. ほとんどのクエリではデフォルトで sonar-pro を使用
3. 複雑な分析のために sonar-pro-search を予約
4. --max-tokens を設定して応答長を制限
5. https://openrouter.ai/activity で使用状況を監視
6. OpenRouter ダッシュボードで支出制限を設定

トラブルシューティング

API キーが設定されていない

エラー: "OpenRouter API キーが設定されていません"

解決策:

export OPENROUTER_API_KEY='sk-or-v1-your-key-here'
# またはセットアップスクリプトを実行
python scripts/setup_env.py --api-key sk-or-v1-your-key-here

LiteLLM がインストールされていない

エラー: "LiteLLM がインストールされていません"

解決策:

uv pip install litellm

レート制限

エラー: "レート制限を超えました"

解決策:

• 再試行前に数秒待機
• https://openrouter.ai/keys でレート制限を増加
• バッチ処理でリクエスト間に遅延を追加

クレジット不足

エラー: "クレジット不足"

解決策:

• https://openrouter.ai/account でクレジットを追加
• 中断を防ぐために自動チャージを有効化

包括的なトラブルシューティングガイドについては、references/openrouter_setup.md を参照してください。

他のスキルとの統合

このスキルは他の科学スキルを補完します:

文献レビュー

literature-review スキルと共に使用:

1. Perplexity を使用して最近の論文とプレプリントを検索
2. PubMed 検索を実時間の Web 結果で補足
3. 引用を検証して関連研究を見つける
4. データベースインデックス作成後の最新の動向を発見

科学的執筆

scientific-writing スキルと共に使用:

1. イントロダクション/ディスカッション用の最近の参考文献を検索
2. 最先端の状態を検証
3. 最新の用語法と慣例を確認
4. 最近の競争するアプローチを特定

仮説生成

hypothesis-generation スキルと共に使用:

1. 最新の研究成果を検索
2. 知識のギャップを特定
3. 最近の方法論的進歩を見つける
4. 新しい研究方向を発見

批判的思考

scientific-critical-thinking スキルと共に使用:

1. 仮説に対する証拠を検索
2. 方法論的批評を見つける
3. フィールド内の論争を特定
4. 現在の証拠で主張を検証

ベストプラクティス

クエリ設計

1. 具体的に: ドメイン、時間枠、制約を含める
2. 用語を使用: ドメイン適切なキーワードとフレーズ
3. ソースを指定: 好ましい出版タイプまたはジャーナルについて言及
4. 質問を構造化: 明示的なコンテキストを備えた明確な要素
5. 繰り返す: 初期結果に基づいて調整

モデル選択

1. sonar-pro から開始: ほとんどのクエリ用の良いデフォルト
2. 複雑さのためにアップグレード: 多段階分析のために sonar-pro-search を使用
3. シンプルさのためにダウングレード: 基本的な事実のために sonar を使用
4. 推論モデルを使用: ステップバイステップの分析が必要な場合

コスト最適化

1. 適切なモデルを選択: クエリの複雑さにモデルをマッチング
2. トークン制限を設定: --max-tokens を使用してコストを制御
3. 使用状況を監視: OpenRouter ダッシュボードを定期的に確認
4. 効率的にバッチ処理: 関連するシンプルなクエリを組み合わせることができる場合
5. 結果をキャッシュ: 繰り返されたクエリの結果を保存して再利用

セキュリティ

1. API キーを保護: バージョン管理にコミットしない
2. 環境変数を使用: キーをコードから分離
3. 支出制限を設定: OpenRouter ダッシュボードで設定
4. 使用状況を監視: 予期しないアクティビティについて確認
5. キーをローテーション: 定期的にキーを変更

リソース

バンドルリソース

スクリプト:

• scripts/perplexity_search.py: CLI インターフェイス付きメイン検索スクリプト
• scripts/setup_env.py: 環境セットアップと検証ヘルパー

参考資料:

• references/search_strategies.md: 包括的なクエリ設計ガイド
• references/model_comparison.md: 詳細なモデル比較と選択ガイド
• references/openrouter_setup.md: 完全なセットアップ、トラブルシューティング、およびセキュリティガイド

資産:

• assets/.env.example: 環境ファイルテンプレートの例

外部リソース

OpenRouter:

• ダッシュボード: https://openrouter.ai/account
• API キー: https://openrouter.ai/keys
• Perplexity モデル: https://openrouter.ai/perplexity
• 使用状況監視: https://openrouter.ai/activity
• ドキュメント: https://openrouter.ai/docs

LiteLLM:

• ドキュメント: https://docs.litellm.ai/
• OpenRouter プロバイダー: https://docs.litellm.ai/docs/providers/openrouter
• GitHub: https://github.com/BerriAI/litellm

Perplexity:

• 公式ドキュメント: https://docs.perplexity.ai/

依存関係

必須

# API アクセス用の LiteLLM
uv pip install litellm

オプション

# .env ファイルサポート用
uv pip install python-dotenv

# JSON 処理用 (通常はプリインストール)
uv pip install jq

環境変数

必須:

• OPENROUTER_API_KEY: OpenRouter API キー

オプション:

• DEFAULT_MODEL: 使用するデフォルトモデル (デフォルト: sonar-pro)
• DEFAULT_MAX_TOKENS: デフォルト最大トークン (デフォルト: 4000)
• DEFAULT_TEMPERATURE: デフォルト温度 (デフォルト: 0.2)

概要

このスキルは以下を提供します:

1. 実時間の Web 検索: 学習データカットオフを超えた現在の情報にアクセス
2. 複数のモデル: コスト効率的な Sonar から先進的な Sonar Pro Search まで
3. シンプルなセットアップ: 単一の OpenRouter API キー、別個の Perplexity アカウントは不要
4. 包括的なガイダンス: クエリ設計とモデル選択のための詳細な参考資料
5. コスト効率的: 従量課金制の価格設定と使用状況監視
6. 科学的焦点: 研究、文献検索、および技術的なクエリに最適化
7. 簡単な統合: 他の科学スキルとシームレスに連携

AI 駆動型 Web 検索を実施して、現在の情報、最新の研究、およびソース引用を備えた根拠のある回答を見つけてください。