Perplexity Search

Perplexity Search

Visão Geral

Realizar buscas na web com IA usando modelos Perplexity através do LiteLLM e OpenRouter. Perplexity fornece respostas em tempo real fundamentadas na web com citações de fontes, ideal para encontrar informações atuais, literatura científica recente e fatos além do cutoff de treinamento do modelo.

Esta skill fornece acesso a todos os modelos Perplexity através do OpenRouter, exigindo apenas uma única chave API (nenhuma conta separada do Perplexity necessária).

Quando Usar Esta Skill

Use esta skill quando:

• Buscar informações atuais ou desenvolvimentos recentes (2024 em diante)
• Encontrar as mais recentes publicações científicas e pesquisas
• Obter respostas em tempo real fundamentadas em fontes da web
• Verificar fatos com citações de fontes
• Conduzir buscas de literatura em múltiplos domínios
• Acessar informações além do cutoff de conhecimento do modelo
• Realizar pesquisa específica de domínio (biomédica, técnica, clínica)
• Comparar abordagens ou tecnologias atuais

Não use para:

• Cálculos simples ou problemas de lógica (use diretamente)
• Tarefas que requerem execução de código (use ferramentas padrão)
• Perguntas bem dentro dos dados de treinamento do modelo (a menos que verificação seja necessária)

Guia Rápido

Configuração (Uma vez)

1. Obter chave API OpenRouter:

   • Visite https://openrouter.ai/keys
   • Crie uma conta e gere a chave API
   • Adicione créditos à conta (mínimo de R$ 25 recomendado)

2. Configurar ambiente:

   # Definir chave API
   export OPENROUTER_API_KEY='sk-or-v1-your-key-here'
   
   # Ou use o script de configuração
   python scripts/setup_env.py --api-key sk-or-v1-your-key-here
   

3. Instalar dependências:

   uv pip install litellm
   

4. Verificar configuração:

   python scripts/perplexity_search.py --check-setup
   

Veja references/openrouter_setup.md para instruções detalhadas de configuração, solução de problemas e melhores práticas de segurança.

Uso Básico

Busca simples:

python scripts/perplexity_search.py "Quais são os últimos desenvolvimentos em edição de genes CRISPR?"

Salvar resultados:

python scripts/perplexity_search.py "Recentes ensaios clínicos de terapia CAR-T" --output results.json

Usar modelo específico:

python scripts/perplexity_search.py "Compare vacinas de mRNA e vetores virais" --model sonar-pro-search

Saída detalhada:

python scripts/perplexity_search.py "Computação quântica para descoberta de fármacos" --verbose

Modelos Disponíveis

Acesse modelos via parâmetro --model:

• sonar-pro (padrão): Busca geral, melhor equilíbrio entre custo e qualidade
• sonar-pro-search: Busca agentic mais avançada com raciocínio em múltiplas etapas
• sonar: Modelo básico, mais econômico para consultas simples
• sonar-reasoning-pro: Raciocínio avançado com análise passo a passo
• sonar-reasoning: Capacidades básicas de raciocínio

Guia de seleção de modelo:

• Consultas padrão → sonar-pro
• Análise complexa com múltiplas etapas → sonar-pro-search
• Raciocínio explícito necessário → sonar-reasoning-pro
• Buscas simples de fatos → sonar
• Consultas em lote sensíveis ao custo → sonar

Veja references/model_comparison.md para comparação detalhada, casos de uso, preços e características de desempenho.

Elaborando Consultas Eficazes

Seja Específico e Detalhado

Bons exemplos:

• "Quais são os últimos resultados de ensaios clínicos para terapia com células CAR-T no tratamento de linfoma de células B publicados em 2024?"
• "Compare os perfis de eficácia e segurança de vacinas de mRNA versus vacinas de vetor viral para COVID-19"
• "Explique as melhorias do AlphaFold3 sobre o AlphaFold2 com métricas de precisão específicas da pesquisa 2023-2024"

Maus exemplos:

• "Me fale sobre tratamento de câncer" (muito amplo)
• "CRISPR" (muito vago)
• "vacinas" (falta especificidade)

Incluir Restrições de Tempo

As buscas Perplexity acessam dados da web em tempo real:

• "Quais artigos foram publicados em Nature Medicine em 2024 sobre COVID longo?"
• "Quais são os últimos desenvolvimentos (últimos 6 meses) em eficiência de modelos de linguagem grande?"
• "O que foi anunciado na NeurIPS 2023 sobre segurança de IA?"

Especificar Domínio e Fontes

Para resultados de alta qualidade, mencione preferências de fontes:

• "De acordo com publicações revisadas por pares em periódicos de alto impacto..."
• "Baseado em tratamentos aprovados pela FDA..."
• "De registros de ensaios clínicos como clinicaltrials.gov..."

Estruturar Consultas Complexas

Divida questões complexas em componentes claros:

1. Tópico: Assunto principal
2. Escopo: Aspecto específico de interesse
3. Contexto: Período, domínio, restrições
4. Saída: Formato desejado ou tipo de resposta

Exemplo: "Quais melhorias o AlphaFold3 oferece sobre o AlphaFold2 para predição de estrutura de proteína, de acordo com pesquisas publicadas entre 2023 e 2024? Inclua métricas de precisão específicas e benchmarks."

Veja references/search_strategies.md para orientação abrangente sobre design de consultas, padrões específicos de domínio e técnicas avançadas.

Casos de Uso Comuns

Busca de Literatura Científica

python scripts/perplexity_search.py \
  "O que pesquisas recentes (2023-2024) dizem sobre o papel do microbioma intestinal na doença de Parkinson? Foque em estudos revisados por pares e inclua espécies bacterianas específicas identificadas." \
  --model sonar-pro

Documentação Técnica

python scripts/perplexity_search.py \
  "Como implementar streaming de dados em tempo real do Kafka para PostgreSQL usando Python? Inclua considerações para lidar com backpressure e garantir semântica exactly-once." \
  --model sonar-reasoning-pro

Análise Comparativa

python scripts/perplexity_search.py \
  "Compare PyTorch versus TensorFlow para implementação de modelos transformer em termos de facilidade de uso, desempenho e suporte de ecossistema. Inclua benchmarks de estudos recentes." \
  --model sonar-pro-search

Pesquisa Clínica

python scripts/perplexity_search.py \
  "Qual é a evidência para jejum intermitente no manejo de diabetes tipo 2 em adultos? Foque em ensaios clínicos randomizados e reporte mudanças em HbA1c e perda de peso." \
  --model sonar-pro

Análise de Tendências

python scripts/perplexity_search.py \
  "Quais são as principais tendências em tecnologia de sequenciamento de RNA de célula única nos últimos 5 anos? Destaque melhorias em throughput, custo e resolução, com exemplos específicos." \
  --model sonar-pro

Trabalhando com Resultados

Acesso Programático

Use perplexity_search.py como um módulo:

from scripts.perplexity_search import search_with_perplexity

result = search_with_perplexity(
    query="Quais são os últimos desenvolvimentos em CRISPR?",
    model="openrouter/perplexity/sonar-pro",
    max_tokens=4000,
    temperature=0.2,
    verbose=False
)

if result["success"]:
    print(result["answer"])
    print(f"Tokens usados: {result['usage']['total_tokens']}")
else:
    print(f"Erro: {result['error']}")

Salvar e Processar Resultados

# Salvar como JSON
python scripts/perplexity_search.py "consulta" --output results.json

# Processar com jq
cat results.json | jq '.answer'
cat results.json | jq '.usage'

Processamento em Lote

Crie um script para múltiplas consultas:

#!/bin/bash
queries=(
  "Desenvolvimentos CRISPR 2024"
  "Avanços em tecnologia de vacina mRNA"
  "Melhorias de precisão AlphaFold3"
)

for query in "${queries[@]}"; do
  echo "Buscando: $query"
  python scripts/perplexity_search.py "$query" --output "results_$(echo $query | tr ' ' '_').json"
  sleep 2  # Limitação de taxa
done

Gestão de Custos

Os modelos Perplexity têm diferentes faixas de preço:

Custos aproximados por consulta:

• Sonar: R$ 0,005-0,010 (mais econômico)
• Sonar Pro: R$ 0,010-0,025 (padrão recomendado)
• Sonar Reasoning Pro: R$ 0,025-0,050
• Sonar Pro Search: R$ 0,100-0,250+ (mais abrangente)

Estratégias de otimização de custos:

1. Use sonar para buscas simples de fatos
2. Padrão para sonar-pro na maioria das consultas
3. Reserve sonar-pro-search para análise complexa
4. Defina --max-tokens para limitar comprimento de resposta
5. Monitore uso em https://openrouter.ai/activity
6. Defina limites de gastos no dashboard OpenRouter

Solução de Problemas

Chave API Não Definida

Erro: "Chave API OpenRouter não configurada"

Solução:

export OPENROUTER_API_KEY='sk-or-v1-your-key-here'
# Ou execute o script de configuração
python scripts/setup_env.py --api-key sk-or-v1-your-key-here

LiteLLM Não Instalado

Erro: "LiteLLM não instalado"

Solução:

uv pip install litellm

Limitação de Taxa

Erro: "Taxa de requisições excedida"

Soluções:

• Aguarde alguns segundos antes de tentar novamente
• Aumente o limite de taxa em https://openrouter.ai/keys
• Adicione atrasos entre requisições em processamento em lote

Créditos Insuficientes

Erro: "Créditos insuficientes"

Solução:

• Adicione créditos em https://openrouter.ai/account
• Ative recarregamento automático para evitar interrupções

Veja references/openrouter_setup.md para guia abrangente de solução de problemas.

Integração com Outras Skills

Esta skill complementa outras skills científicas:

Revisão de Literatura

Use com a skill literature-review:

1. Use Perplexity para encontrar artigos e preprints recentes
2. Complemente buscas PubMed com resultados da web em tempo real
3. Verifique citações e encontre trabalhos relacionados
4. Descubra desenvolvimentos mais recentes após indexação em banco de dados

Escrita Científica

Use com a skill scientific-writing:

1. Encontre referências recentes para introdução/discussão
2. Verifique estado da arte atual
3. Verifique terminologia e convenções mais recentes
4. Identifique abordagens concorrentes recentes

Geração de Hipóteses

Use com a skill hypothesis-generation:

1. Busque os últimos achados de pesquisa
2. Identifique lacunas atuais no conhecimento
3. Encontre avanços metodológicos recentes
4. Descubra direções de pesquisa emergentes

Pensamento Crítico

Use com a skill scientific-critical-thinking:

1. Encontre evidências a favor e contra hipóteses
2. Localize críticas metodológicas
3. Identifique controvérsias no campo
4. Verifique afirmações com evidências atuais

Melhores Práticas

Design de Consultas

1. Seja específico: Inclua domínio, período e restrições
2. Use terminologia: Palavras-chave e frases apropriadas ao domínio
3. Especifique fontes: Mencione tipos de publicação ou periódicos preferidos
4. Estruture perguntas: Componentes claros com contexto explícito
5. Itere: Refine com base nos resultados iniciais

Seleção de Modelo

1. Comece com sonar-pro: Bom padrão para a maioria das consultas
2. Aumente para complexidade: Use sonar-pro-search para análise com múltiplas etapas
3. Reduza para simplicidade: Use sonar para fatos básicos
4. Use modelos de raciocínio: Quando análise passo a passo for necessária

Otimização de Custos

1. Escolha modelos apropriados: Corresponda modelo à complexidade da consulta
2. Defina limites de token: Use --max-tokens para controlar custos
3. Monitore uso: Verifique dashboard OpenRouter regularmente
4. Processe em lote eficientemente: Combine consultas simples relacionadas quando possível
5. Cache de resultados: Salve e reutilize resultados para consultas repetidas

Segurança

1. Proteja chaves API: Nunca faça commit no controle de versão
2. Use variáveis de ambiente: Mantenha chaves separadas do código
3. Defina limites de gastos: Configure no dashboard OpenRouter
4. Monitore uso: Fique atento a atividades inesperadas
5. Rotacione chaves: Mude as chaves periodicamente

Recursos

Recursos Inclusos

Scripts:

• scripts/perplexity_search.py: Script de busca principal com interface CLI
• scripts/setup_env.py: Helper de configuração e validação de ambiente

Referências:

• references/search_strategies.md: Guia abrangente de design de consultas
• references/model_comparison.md: Comparação detalhada de modelos e guia de seleção
• references/openrouter_setup.md: Guia completo de configuração, solução de problemas e segurança

Assets:

• assets/.env.example: Modelo de arquivo de ambiente de exemplo

Recursos Externos

OpenRouter:

• Dashboard: https://openrouter.ai/account
• Chaves API: https://openrouter.ai/keys
• Modelos Perplexity: https://openrouter.ai/perplexity
• Monitoramento de Uso: https://openrouter.ai/activity
• Documentação: https://openrouter.ai/docs

LiteLLM:

• Documentação: https://docs.litellm.ai/
• Provedor OpenRouter: https://docs.litellm.ai/docs/providers/openrouter
• GitHub: https://github.com/BerriAI/litellm

Perplexity:

• Documentação Oficial: https://docs.perplexity.ai/

Dependências

Obrigatórias

# LiteLLM para acesso à API
uv pip install litellm

Opcionais

# Para suporte a arquivo .env
uv pip install python-dotenv

# Para processamento JSON (geralmente pré-instalado)
uv pip install jq

Variáveis de Ambiente

Obrigatórias:

• OPENROUTER_API_KEY: Sua chave API OpenRouter

Opcionais:

• DEFAULT_MODEL: Modelo padrão a usar (padrão: sonar-pro)
• DEFAULT_MAX_TOKENS: Tokens máximos padrão (padrão: 4000)
• DEFAULT_TEMPERATURE: Temperatura padrão (padrão: 0.2)

Resumo

Esta skill fornece:

1. Busca na web em tempo real: Acesse informações atuais além do cutoff de treinamento
2. Múltiplos modelos: De Sonar econômico para Sonar Pro Search avançado
3. Configuração simples: Única chave API OpenRouter, nenhuma conta separada do Perplexity
4. Orientação abrangente: Referências detalhadas para design de consultas e seleção de modelos
5. Econômico: Preços pagos conforme você usa com monitoramento de uso
6. Foco científico: Otimizado para pesquisa, busca de literatura e consultas técnicas
7. Integração fácil: Funciona perfeitamente com outras skills científicas

Conduza buscas na web com IA para encontrar informações atuais, pesquisas recentes e respostas fundamentadas com citações de fontes.