2026年6月1日，Perplexity Research 发布 Search as Code 架构，提出让 AI 智能体通过生成代码来组织搜索任务。Perplexity 称，这套方式已用于 Agent API，并成为 Computer 的默认搜索方式。

Search as Code 的核心不是把搜索结果换一种展示样式，而是改变智能体调用搜索工具的过程。传统 Agent 往往在多个函数调用之间循环：提出查询、拿结果、再提出新查询。Perplexity 的做法是让模型生成一段用于搜索的程序，把查询拆解、工具调用和结果整理放进更连续的执行流程。

AI 搜索进入过程竞争

过去的 AI 搜索产品主要比拼答案是否完整、引用是否清楚、响应是否流畅。随着智能体开始承担研究、比价、资料整理和技术排查，搜索过程本身变得更重要：系统不仅要找到材料，还要知道为什么先查这个、为什么排除那个、下一步缺什么证据。

代码化搜索的优势在于可组合。复杂问题可以被拆成多个检索步骤，程序也可以显式保存中间结果，减少无意义的重复查询。对开发者来说，这可能降低构建研究型智能体的难度，尤其适合市场分析、论文背景整理、竞品跟踪和长链路资料核对。

风险也同样存在。模型生成搜索代码并不等于搜索质量自动提高，查询范围过宽、证据选择偏向、执行成本增加都需要产品层控制。Perplexity 这次更新说明 AI 搜索正在从“回答引擎”变成“研究流程引擎”，但最终价值仍取决于引用质量和可验证性。

官方参考：Perplexity Research