Perplexity Search as Code: AI Kini Tulis Sendiri Algoritma Pencariannya, Hemat Token 85%

CLB.my.id - Bayangkan sebuah agen AI yang tidak lagi mengetik kata kunci ke kolom pencarian, melainkan menulis kode Python khusus untuk setiap misi risetnya. Itulah inti dari “Search as Code” (SaC), arsitektur baru yang diluncurkan Perplexity untuk mengubah cara model AI berinteraksi dengan mesin pencari.

Masalah Lama: API Pencarian yang Kaku

Selama ini, agen AI mengandalkan Application Programming Interface (API) pencarian tetap untuk mengambil informasi dari internet. Model hanya bisa mengubah kata kunci yang dikirim, sementara logika pemfilteran dan pemrosesan hasil menjadi “kotak hitam” yang tidak bisa disentuh. Akibatnya, konteks jendela model (context window) kerap dibanjiri data yang tidak relevan.

“Mesin pencari hari ini dibangun untuk manusia yang ingin daftar tautan yang rapi. Tapi bagi agen AI yang mencoba menjalankan ratusan pencarian dalam beberapa menit, pengaturan itu terlalu kaku,” demikian penjelasan resmi Perplexity.

Bagaimana Search as Code Bekerja

Alih-alih memanggil API, model menulis skrip Python kustom yang berjalan di sandbox (lingkungan eksekusi terlindung). Skrip ini mengakses backend pencarian Perplexity melalui Software Development Kit (SDK) khusus bernama “Agentic Search SDK”.

Arsitektur SaC terdiri dari tiga lapisan. Lapisan atas ditempati oleh model yang memahami tugas dan menentukan strategi pencarian. Lapisan tengah adalah sandbox tempat kode dieksekusi dengan aman. Lapisan bawah adalah SDK yang menyediakan operasi dasar seperti mengambil, menyaring, menghilangkan duplikat, dan mengurutkan ulang hasil.

Dengan pendekatan ini, model bisa memfilter kebisingan secara terprogram, menjalankan kueri paralel, dan memvalidasi hasil menggunakan logika kustom. Konteks jendela model tetap ramping karena hanya informasi relevan yang ditarik masuk.

Uji Coba Nyata: Melacak 200 Celah Keamanan

Perplexity menguji SaC pada tugas riset keamanan siber yang rumit. Seorang agen ditugaskan mencari data tentang 200 celah keamanan kritis (CVE) yang dipublikasikan antara tahun 2023 dan 2025. Untuk setiap celah, agen harus menemukan buletin vendor resmi, perangkat lunak yang terdampak, dan versi tepat yang memperbaiki kelemahan tersebut.

Model menulis skrip tiga tahap. Pertama, ia menjalankan pencarian paralel yang disesuaikan dengan format buletin vendor seperti Mozilla atau Google. Kedua, ia memindai hasilnya sendiri, menemukan celah, dan menjalankan kueri tindak lanjut yang tertarget. Ketiga, ia menggunakan skema validasi untuk memverifikasi bahwa CVE, produk, dan versi perbaikan semuanya cocok.

Hasilnya, agen berhasil menyelesaikan tugas dengan 85% lebih sedikit token dibandingkan pipeline standar. Sistem pesaing hanya berhasil mengumpulkan kurang dari seperempat data yang benar.

Klaim Benchmark dan Pesaing

Perplexity mengklaim SaC mengungguli OpenAI Responses API dan Anthropic Managed Agents di empat dari lima benchmark. Kesenjangan terbesar terjadi pada benchmark “WANDR” untuk tugas riset luas yang rencananya akan segera dirilis. Meskipun benchmark yang dilaporkan sendiri perlu dicermati secara kritis, perbandingan dengan arsitektur lama Perplexity sendiri menunjukkan lompatan performa yang signifikan.

Kenaikan adopsi yang cepat mencerminkan masalah nyata yang dihadapi pengembang. Pencarian vektor telah menjadi infrastruktur dasar untuk retrieval-augmented generation (RAG), pencarian semantik, dan agen AI. Batasan memori menjadi langit-langit nyata bagi tim yang menjalankan beban kerja ini secara lokal atau on-premise.

Tren Lebih Luas: Kode sebagai Lapisan Operasional

Pendekatan SaC mencerminkan tren yang lebih besar di industri AI. Sebuah makalah survei terbaru menunjukkan bahwa menulis kode menjadi cara default agen berinteraksi dengan dunia. Kode dianggap sebagai lapisan operasional baru untuk agen, dan infrastruktur di sekitarnya, yaitu alat, sandbox, dan mekanisme verifikasi, menjadi hambatan nyata bagi sistem otonom.

Search as Code kini diluncurkan di Perplexity Computer dan Agent API. Bagi pengembang Indonesia yang membangun aplikasi berbasis AI, arsitektur ini membuka peluang untuk riset yang lebih presisi dan hemat biaya, terutama untuk tugas-tugas kompleks seperti analisis dokumen hukum, pemantauan kepatuhan regulasi, atau riset pasar yang membutuhkan ratusan kueri sekaligus.

Judul CMS: Perplexity Search as Code: AI Kini Tulis Sendiri Algoritma Pencariannya, Hemat Token 85%

Meta Description: Perplexity luncurkan Search as Code, arsitektur baru di mana model AI menulis kode Python sendiri untuk pencarian. Hemat token hingga 85%.

Rubrik: AI

Tag: AI, Perplexity, Software, Developer

Source: (kosongkan untuk CMS)