Perplexity چیست؟ آموزش کامل پرپلکسیتی برای جست‌وجو و تحقیق با هوش مصنوعی

Perplexity چیست؟

Perplexity یا Perplexity AI یک موتور جست‌وجو و پاسخ‌گویی مبتنی بر هوش مصنوعی است. کاربر سؤال خود را به زبان طبیعی می‌پرسد و Perplexity به‌جای نمایش صرف فهرستی از لینک‌ها، در وب جست‌وجو می‌کند، اطلاعات چند منبع را کنار هم قرار می‌دهد و یک پاسخ خلاصه همراه با Citation یا ارجاع ارائه می‌کند.

طبق معرفی رسمی Perplexity، این سرویس یک موتور جست‌وجوی هوش مصنوعی است که پاسخ‌های مکالمه‌ای را براساس اطلاعات وب تولید می‌کند و برای هر پاسخ، لینک منابع اصلی را نمایش می‌دهد.

برای مثال، به‌جای جست‌وجوی چند عبارت جداگانه مانند:

بهترین فریم‌ورک Python برای API

مقایسه FastAPI و Django

FastAPI performance benchmark

می‌توانید یک سؤال کامل بپرسید:

FastAPI، Django و Flask را برای ساخت یک API سازمانی مقایسه کن.

معیارها:
- کارایی
- یادگیری
- احراز هویت
- اکوسیستم
- پشتیبانی Async
- نگهداری بلندمدت

فقط از مستندات رسمی و منابع فنی معتبر استفاده کن.
برای هر ادعای مهم لینک مستقیم بده.

Perplexity تلاش می‌کند مراحل جست‌وجو، بررسی منابع و خلاصه‌سازی را در یک فرایند واحد انجام دهد.

Perplexity چگونه کار می‌کند؟

وقتی یک سؤال وارد می‌کنید، Perplexity معمولاً این مراحل را انجام می‌دهد:

1. هدف و مفهوم سؤال را تحلیل می‌کند.
2. عبارت‌های جست‌وجوی مناسب را می‌سازد.
3. در وب یا منابع انتخاب‌شده جست‌وجو می‌کند.
4. صفحات مرتبط را بازیابی و تحلیل می‌کند.
5. اطلاعات مشترک یا مرتبط را استخراج می‌کند.
6. پاسخ را با یک مدل زبانی تولید می‌کند.
7. منابع استفاده‌شده را به پاسخ پیوند می‌دهد.
8. امکان پرسیدن سؤال تکمیلی را فراهم می‌کند.

این فرایند به RAG یا Retrieval-Augmented Generation شباهت دارد:

سؤال کاربر
↓
جست‌وجوی وب
↓
بازیابی صفحات مرتبط
↓
استخراج اطلاعات
↓
تولید پاسخ با مدل زبانی
↓
نمایش Citation

وجود Citation احتمال بررسی و راستی‌آزمایی پاسخ را افزایش می‌دهد، اما به معنی درست‌بودن قطعی پاسخ نیست. مدل ممکن است منبع را اشتباه تفسیر کند یا نتیجه‌ای بنویسد که دقیقاً توسط Citation پشتیبانی نمی‌شود.

تفاوت Perplexity با گوگل چیست؟

گوگل و Perplexity هر دو برای پیداکردن اطلاعات به کار می‌روند، اما تجربه متفاوتی ارائه می‌کنند.

گوگل برای این کارها مناسب‌تر است:

• پیداکردن وب‌سایت مشخص
• جست‌وجوی نقشه و مکان
• بررسی تصاویر
• پیدا‌کردن صفحه رسمی
• جست‌وجوی دقیق با Operatorها
• بررسی گسترده نتایج
• خرید و مقایسه فروشگاه‌ها

Perplexity برای این موارد مناسب‌تر است:

• دریافت پاسخ اولیه همراه با منابع
• مقایسه چند گزینه
• ساخت مرور کلی یک موضوع
• تحقیق چندمرحله‌ای
• پرسیدن سؤال تکمیلی
• بررسی خبرها و اطلاعات جدید
• جمع‌آوری سریع نقطه شروع تحقیق
• خلاصه‌سازی چند منبع

بهترین روش این نیست که یکی را کاملاً جایگزین دیگری کنید. می‌توانید با Perplexity موضوع را بشناسید و سپس منابع اصلی را با Google یا مستقیماً در وب بررسی کنید.

تفاوت Perplexity با ChatGPT چیست؟

ChatGPT یک دستیار عمومی هوش مصنوعی است. Perplexity در اصل یک موتور پاسخ‌گویی مبتنی بر جست‌وجوی وب است.

برای اطلاعات جدید و تحقیق وب، Perplexity انتخاب مناسبی است. برای نوشتن، یادگیری تعاملی، برنامه‌نویسی، ایده‌پردازی و کارهای چندمرحله‌ای عمومی، ChatGPT ممکن است انعطاف بیشتری داشته باشد.

تفاوت Perplexity با NotebookLM چیست؟

Perplexity برای جست‌وجو در وب طراحی شده است. NotebookLM یا Gemini Notebook برای کار عمیق با منابعی طراحی شده که خود کاربر انتخاب می‌کند.

مثال:

• Perplexity: «جدیدترین تحقیقات درباره RAG را پیدا و مقایسه کن.»
• NotebookLM: «این ۱۵ مقاله‌ای را که من بارگذاری کرده‌ام از نظر روش ارزیابی RAG مقایسه کن.»

Perplexity برای کشف منبع مناسب است. NotebookLM برای مطالعه و تحلیل مجموعه منبع مشخص مناسب‌تر است.

یک گردش کار حرفه‌ای می‌تواند این‌گونه باشد:

1. کشف منابع با Perplexity
2. بررسی اعتبار و دانلود منابع اصلی
3. واردکردن منابع منتخب به NotebookLM
4. تحلیل میان‌منبعی
5. کنترل Citationها
6. نگارش نهایی با بررسی انسانی

آیا Perplexity از زبان فارسی پشتیبانی می‌کند؟

بله. می‌توانید سؤال را فارسی بنویسید و پاسخ فارسی دریافت کنید.

مثال:

مفهوم Vector Database را برای یک برنامه‌نویس Backend توضیح بده.

فقط از مستندات رسمی PostgreSQL، pgvector، Pinecone، Weaviate و Qdrant
استفاده کن و برای هر ادعای فنی لینک مستقیم بده.

کیفیت جست‌وجوی فارسی به موضوع و منابع موجود بستگی دارد. اگر منابع فارسی محدود یا کم‌کیفیت باشند، بهتر است از Perplexity بخواهید منابع انگلیسی معتبر را جست‌وجو کند و نتیجه را فارسی بنویسد.

پاسخ را فارسی بنویس، اما جست‌وجو را در منابع معتبر انگلیسی انجام بده.

اولویت منابع:
1. مستندات رسمی
2. مقاله علمی
3. وب‌سایت دانشگاهی
4. گزارش فنی معتبر

از وبلاگ‌های بازنشرکننده و سایت‌های بدون نویسنده استفاده نکن.

آموزش شروع کار با Perplexity

برای شروع:

1. وارد وب‌سایت رسمی Perplexity شوید.
2. می‌توانید یک سؤال اولیه وارد کنید.
3. برای ذخیره تاریخچه، ساخت Project و دسترسی به امکانات بیشتر، حساب ایجاد کنید.
4. زبان سؤال را فارسی یا انگلیسی انتخاب کنید.
5. در صورت نمایش گزینه انتخاب Mode، حالت مناسب را انتخاب کنید.
6. سؤال را ارسال کنید.
7. پاسخ و Citationها را بررسی کنید.
8. با سؤال‌های تکمیلی تحقیق را ادامه دهید.

طبق راهنمای رسمی شروع کار، این سرویس برای پاسخ به سؤال، بررسی عمیق موضوعات، کار با داده‌ها، تحقیق حرفه‌ای، برنامه‌ریزی سفر و مرور خبرها قابل‌استفاده است.

دسترسی به سرویس، بعضی مدل‌ها و طرح‌های پرداخت ممکن است براساس کشور، نوع حساب و سیاست‌های جاری تغییر کند.

آشنایی با محیط Perplexity

رابط کاربری Perplexity ممکن است در طول زمان تغییر کند، اما معمولاً شامل بخش‌های زیر است.

کادر جست‌وجو

سؤال یا Prompt/پرامپت در این بخش وارد می‌شود. می‌توانید فایل یا تصویر نیز پیوست کنید.

Search Mode

بسته به حساب، حالت‌های مختلف جست‌وجو در دسترس هستند:

• Best
• Pro Search
• Reasoning Search
• Research
• Learn
• Create files and apps

Sources

در بعضی حساب‌ها می‌توانید مشخص کنید پاسخ از کدام منابع استفاده کند:

• Web
• فایل‌های سازمان
• وب و فایل‌های سازمان
• بدون منبع خارجی

History

جست‌وجوها و Threadهای قبلی در تاریخچه نگهداری می‌شوند، مگر اینکه از حالت یا Session موقت استفاده شود.

Projects

برای سازمان‌دهی تحقیق‌ها، فایل‌ها، دستورهای ثابت و مکالمات یک موضوع استفاده می‌شود.

Attach

برای ارسال فایل، پوشه، تصویر، صوت یا ویدئو استفاده می‌شود. امکانات دقیق به نوع حساب بستگی دارد.

حالت Best در Perplexity

Best حالت پیش‌فرض برای بیشتر سؤال‌های روزمره است. در این حالت Perplexity تلاش می‌کند مدل یا روش مناسب را بر اساس نوع پرسش انتخاب کند.

مناسب برای:

• پرسش‌های سریع
• تعریف یک مفهوم
• مقایسه ساده
• پیداکردن یک منبع
• مرور خبرها
• بررسی اولیه یک موضوع
• سؤال‌های تکمیلی

مثال:

آخرین نسخه پایدار Python چیست؟
فقط از python.org استفاده کن و تاریخ بررسی را بنویس.

برای سؤال‌های ساده، استفاده از Research یا حالت‌های سنگین ضروری نیست.

Pro Search چیست؟

Pro Search برای سؤال‌هایی طراحی شده که به چند مرحله جست‌وجو، تحلیل بیشتر یا منابع متعدد نیاز دارند.

در Pro Search، سیستم می‌تواند سؤال را بهتر تحلیل کند، جست‌وجوهای تکمیلی انجام دهد و پاسخ جامع‌تری تولید کند.

مناسب برای:

• مقایسه چند محصول
• تحقیق فنی
• برنامه‌ریزی سفر
• بررسی بازار
• مرور دانشگاهی اولیه
• تحلیل خبر
• انتخاب فناوری
• بررسی مقررات و استانداردها

نمونه پرامپت Pro Search

PostgreSQL، MySQL و MongoDB را برای یک سامانه فروشگاهی با مشخصات زیر مقایسه کن:

- یک میلیون کاربر ثبت‌شده
- ۲۰ هزار سفارش روزانه
- تراکنش مالی
- گزارش‌گیری پیچیده
- تیم Backend پنج‌نفره
- نیاز به High Availability

منابع:
فقط مستندات رسمی، گزارش‌های مهندسی معتبر و Benchmarkهایی که روش آزمایش را توضیح داده‌اند.

خروجی:
- جدول مقایسه
- مزایا و معایب
- ریسک‌های مهاجرت
- پیشنهاد نهایی
- شرایطی که پیشنهاد را تغییر می‌دهد
- لینک مستقیم منابع

Research Mode چیست؟

Research حالت تحقیق عمیق Perplexity است. این قابلیت به‌طور خودکار جست‌وجوهای متعدد انجام می‌دهد، منابع مختلف را می‌خواند، موضوع را تحلیل می‌کند و یک گزارش جامع تولید می‌کند.

براساس راهنمای رسمی Research Mode، این حالت برای تحقیق‌های پیچیده طراحی شده و می‌تواند از جست‌وجو، استدلال و ابزارهای محاسباتی برای تهیه گزارش استفاده کند. نسخه‌های جدید Research همچنین می‌توانند اسناد بارگذاری‌شده را پردازش و داده‌ها را در محیط کدنویسی تحلیل کنند.

Research برای این موارد مناسب است:

• تحقیق بازار
• Due Diligence اولیه
• مقایسه محصول
• گزارش فناوری
• تحلیل رقبا
• مرور وضعیت یک صنعت
• پژوهش دانشگاهی مقدماتی
• برنامه‌ریزی سفر پیچیده
• مرور خبرها و رویدادها
• تحلیل چند گزارش

چه زمانی از Research استفاده نکنیم؟

برای سؤال‌های ساده مانند «Docker چیست؟» نیازی به Research نیست. استفاده از حالت سنگین برای سؤال ساده زمان بیشتری می‌گیرد و الزاماً پاسخ بهتری ایجاد نمی‌کند.

پرامپت حرفه‌ای برای Research

یک تحقیق عمیق درباره بازار API هوش مصنوعی در خاورمیانه انجام بده.

محدوده زمانی:
اطلاعات منتشرشده از ژانویه ۲۰۲۴ تا امروز

محورها:
- اندازه و روند بازار
- گروه‌های مشتری
- ارائه‌دهندگان اصلی
- مدل‌های قیمت‌گذاری
- محدودیت‌های پرداخت و دسترسی
- الزامات امنیتی
- فرصت‌های استارتاپی
- ریسک‌ها

اولویت منابع:
1. گزارش رسمی
2. داده دولتی یا نهاد تنظیم‌گر
3. گزارش شرکت‌های تحقیقاتی معتبر
4. مستندات رسمی شرکت‌ها
5. رسانه تخصصی معتبر

قواعد:
- تاریخ تحقیق را بنویس.
- ادعاهای تبلیغاتی را از داده‌های مستقل جدا کن.
- آمار بدون منبع را حذف کن.
- در صورت اختلاف منابع، هر دو رقم و علت احتمالی اختلاف را بنویس.
- تمام ارقام مالی را با واحد و سال مشخص کن.
- یک بخش با عنوان «آنچه هنوز نمی‌دانیم» اضافه کن.

Reasoning Search چیست؟

Reasoning Search برای سؤال‌هایی مناسب است که علاوه بر جست‌وجو، به تحلیل منطقی یا چندمرحله‌ای نیاز دارند.

برای مثال:

• مقایسه معماری‌های نرم‌افزاری
• تحلیل سناریو
• ارزیابی چند گزینه
• محاسبات همراه با اطلاعات وب
• تصمیم‌گیری براساس محدودیت‌ها
• بررسی تضاد میان منابع

نمونه:

برای یک استارتاپ ایرانی با تیم فنی سه‌نفره، استفاده از معماری Microservices را ارزیابی کن.

فرضیات:
- کمتر از ۵۰ هزار کاربر فعال
- یک محصول اصلی
- بودجه زیرساخت محدود
- نیاز به انتشار هفتگی
- یک پایگاه داده اصلی

ابتدا شواهد فنی را از منابع معتبر پیدا کن.
سپس براساس محدودیت‌ها استدلال کن.
واقعیت منبع، فرض و توصیه خودت را جداگانه برچسب بزن.

Learn Mode چیست؟

Learn Mode برای آموزش تعاملی طراحی شده است. هدف این حالت فقط دادن جواب نهایی نیست؛ بلکه تلاش می‌کند کاربر را در مسیر یادگیری همراهی کند.

طبق راهنمای رسمی Learn Mode، این قابلیت برای کمک به تسلط بر موضوع و مطالعه تعاملی ارائه شده است. نحوه نمایش و دسترسی آن ممکن است براساس حساب یا تأیید وضعیت دانشجویی متفاوت باشد.

پرامپت آموزشی

می‌خواهم SQL را یاد بگیرم.

قبل از شروع با پنج سؤال سطح من را ارزیابی کن.
سپس یک برنامه ۲۱روزه بساز.

در هر جلسه:
- یک مفهوم
- یک مثال
- یک تمرین
- یک اشتباه رایج
- یک آزمون کوتاه

را ارائه کن.

جواب تمرین را تا زمانی که تلاش نکرده‌ام نمایش نده.
برای مطالب فنی به مستندات رسمی PostgreSQL ارجاع بده.

Create files and apps چیست؟

در طرح‌های پشتیبانی‌شده، Perplexity می‌تواند از حالت Create files and apps برای انجام پروژه‌های پیچیده‌تر استفاده کند.

این قابلیت می‌تواند خروجی‌هایی مانند موارد زیر ایجاد کند:

• گزارش
• سند
• فایل تحلیلی
• Spreadsheet
• Dashboard
• ارائه
• برنامه ساده وب

دسترسی و سهمیه استفاده به طرح کاربر وابسته است. خروجی ایجادشده را از نظر فرمول، داده، امنیت و صحت منابع بررسی کنید.

انتخاب مدل در Perplexity

در طرح‌های پولی ممکن است امکان انتخاب میان مدل‌های مختلف وجود داشته باشد. فهرست مدل‌ها ثابت نیست و با انتشار نسخه‌های جدید تغییر می‌کند.

براساس توضیحات رسمی Perplexity Pro، کاربران طرح‌های پیشرفته به مدل‌های قدرتمندتر، جست‌وجوی عمیق‌تر، بارگذاری بیشتر فایل و قابلیت‌های تولید محتوا دسترسی دارند.

به‌جای انتخاب مدل فقط براساس نام، این معیارها را در نظر بگیرید:

• کیفیت Citation
• دقت در پیروی از دستور
• توانایی تحلیل طولانی
• سرعت پاسخ
• کیفیت فارسی
• قدرت استدلال
• کیفیت کدنویسی
• محدودیت استفاده
• حساسیت موضوع

در Research Mode معمولاً ترکیب مدل‌ها به‌صورت خودکار انتخاب می‌شود و کاربر الزاماً مدل واحدی را تعیین نمی‌کند.

چگونه در Perplexity حرفه‌ای جست‌وجو کنیم؟

سؤال را کامل بنویسید

به‌جای:

بهترین لپ‌تاپ برنامه‌نویسی

بنویسید:

برای برنامه‌نویسی Backend و اجرای Docker یک لپ‌تاپ پیشنهاد بده.

شرایط:
- بودجه مشخص
- حداقل ۳۲ گیگابایت RAM
- وزن کمتر از ۲ کیلوگرم
- عمر باتری مناسب
- عرضه‌شده در دو سال اخیر

قیمت و موجودی را فقط از فروشگاه‌های معتبر و با تاریخ بررسی ذکر کن.
مشخصات فنی را با سایت سازنده تطبیق بده.

نوع منبع را مشخص کنید

فقط از مستندات رسمی React استفاده کن.

فقط مقاله‌های Peer-reviewed را بررسی کن.

برای قیمت از وب‌سایت رسمی و فروشگاه معتبر استفاده کن.

از Wikipedia به‌عنوان منبع نهایی استفاده نکن.

محدوده زمانی تعیین کنید

فقط منابع منتشرشده از ژانویه ۲۰۲۵ به بعد را بررسی کن.

در موضوعات نرم‌افزاری و خبری، تاریخ منبع اهمیت زیادی دارد.

قالب خروجی را تعیین کنید

خروجی را در قالب جدول مقایسه ارائه کن.

ستون‌ها:
- گزینه
- قابلیت
- محدودیت
- قیمت فعلی
- تاریخ بررسی
- منبع

عدم قطعیت را درخواست کنید

اطلاعات قطعی، استنباط و اطلاعات نیازمند بررسی را با برچسب جدا کن.

درخواست نکنید حتماً پاسخ قطعی بدهد

اگر منابع کافی وجود نداشته باشند، نتیجه قطعی می‌تواند گمراه‌کننده باشد.

اگر شواهد کافی نیست، نتیجه قطعی تولید نکن.
اطلاعات گمشده را فهرست کن.

قالب جامع پرامپت Perplexity

موضوع:
[موضوع جست‌وجو]

هدف:
[تصمیم، تحقیق، مقایسه یا یادگیری]

مخاطب:
[سطح و نوع مخاطب]

محدوده:
- بازه زمانی: [تاریخ]
- منطقه: [کشور یا بازار]
- زبان منابع: [فارسی، انگلیسی یا هر دو]

اولویت منابع:
1. مستندات رسمی
2. منابع دانشگاهی
3. داده‌های دولتی
4. گزارش‌های معتبر
5. رسانه تخصصی

وظیفه:
[دستور دقیق]

خروجی:
- خلاصه
- جدول
- تحلیل
- محدودیت‌ها
- نتیجه
- منابع

قواعد:
- تاریخ جست‌وجو را بنویس.
- برای هر ادعای مهم Citation بده.
- لینک مستقیم صفحه را ارائه کن.
- منبع اولیه را بر بازنشر ترجیح بده.
- اختلاف منابع را گزارش کن.
- اطلاعات ناموجود را حدس نزن.
- تبلیغات را از واقعیت جدا کن.

بهترین پرامپت برای تحقیق علمی

درباره موضوع زیر منابع علمی پیدا کن:

[موضوع پژوهش]

شرایط:
- مقاله Peer-reviewed
- منتشرشده از سال [سال] به بعد
- اولویت با Systematic Review و Meta-analysis
- ذکر DOI
- لینک مستقیم ناشر یا پایگاه رسمی
- حذف منابع تکراری

برای هر مقاله:
- عنوان
- نویسندگان
- سال
- مجله
- نوع مطالعه
- جامعه و نمونه
- روش
- یافته اصلی
- محدودیت
- DOI
- لینک

هیچ عنوان، DOI یا نویسنده‌ای را حدس نزن.
پس از ارائه فهرست، DOIها را دوباره بررسی کن.

Perplexity می‌تواند نقطه شروع تحقیق باشد، اما ارجاعات را باید در ناشر، Crossref، PubMed یا پایگاه علمی مربوط بررسی کنید.

پرامپت مقایسه محصول

محصولات زیر را براساس اطلاعات فعلی مقایسه کن:

[محصول اول]
[محصول دوم]
[محصول سوم]

معیارها:
- مشخصات رسمی
- امکانات
- محدودیت‌ها
- قیمت
- هزینه‌های جانبی
- ضمانت
- مناسب‌بودن برای سناریوی من

سناریوی من:
[نیازهای کاربر]

قواعد:
- قیمت و مشخصات را با سایت سازنده بررسی کن.
- تاریخ و کشور قیمت را بنویس.
- اطلاعات نسل‌های مختلف محصول را ترکیب نکن.
- تبلیغات سازنده را به‌عنوان ادعای شرکت برچسب بزن.
- نتیجه را براساس نیاز من ارائه کن، نه محبوبیت عمومی.

پرامپت بررسی خبر

این خبر را بررسی کن:

[عنوان یا لینک خبر]

وظیفه:
1. تاریخ انتشار و تاریخ وقوع رویداد را جدا کن.
2. منبع اولیه خبر را پیدا کن.
3. گزارش رسانه‌های معتبر دیگر را مقایسه کن.
4. واقعیت‌های تأییدشده را بنویس.
5. ادعاهای تأییدنشده را جدا کن.
6. نقل‌قول‌ها را به منبع اصلی لینک بده.
7. مشخص کن چه اطلاعاتی هنوز معلوم نیست.
8. اگر خبر تغییر کرده، جدیدترین وضعیت را توضیح بده.

پرامپت تحقیق برای برنامه‌نویسان

آخرین روش توصیه‌شده برای پیاده‌سازی Authentication در Next.js را بررسی کن.

نسخه:
نسخه پایدار فعلی Next.js در تاریخ جست‌وجو

منابع مجاز:
- مستندات رسمی Next.js
- مستندات رسمی کتابخانه‌های پیشنهادی
- RFC یا Repository رسمی

خروجی:
- معماری پیشنهادی
- Session Management
- Cookie Security
- CSRF
- Token Rotation
- نمونه کد
- خطرهای رایج
- تفاوت نسخه‌های قدیمی و فعلی

کدهای مربوط به نسخه منسوخ را وارد نکن.
برای هر تصمیم امنیتی لینک منبع بده.

پرامپت بررسی بازار ایران

بازار [نام بازار] در ایران را بررسی کن.

محدوده:
- دو سال اخیر
- منابع فارسی و انگلیسی
- داده رسمی در اولویت
- قیمت‌ها به تومان و همراه با تاریخ

بخش‌ها:
- تعریف بازار
- بازیگران اصلی
- مشتریان
- مدل درآمدی
- روند تقاضا
- مقررات مرتبط
- ریسک‌ها
- فرصت‌ها
- خلأهای داده

در صورت نبود آمار معتبر، عدد تخمینی تولید نکن.
بین داده رسمی، ادعای شرکت و برآورد تحلیلی تفاوت بگذار.

بررسی Citationها در Perplexity

وجود منبع، پاسخ را خودکار معتبر نمی‌کند. باید Citation را دقیق بررسی کنید.

آیا منبع اولیه است؟

اگر پاسخ درباره قابلیت یک محصول است، مستندات رسمی سازنده از مقاله بازنشرشده معتبرتر است.

آیا صفحه واقعاً ادعا را تأیید می‌کند؟

ممکن است Perplexity یک صفحه مرتبط ارائه کند، اما عدد یا نتیجه موجود در پاسخ در آن صفحه نباشد.

تاریخ منبع چیست؟

یک مقاله قدیمی ممکن است برای نسخه جدید نرم‌افزار معتبر نباشد.

منبع از ادعا نفع تجاری می‌برد؟

ادعای «بهترین محصول بازار» در وب‌سایت خود محصول باید به‌عنوان ادعای تبلیغاتی دیده شود.

آیا چند سایت یک منبع را بازنشر کرده‌اند؟

وجود ده مقاله مشابه الزاماً به معنی ده تأیید مستقل نیست. ممکن است همه از یک خبر یا بیانیه واحد استفاده کرده باشند.

آیا عنوان منبع با متن آن تفاوت دارد؟

فقط عنوان را نخوانید. متن مرتبط را باز کنید.

روش ارزیابی کیفیت منابع

برای هر منبع پنج سؤال بپرسید:

1. نویسنده یا سازمان آن کیست؟
2. چه زمانی منتشر یا به‌روزرسانی شده است؟
3. آیا منبع اولیه است؟
4. آیا روش تولید داده را توضیح داده است؟
5. آیا تضاد منافع یا انگیزه تبلیغاتی دارد؟

می‌توانید از Perplexity بخواهید منابع خودش را ارزیابی کند، اما نتیجه این ارزیابی نیز باید بررسی شود:

منابع پاسخ قبلی را ارزیابی کن.

برای هر منبع:
- نوع منبع
- نویسنده یا سازمان
- تاریخ
- اولیه یا ثانویه
- روش تولید اطلاعات
- احتمال تضاد منافع
- ادعایی که پشتیبانی می‌کند
- محدودیت اعتبار

را بنویس.

تحلیل فایل با Perplexity

Perplexity امکان بارگذاری فایل را ارائه می‌کند. طبق راهنمای رسمی File Upload، می‌توان فایل‌های متنی، PDF، کد، تصویر، صوت و ویدئو را پیوست کرد.

برای فایل‌های صوتی و ویدئویی، Perplexity می‌تواند گفتار را به متن تبدیل کند و گویندگان را تشخیص دهد. در زمان نگارش این مقاله، بخش تصویری صحنه‌های ویدئو الزاماً Index و قابل‌جست‌وجو نیست.

حداکثر اندازه فعلی فایل طبق مستند رسمی ۴۰ مگابایت اعلام شده است، اما این محدودیت ممکن است تغییر کند.

پرامپت تحلیل PDF

فایل پیوست‌شده را تحلیل کن.

ابتدا:
- عنوان
- نویسنده
- تاریخ
- نوع سند
- ساختار
- تعداد صفحات قابل‌پردازش
- بخش‌های ناخوانا

را گزارش کن.

سپس:
- خلاصه مدیریتی
- یافته‌های اصلی
- داده‌ها
- فرضیات
- محدودیت‌ها
- تناقض‌های داخلی
- پرسش‌های بی‌پاسخ

را ارائه کن.

فقط به محتوای فایل استناد کن.
اگر بخشی از فایل پردازش نشده، آن را اعلام کن.

فایل‌های بسیار طولانی ممکن است به‌طور کامل وارد Context پاسخ نشوند و سیستم بخش‌های مرتبط را انتخاب کند. بنابراین عبارت «کل فایل را کلمه‌به‌کلمه بررسی کردی؟» را با شواهد و نمونه‌گیری کنترل کنید.

بارگذاری تصویر در Perplexity

می‌توانید تصویر را برای تحلیل نمودار، شیء، صفحه سند یا محتوای بصری بارگذاری کنید.

طبق راهنمای رسمی Image Upload، فرمت‌هایی مانند JPEG، PNG و PDF پشتیبانی می‌شوند و تصویر با مدل چندوجهی پردازش می‌شود.

کاربردها:

• تحلیل نمودار
• استخراج متن
• توضیح دیاگرام
• شناسایی شیء
• بررسی Screenshot
• ساخت کپشن
• توضیح رابط کاربری

برای تصاویر پزشکی، حقوقی، امنیتی یا هویتی به پاسخ هوش مصنوعی اتکا نکنید.

Projects در Perplexity

Projects فضاهایی برای سازمان‌دهی تحقیق‌ها، فایل‌ها، Sessionها و دستورهای اختصاصی هستند.

می‌توانید برای هر موضوع Project جداگانه بسازید:

تحقیق رقبا

مستندات محصول

پایان‌نامه

برنامه سفر

تحقیق سرمایه‌گذاری

طبق توضیحات رسمی Projects، هر Project می‌تواند به‌عنوان فضای متمرکز تحقیق و همکاری استفاده شود و دستورهای اختصاصی، فایل‌ها و Sessionهای مرتبط را در یک محل نگه دارد.

دستور ثابت Project

این Project برای تحلیل فنی مستندات نرم‌افزار است.

قواعد دائمی:
- مستندات رسمی را در اولویت قرار بده.
- نسخه نرم‌افزار را مشخص کن.
- از کد منسوخ استفاده نکن.
- برای هر ادعای فنی Citation بده.
- اگر اطلاعات کافی نیست، سؤال بپرس.
- پاسخ را فارسی بنویس.
- کد، نام متغیرها و دستورات Terminal را انگلیسی نگه دار.

نسخه رایگان و Perplexity Pro

Perplexity دارای طرح‌های مختلفی است که ممکن است شامل موارد زیر باشند:

• Standard یا رایگان
• Pro
• Max
• Education Pro
• Enterprise Pro
• Enterprise Max
• Sonar API

براساس مقایسه رسمی طرح‌های Perplexity، نسخه رایگان جست‌وجوی پایه و تعداد محدودی از قابلیت‌های پیشرفته را ارائه می‌کند. طرح‌های Pro و Max دسترسی گسترده‌تر به Research، مدل‌های پیشرفته، بارگذاری فایل، تولید تصویر و ابزارهای ساخت فایل و برنامه دارند.

قیمت، سهمیه روزانه، مدل‌ها و تعداد درخواست‌ها ممکن است تغییر کنند. به همین دلیل بهتر است اعداد قدیمی منتشرشده در مقاله‌ها یا ویدئوها را مبنای خرید قرار ندهید و صفحه رسمی طرح‌ها را بررسی کنید.

آیا Perplexity رایگان است؟

بله. برای جست‌وجوهای معمولی می‌توان از سطح رایگان استفاده کرد. Research، Pro Search، مدل‌های پیشرفته و بعضی قابلیت‌ها سهمیه محدودتری دارند یا به طرح پولی نیاز دارند.

برای استفاده عمومی، نسخه رایگان می‌تواند کافی باشد. برای پژوهش مستمر، تحلیل فایل‌های متعدد یا استفاده حرفه‌ای، طرح پولی امکانات بیشتری ارائه می‌کند.

حریم خصوصی در Perplexity

Perplexity اطلاعات مربوط به دستگاه، تعاملات و حساب کاربری را طبق سیاست حریم خصوصی خود جمع‌آوری می‌کند.

براساس راهنمای رسمی داده‌های کاربران، جست‌وجوها و بازخوردها ممکن است برای بهبود تجربه و مدل‌ها استفاده شوند. کاربران طرح‌های پشتیبانی‌شده می‌توانند گزینه AI Data Usage را در تنظیمات غیرفعال کنند.

Perplexity همچنین اعلام کرده توافق‌هایش با ارائه‌دهندگان مدل‌های ثالث، استفاده از داده‌های Perplexity برای آموزش مدل‌های آن شرکت‌ها را منع می‌کند. جزئیات در راهنمای رسمی ارائه‌دهندگان ثالث آمده است.

بااین‌حال، اطلاعات زیر را بدون ضرورت و مجوز بارگذاری نکنید:

• رمز عبور
• API Key
• اطلاعات بانکی
• قرارداد محرمانه
• اطلاعات پزشکی
• داده مشتریان
• سند هویتی
• کد منبع محرمانه
• فایل مالی منتشرنشده
• اطلاعات حقوقی حساس
• جلسه خصوصی سازمان

غیرفعال‌کردن استفاده آموزشی از داده‌ها به معنی حذف تمام ریسک‌های ذخیره‌سازی یا پردازش نیست.

اشتباهات رایج هنگام استفاده از Perplexity

اعتماد به خلاصه بدون بازکردن منابع

Perplexity ابزار تحقیق است، نه جایگزین بررسی منبع اصلی.

استفاده از منابع ثانویه برای ادعای فنی

برای نسخه نرم‌افزار، قیمت، استاندارد و قابلیت محصول باید به منبع رسمی مراجعه کنید.

پرسیدن سؤال بسیار کلی

پرسش کلی پاسخ کلی ایجاد می‌کند. مخاطب، زمان، منطقه و معیارها را مشخص کنید.

مخلوط‌کردن تاریخ انتشار و تاریخ رویداد

در خبرها این دو تاریخ ممکن است متفاوت باشند.

درخواست تعداد مشخصی منبع به هر قیمت

اگر بنویسید «حتماً ۲۰ منبع بده»، ممکن است منابع ضعیف برای تکمیل تعداد وارد شوند. کیفیت را بر تعداد مقدم بدانید.

اعتماد به DOI و ارجاع علمی

عنوان، نویسنده، مجله و DOI را در پایگاه اصلی بررسی کنید.

انتشار مستقیم گزارش Research

گزارش تحقیق عمیق باید از نظر منابع، اعداد، سوگیری و نتیجه‌گیری بازبینی شود.

نادیده‌گرفتن اختلاف منابع

اگر منابع اعداد متفاوتی ارائه می‌کنند، نباید یکی را بدون توضیح انتخاب کرد.

چک‌لیست تحقیق حرفه‌ای با Perplexity

پیش از شروع:

• سؤال تحقیق را دقیق تعریف کنید.
• بازه زمانی را مشخص کنید.
• نوع منابع معتبر را تعیین کنید.
• منطقه جغرافیایی را بنویسید.
• قالب خروجی را مشخص کنید.

هنگام بررسی پاسخ:

• Citationها را باز کنید.
• تاریخ منابع را کنترل کنید.
• منبع اولیه را پیدا کنید.
• ادعاهای تبلیغاتی را جدا کنید.
• اعداد را دوباره محاسبه کنید.
• اختلاف منابع را بررسی کنید.
• منابع تکراری را شناسایی کنید.
• اطلاعات ناموجود را مشخص کنید.

قبل از انتشار:

• نام‌ها و تاریخ‌ها را تطبیق دهید.
• نقل‌قول‌ها را بررسی کنید.
• آمارها را با منبع اصلی مقایسه کنید.
• لینک‌های خراب را حذف کنید.
• نتیجه‌گیری را با شواهد هماهنگ کنید.
• محدودیت تحقیق را بنویسید.
• متن را انسانی ویرایش کنید.

Perplexity API چیست؟

Perplexity علاوه بر محصول جست‌وجوی کاربرمحور، APIهایی نیز برای توسعه‌دهندگان ارائه می‌کند.

براساس مستندات رسمی Perplexity API، سرویس‌های توسعه‌دهندگان شامل قابلیت‌هایی مانند موارد زیر هستند:

• Agent API
• Search API
• Embeddings API
• جست‌وجوی وب در برنامه
• پاسخ‌گویی همراه با منابع
• ساخت RAG و Semantic Search

محصول Perplexity و API آن هزینه، کلید و محدودیت مصرف جداگانه دارند. اشتراک Pro الزاماً به معنی اعتبار نامحدود API نیست.

تفاوت Perplexity و API درواره

Perplexity یک محصول جست‌وجو و تحقیق آماده است. درواره API یکپارچه مدل‌های هوش مصنوعی را برای توسعه‌دهندگان ایرانی فراهم می‌کند.

درواره اشتراک Perplexity ارائه نمی‌کند و نسخه آماده موتور جست‌وجوی Perplexity نیست.

با API درواره می‌توانید:

• مدل هوش مصنوعی را به Backend متصل کنید.
• سامانه پاسخ‌گویی بسازید.
• نتایج موتور جست‌وجوی خود را خلاصه کنید.
• RAG پیاده‌سازی کنید.
• مدل‌ها را مقایسه یا مسیریابی کنید.
• خروجی ساختاریافته دریافت کنید.
• دستیار تحقیقاتی اختصاصی بسازید.

اگر می‌خواهید یک محصول شبیه Perplexity بسازید، باید جست‌وجوی وب، بازیابی محتوا، رتبه‌بندی منابع و تولید پاسخ را در کنار یکدیگر قرار دهید.

معماری ساخت موتور پاسخ‌گوی هوش مصنوعی

سؤال کاربر
↓
تولید Search Query
↓
Search API
↓
دریافت نتایج
↓
دانلود صفحات مجاز
↓
استخراج متن
↓
حذف صفحات تکراری
↓
رتبه‌بندی منابع
↓
تقسیم محتوا به Chunk
↓
ارسال زمینه به مدل
↓
پاسخ همراه با Citation

اجزای فنی:

• Backend با Python یا Node.js
• Search API
• Web Fetcher
• Content Extractor
• موتور رتبه‌بندی
• Vector Database در صورت نیاز
• مدل زبانی
• سیستم Citation
• Cache
• Rate Limit
• Observability
• Evals

باید robots.txt، شرایط استفاده سایت‌ها، حق نشر و محدودیت‌های دسترسی را رعایت کنید.

اتصال به API درواره

آدرس پایه API درواره:

https://api.darvareh.ir/v1

Endpoint سازگار با Chat Completions:

https://api.darvareh.ir/v1/chat/completions

نمونه Python برای خلاصه‌سازی نتایج جست‌وجو

در این مثال فرض می‌کنیم نتایج جست‌وجو قبلاً از یک Search API دریافت شده‌اند.

import os

from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DARVAREH_API_KEY"],
    base_url="https://api.darvareh.ir/v1",
)

search_results = """
[1]
Title: Python 3 Documentation
URL: https://docs.python.org/3/
Content: Official Python documentation...

[2]
Title: Python Releases
URL: https://www.python.org/downloads/
Content: Information about current Python releases...
"""

question = """
نسخه پایدار فعلی Python را مشخص کن و تفاوت آن را با نسخه قبلی توضیح بده.
فقط از نتایج ارائه‌شده استفاده کن.
برای هر ادعا از شماره منبع مانند [1] استفاده کن.
اگر داده کافی نیست، پاسخ را حدس نزن.
"""

response = client.chat.completions.create(
    model="YOUR_MODEL_ID",
    messages=[
        {
            "role": "system",
            "content": (
                "You are a source-grounded Persian research assistant. "
                "Use only the supplied sources and never fabricate citations."
            ),
        },
        {
            "role": "user",
            "content": f"""
Sources:
{search_results}

Question:
{question}
""",
        },
    ],
    temperature=0.1,
)

print(response.choices[0].message.content)

مقدار YOUR_MODEL_ID را با شناسه مدل مناسب از کاتالوگ فعلی درواره جایگزین کنید.

در محیط عملیاتی باید بررسی کنید شماره Citation تولیدشده واقعاً به همان منبع اشاره می‌کند. صرف درخواست از مدل برای تولید Citation کافی نیست.

ساخت Citation قابل‌اعتماد

هر قطعه بازیابی‌شده باید Metadata داشته باشد:

{
  "source_id": "source_001",
  "title": "Official Documentation",
  "url": "https://example.com/docs",
  "published_at": "2026-07-01",
  "retrieved_at": "2026-07-18",
  "chunk_id": "chunk_004",
  "content": "Retrieved content..."
}

مدل باید فقط از شناسه‌های موجود استفاده کند. پس از تولید پاسخ، Backend باید Citationها را اعتبارسنجی کند:

• آیا source_id وجود دارد؟
• آیا متن منبع از ادعا پشتیبانی می‌کند؟
• آیا URL معتبر است؟
• آیا منبع تکراری نیست؟
• آیا تاریخ منبع مناسب است؟
• آیا منبع مجاز و قابل‌نمایش است؟

نکات امنیتی پیاده‌سازی

• API Key فقط در Backend نگهداری شود.
• URLهای دریافتی از کاربر در برابر SSRF کنترل شوند.
• دسترسی به IPهای داخلی مسدود شود.
• فایل‌های دانلودشده محدودیت حجم داشته باشند.
• محتوای HTML پاک‌سازی شود.
• Prompt Injection موجود در صفحات وب کنترل شود.
• متن صفحه وب به‌عنوان دستور سیستم اجرا نشود.
• Timeout و Retry محدود باشند.
• دامنه‌های غیرمجاز فیلتر شوند.
• Logها حاوی اطلاعات محرمانه نباشند.
• خروجی مدل قبل از نمایش اعتبارسنجی شود.

صفحه وب ممکن است متنی مانند «دستور قبلی را نادیده بگیر» داشته باشد. این متن داده منبع است و نباید به‌عنوان دستور معتبر برای Agent اجرا شود.

برای دریافت API و ساخت ابزارهای جست‌وجو و تحقیق مبتنی بر هوش مصنوعی، در درواره ثبت‌نام کنید.

پرسش‌های متداول

Perplexity چیست؟

Perplexity یک موتور جست‌وجو و پاسخ‌گویی مبتنی بر هوش مصنوعی است که اطلاعات وب را جست‌وجو، خلاصه و همراه با Citation ارائه می‌کند.

پرپلکسیتی رایگان است؟

بله، طرح رایگان دارد. دسترسی به Pro Search، Research، مدل‌های پیشرفته و بارگذاری فایل در نسخه رایگان محدودتر است.

آیا Perplexity فارسی را پشتیبانی می‌کند؟

بله، می‌توان سؤال را فارسی پرسید و پاسخ فارسی دریافت کرد. برای منابع بهتر می‌توانید جست‌وجو در منابع انگلیسی و پاسخ فارسی را درخواست کنید.

آیا Perplexity جایگزین گوگل است؟

برای بعضی تحقیق‌ها و سؤال‌های ترکیبی می‌تواند جایگزین مناسبی باشد، اما Google برای جست‌وجوی سنتی، نقشه، تصویر و یافتن صفحات مشخص همچنان کاربردهای مهمی دارد.

آیا پاسخ‌های Perplexity دقیق هستند؟

همیشه نه. پاسخ ممکن است منبع را اشتباه تفسیر کند یا ادعایی فراتر از Citation بنویسد. منابع باید باز و بررسی شوند.

Pro Search چیست؟

Pro Search حالت پیشرفته‌تری برای سؤال‌های چندمرحله‌ای، مقایسه‌ها و تحقیق‌های دقیق‌تر است.

Research Mode چیست؟

Research Mode چندین جست‌وجو و مرحله تحلیل انجام می‌دهد و یک گزارش نسبتاً جامع همراه با منابع تولید می‌کند.

آیا Perplexity مقاله علمی پیدا می‌کند؟

بله، اما عنوان، نویسنده، DOI و محتوای مقاله باید در پایگاه اصلی ناشر یا پایگاه علمی معتبر بررسی شوند.

آیا می‌توان PDF در Perplexity بارگذاری کرد؟

بله. Perplexity از PDF و انواع دیگری از فایل‌ها پشتیبانی می‌کند. در فایل‌های طولانی ممکن است فقط بخش‌های مرتبط انتخاب و تحلیل شوند.

آیا Perplexity فایل صوتی و ویدئو را تحلیل می‌کند؟

می‌تواند گفتار موجود در فایل صوتی و ویدئو را Transcribe و قابل‌جست‌وجو کند. تحلیل صحنه‌های تصویری ویدئو ممکن است محدود باشد.

Perplexity بهتر است یا ChatGPT؟

برای جست‌وجوی وب و دریافت پاسخ همراه با منابع، Perplexity مناسب است. برای کارهای عمومی، نوشتن، آموزش تعاملی و برنامه‌نویسی طولانی، ChatGPT ممکن است انعطاف بیشتری داشته باشد.

Perplexity بهتر است یا NotebookLM؟

Perplexity برای کشف اطلاعات وب مناسب است. NotebookLM برای کار با مجموعه اسناد و منابع انتخابی کاربر طراحی شده است.

آیا Citationهای Perplexity معتبرند؟

Citationها لینک واقعی ارائه می‌کنند، اما باید بررسی کنید که متن منبع دقیقاً از ادعای پاسخ پشتیبانی می‌کند.

آیا Perplexity از اطلاعات کاربران برای آموزش استفاده می‌کند؟

طبق راهنمای رسمی، بعضی داده‌های جست‌وجو ممکن است برای بهبود سرویس استفاده شوند. در حساب‌های پشتیبانی‌شده می‌توان AI Data Usage را غیرفعال کرد. طرح‌های سازمانی سیاست‌های متفاوتی دارند.

Perplexity API چیست؟

مجموعه APIهای توسعه‌دهندگان برای افزودن قابلیت جست‌وجو، پاسخ‌گویی منبع‌محور، Agent و Embedding به نرم‌افزار است.

آیا درواره اشتراک Perplexity می‌فروشد؟

خیر. درواره اشتراک Perplexity ارائه نمی‌کند. درواره API هوش مصنوعی ارائه می‌دهد تا توسعه‌دهندگان بتوانند قابلیت‌های AI را در نرم‌افزار خود پیاده‌سازی کنند.

آیا می‌توان API درواره را مستقیم داخل Perplexity وارد کرد؟

در رابط عادی Perplexity گزینه‌ای برای واردکردن Base URL دلخواه درواره وجود ندارد. API درواره برای استفاده در Backend، برنامه‌ها و ابزارهای سازگار با OpenAI طراحی شده است.

آیا می‌توان با API درواره یک ابزار شبیه Perplexity ساخت؟

بله. باید یک Search API، بازیابی و استخراج صفحات، رتبه‌بندی منابع، سیستم Citation و API مدل زبانی را با یکدیگر ترکیب کنید.

جمع‌بندی

Perplexity یکی از کاربردی‌ترین ابزارهای هوش مصنوعی برای جست‌وجو، تحقیق و جمع‌آوری سریع اطلاعات از وب است. این سرویس به‌جای نمایش صرف لینک‌ها، پاسخ مکالمه‌ای تولید می‌کند و منابع استفاده‌شده را در اختیار کاربر قرار می‌دهد.

برای سؤال‌های روزمره می‌توانید از جست‌وجوی عادی استفاده کنید. برای مقایسه‌ها و سؤال‌های چندمرحله‌ای Pro Search مناسب است و برای گزارش‌های جامع‌تر می‌توان از Research Mode استفاده کرد.

مهم‌ترین اصل در استفاده از Perplexity این است که Citation را معادل حقیقت ندانید. هر منبع را باز کنید، تاریخ آن را ببینید، ادعا را با متن اصلی مقایسه کنید و میان منبع رسمی، گزارش مستقل و محتوای تبلیغاتی تفاوت بگذارید.

اگر به‌جای استفاده از یک ابزار آماده می‌خواهید قابلیت جست‌وجو، تحلیل منابع یا پاسخ‌گویی مستند را در نرم‌افزار خود پیاده‌سازی کنید، می‌توانید از API هوش مصنوعی درواره در کنار Search API، RAG و سیستم Citation استفاده کنید.

آدرس پایه API درواره:

https://api.darvareh.ir/v1

مقالات مرتبط

• بهترین جایگزین‌های ChatGPT برای کاربران فارسی‌زبان
• ChatGPT چیست؟ آموزش کامل استفاده از چت‌جی‌پی‌تی
• هوش مصنوعی گوگل Gemini چیست؟
• تحقیق علمی و پیداکردن منابع دانشگاهی با هوش مصنوعی
• خلاصه‌کردن متن و PDF با هوش مصنوعی
• پرامپت‌نویسی چیست؟ آموزش کامل Prompt Engineering
• بهترین ابزارهای رایگان هوش مصنوعی
• درواره چیست؟ معرفی پلتفرم API هوش مصنوعی