הבלוג של Perplexity

מומלצים
רעיונות29 בספט׳ 2026כיצד אנו מהנדסים סוכנים בטוחים יותראמצעי הגנה מדורגים, ניטור עצמאי ופיקוח אנושי על פני סוכני הענן, הדפדפן, המקומיים ונקודות הקצה של Perplexity.
חדשות15 באוק׳ 2026SPACE, פלטפורמת ארגזי החול שמאחורי Computer, זמינה עכשיו כקוד פתוחPerplexity הופכת את SPACE, פלטפורמת ארגזי החול שמאחורי Computer, לקוד פתוח כדי לעזור למפתחים לבנות סוכני AI אוטונומיים בטוחים יותר
מפתחים28 בספט׳ 2026ה-Agent API תומך כעת בסוכנים הניתנים לשימוש חוזרצוותים יוצרים סוכנים הניתנים לשימוש חוזר עם פרופילים ממוספרות גרסאות, כישורים ומחברים מנוהלים שהם יכולים לשתף בין יישומים.
עוד מצוות המחקר של Perplexity
בריחה מ-SPACE: חלק א'בדיקת אבטחה של בידוד מכונות וירטואליות והכלת רשת לסוכני בינה מלאכותית.
בניית סביבות עבודה משותפות לאנשים ולסוכניםכיצד פרויקטים ב-Perplexity הופכים עבודה ארוכת טווח למתמידה, מקבילית וניתנת למעקב.
הטבעות רב-אופניות מעבר לווקטור יחידמשפחת מודלי אינטראקציה מאוחרת חדשה לאחזור טקסט ותמונה, עם מרחב הטבעה משותף בין גדלי המודלים.
פורסם לאחרונה
נמצאו 211 פוסטים
Text embeddings explained: how they work [+examples]This guide explains what text embeddings are, how they turn text into vectors that capture meaning, and how to choose, evaluate, and apply embedding models to search, RAG, and other real-world use cases.
הסמכת FedRAMP חדשה מביאה את Perplexity לתהליכי עבודה ממשלתיים נוספיםסוכנויות פדרליות יכולות לחפש באינטרנט בזמן אמת עם Perplexity ולקבל תשובות עם ציטוטים, במסגרת הסמכת FedRAMP חדשה.
מימוש RAG בסיסי: מדריך שלב אחר שלבמדריך ידידותי למתחילים זה מסביר כיצד פועל מימוש RAG בסיסי, סוקר שיטות עבודה מומלצות ומלווה אתכם בבניית מערכת RAG עובדת בשורת הפקודה באמצעות Python, ChromaDB ומודלי ההטמעה והשפה של Perplexity.
איך עובד שער LLM? מדריך מעשי לצוותי הנדסהשער LLM הוא פרוקסי הפוך (reverse proxy) שמנתב, מאמת, שומר במטמון ומתעד את הקריאות שלכם למודלים; המדריך הזה עוקב אחר בקשה שעוברת דרכו, סוקר את סיכוני האבטחה והאמינות שצריך להיערך אליהם, ומשווה בין בנייה עצמית, אירוח עצמי, שירות מנוהל ושימוש בשער API.
מהי ארכיטקטורת RAG? הגדרה מלאה עם דוגמאות מעשיות מפורטותארכיטקטורת RAG היא מערך הרכיבים שמאחסן, מאחזר ומזין מידע חיצוני ל-LLM; מדריך זה מפרט 10 סוגים, מ-RAG בסיסי והיברידי ועד RAG מבוסס סוכנים ו-GraphRAG, עם שתי דוגמאות מפורטות שלב אחר שלב.
איך להעריך סוכני AI: מערכי בדיקה, מדרגים ובדיקות רגרסיהמדריך מעשי בשישה שלבים להערכת סוכני AI: מהגדרת הצלחה ובניית מערכי בדיקה מתוך כשלים אמיתיים, ועד לבחירת מדרגים, הרצת בדיקות רגרסיה וניטור בסביבת הייצור.
איך לעקוב אחר צריכת הטוקנים של הצוות ולשלוט בהאיך צוותים יכולים לראות את צריכת הטוקנים שלהם בלוחות בקרה ובדוחות, אילו סוגי עבודה עם בינה מלאכותית צורכים הכי הרבה טוקנים, ואיך להשתמש בבקרות כדי להפחית אותה.מורה טוב פוגש את התלמיד היכן שהוא נמצאשיטת זיקוק עצמי חדשה שמאמנת מורה ותלמיד במשותף כדי לשפר את ביצועי המודל ואת יעילות האימון במשימות הנמקה מורכבות ובמשימות סוכן.
מהו שער AI? מדריך לניתוב, לבקרת עלויות ולממשל של תעבורת LLM וסוכניםשער AI הוא פרוקסי מרכזי שמתווך בין היישומים או סוכני ה-AI שלכם לבין המודלים שהם קוראים להם, ומטפל בניתוב, בבקרת עלויות, באבטחה ובנראות (observability) במקום אחד.
Perplexity מביאה את Computer לתשתית ארגונית בשיתוף ValarianPerplexity ו-Valarian מביאות את Computer לתשתית מוסדית, עם בקרות לנתונים רגישים ולעומסי עבודה בפיקוח רגולטורי