SEO × AI搜尋在改變,你的成長策略也該向前。認識 AI 搜尋優化

Perplexity Computer 是什麼?Multiagent、Teammates 與 Context API

撰文作者

Whoops SEO 創辦人

SEO 與 AI SEO 專家,專長涵蓋技術 SEO、內容策略與 GEO 優化。從搜尋排名到 AI 答案中的品牌呈現,協助企業找出優化機會、排定執行順序,並追蹤實際成效。

Sliven 褚崇名肖像
作者背景與專業領域 約 13 分鐘閱讀

先看重點

摘自本文

檢查網站的 SEO 基礎

從網站網址開始,檢視可讀性與頁面基礎訊號。

  • 檢查標題與搜尋摘要標記
  • 核對 canonical 與索引指令
  • 整理公開 HTML 的待改善項目
免費檢查網站

Perplexity Computer 是能拆解並執行多步驟任務的 AI 代理平台。交給它一個目標,它會分派代理上網找資料、讀檔與分析,最後交付報表、儀表板或小工具。Multiagent 讓不同模型的代理直接交換發現與互查,由主代理統整結果,一項任務最多可分派 16 個支援代理。

Teammates 把 Computer 用在有固定職責的持續工作,例如每週研究或追蹤銷售案件。Perplexity 在 2026 年 11 月 17 日也發布了兩項獨立 API:Orchestrator 統一模型呼叫和計費,Context API 回傳網頁正文、連結與原文摘錄。經營內容網站時,可先用 Context API 檢查代理實際能取到哪些內容,再另外觀察有沒有出現在答案引用中。

Perplexity 的官方產品影片示範 Computer 如何從使用者交辦的目標開始工作。

Perplexity Computer 怎麼選任務深度?

四欄圖解比較 Multiagent、Teammates、Orchestrator 與 Context API 的用途。
從左到右依序為 Multiagent 任務協作、Teammates 常駐代理、Orchestrator 模型路由與 Context API 網頁擷取。Multiagent 最多可指派 16 個支援代理。

用 Computer 的 effort 滑桿調整任務深度。2026 年 9 月加入四種設定,每種都由主代理規劃任務並分派部分工作。11 月 17 日推出的 Multiagent 位於 Ultra 之上,Perplexity Max 訂閱者可在網頁版的 effort 滑桿選取。Computer 最初於 2026 年 2 月發布,8 月推出本機優先的 Portable Computer。

這條產品線的源頭在 2025 年 7 月的 Comet 瀏覽器,Perplexity 當時示範了能訂餐廳、比價的個人代理;模型能力跟上之後,嚴肅工作搬進 Computer,官方形容它為高密度問題解決與關鍵決策做了最佳化。實際使用時的差別在責任形態:搜尋是你自己讀完再判斷,Computer 是你驗收它做完的成果,後者對來源引用與可複查性的要求高得多。

Computer 依任務消耗點數。Pro 可使用 Computer,Multiagent 則開放給 Max 訂閱者。若也在比較搜尋、研究和訂閱額度,可先看Perplexity 入門操作與方案差異。

Multiagent 如何讓最多 16 個支援代理互查?

Multiagent 的核心設計是讓多個前沿模型並行工作並互相檢查。依 11 月 17 日的發布配置,主代理由 Claude Fable 5.2 擔任,負責規劃任務並分派給執行代理,預設團隊是 Claude Opus 5.5、GPT 6.1 Sol 與Gemini 4 Carbon 三個模型,官方公告載明單一任務最多可指派 16 個代理,主代理自己也承擔一部分工作。

與單模型代理的差別在資訊流向。執行代理之間直接交換發現,一個代理可以用另一個代理找到的證據、質疑對方的假設,或標記矛盾之處要求深挖;共享檔案的編輯也會互相通知,例如一個代理更新財務模型的營收假設,另一個代理接著把新數字用進估值分析。若點名模型,或任務需要,Fable 5.2 與 GPT 6 Astra 也能擔任支援代理。

多模型互查可以找出不同代理採用的前提是否矛盾。例如兩個代理對營收採用不同幣別,就先回到來源確認再合併估值。若代理共用同一份有誤資料,仍可能得出相同的錯誤結論,最後要能追到原始文件與計算假設。

使用體驗維持單一對話介面。你只跟主代理對話,它整合全隊發現後交付最終成果,追問時由主代理通知受影響的代理接續既有工作,畫面上能看到每個代理跑在哪個模型上;停止整個討論串等於停掉全隊。你也可以直接在提問裡指定要用的模型,讓團隊組成貼著任務走。官方列舉的適用場景集中在可並行拆解的硬任務:財務預測、年報審閱、深度分析、併購資料室盡責調查與複雜報稅。

Ultra、Multiagent 與 Model Council 的差異在資訊流向。Ultra 之下子代理只向主代理回報,Multiagent 之下代理直接共享發現並互相查核,Model Council 則讓多個模型獨立研究同一個問題,再由 Computer 整合出共識與歧見,同一條光譜上的三種組織方式對應三種任務性質。

選項工作組織方式適用場景
Ultra一個主代理分派任務,子代理只向主代理回報需要多種方法並行嘗試的開放問題,例如在不同成長假設下評估新市場
Multiagent與 Ultra 相同的主代理,協調代理直接共享發現、互相查核並共同產出可並行處理且互有關聯的大型任務,例如資料室盡責調查或多情境財務預測
Model Council多個模型獨立研究同一問題,Computer 整合結果並標出共識與歧見需要獨立觀點相互印證的判斷題
Ultra、Multiagent 與 Model Council 的組織方式對照(Perplexity 官方公告,2026 年 11 月)

Teammates 如何持續追蹤工作?

使用者手持手機,旁邊的桌面螢幕顯示 Perplexity Teammates。
Teammates 可依排程持續處理研究與追蹤任務。圖片來源為 Perplexity 官方部落格。

Teammates 是 11 月 4 日推出的常駐代理,定位是承接沒有明確終點的持續性工作。發布公告把它描述為建立在 Computer 之上的個人代理:協調各個 Computer session 與其他 Teammates,記住專案目標、任務歷史與共享檔案,跨行銷、銷售、客服、營運與財務的工作流累積經驗,每接一個新任務都建立在已完成的工作上。

主動監控是它與單次任務代理的關鍵差異。官方舉的例子是銷售 Teammates 發現老客戶停止下單,主動調閱訂單歷史與客服紀錄,查明變化後擬出挽回方案或標記待解問題。它在過程中持續回報進度並送出批准請求,不需要你每次重新下指令;你若告訴營運 Teammates 某個外包需要兩週前置,它會把這個緩衝寫進之後所有排程。這種持續追蹤的形態與AI Agent 的基本原理同源,差別在生命週期從單次任務拉長為常駐職務。

權限與隔離有明確邊界。每個 Teammate 跑在獨立環境,瀏覽器 session 互相分離,儲存的憑證加密後安全填入,你可以審視完成的工作、接管桌面或中途改派任務;它也能被加進 Slack 頻道讓同事直接派工,Teammates 之間可互相交接,一個找出網站的錯誤、另一個接手準備修復。Max 訂閱者可在網頁版使用 Teammates,Perplexity 隨後宣布支援 Mac App 及 iOS、Android 上的語音通話。

它的底層沿用 Computer 既有的三件套。Projects 收納既有研究與目標資料,skills 固定特定工作的執行寫法,memory 跨任務累積偏好與回饋;官方的銷售範例把三者串起來,Teammates 讀 Project 裡的帳號研究、照 outreach 的 skill 寫信,再用每週自動化檢視 pipeline,找出停滯的對話、備好跟進草稿供你審核,隔週把結果套回排程。

建立流程留在產品內完成。左側導覽選 Teammates,命名後連上需要的工具,加上 Slack、GitHub 或 Gmail 外掛,GitHub 還能限定可存取的原始碼庫,最後描述它該擁有哪些工作、交付什麼、何時該主動出手,再指派到專案並給第一個任務,整段設定不需要寫程式。

Orchestrator:一個金鑰調度所有前沿模型

Orchestrator Models & Pricing 文件頁列出模型 ID、使用層級、上下文視窗與 Token 費率。
Orchestrator 的官方模型目錄列出模型 ID、最低用量層級、上下文上限和輸入、輸出費率。

Orchestrator 解決的是多模型架構最費工的一段:供應商切換與故障重試。官方說明把它定義為一個統一計費的推論 API,把 Anthropic、OpenAI、Google、xAI 與開放權重模型裝進同一把金鑰與同一個預付餘額,接受 OpenAI Chat Completions、OpenAI Responses 與 Anthropic Messages 三種請求格式。既有整合可沿用支援格式的 SDK,改用 Perplexity 的 base URL、金鑰與模型 ID,並檢查請求是否含有不支援的伺服器端狀態欄位。

可靠性來自同模型跨部署的故障轉移。指定 Claude 時,請求在 Anthropic 失敗可以轉到 AWS Bedrock 的同一模型重試,平台依觀測到的健康度、容量與延遲分配部署,單次嘗試設有首 Token 時間與總時長上限。Perplexity 在 2026 年 10 月 4 日至 11 月 2 日的量測顯示,經 Perplexity 送出的 Claude 與 GPT 請求成功率比任一單一供應商更高,供應商出事時的日成功率波動也更小。

速度證據同樣具體。同一個量測期內,Claude Opus 5.5 的輸出速度中位數由 Anthropic 與 AWS Bedrock 各領先 15 天;GPT-5.6 Sol 的輸出速度中位數,Azure 比 OpenAI 高 27%。最快的供應商每天在變,這正是官方發展速度感知路由的理由,目前自動選擇仍以健康度與容量為主。

計費按各模型牌價,與實際服務的部署無關。不論哪個供應商回應,都按實際回答模型的每 Token 牌價計費,故障轉移不改單價,被 429 拒絕的請求不收費,用量與 Perplexity API 專案的預付點數共用,也能透過 AWS Marketplace 採購。模型目錄同時標明門檻:Google、xAI 與開放權重模型全層級可用,OpenAI 與 Anthropic 模型需要 Tier 1 以上。

模型最低用量層級輸入牌價輸出牌價
Claude Fable 5.2Tier 28.0040.00
Claude Opus 5.5Tier 24.0020.00
GPT 6.1 SolTier 12.0010.00
GPT 6 LunaTier 10.100.50
Gemini 3.8 FlashTier 00.753.75
Grok 4.7Tier 02.006.00
Orchestrator 代表模型牌價,美元/每百萬 Token(官方模型目錄,2026 年 11 月;GPT 6.1 Sol 與 GPT 6 Luna 為輸入 ≤272k 的牌價,Grok 4.7 為輸入 <200k 的牌價,Gemini 3.8 Flash 表列價適用至 2026 年底)

perplexity/auto 自動路由把選模型這件事也交給平台,目前為預覽功能。把 model 欄位設為 perplexity/auto 並附上 routing 物件後,決策模型讀取對話內容、比對各 route 的文字描述來選模型,過程看不到模型名稱,回應 headers 的 x-perplexity-autoroute-route 標明配對結果,決策失敗或逾時就落在 default_model。官方在 Terminal-Bench 4.1 的 63 項任務子集實測,兩組自動路由配置各解出 41 項,單用 Fable 解出 38 項,每任務估計成本則較高。這是官方在指定子集的結果。

對工程團隊的意義可以一句話講完:多模型策略的路由層、重試層與帳務整合,從自建基礎設施變成一次 API 呼叫。過去要在 OpenAI、Anthropic 與 Bedrock 之間自建故障轉移與計費歸戶的團隊,現在把這段交給 Orchestrator,換到的是跨供應商的可用度量測與單一帳單。

跨模型換手時的快取行為值得單獨看。每個請求帶完整對話歷史,但各模型維護自己的快取。對話若在第四輪回到起初的便宜模型,它能重用第一輪仍有效的字首快取,把中間其他模型的回應當新輸入處理;官方建議同一對話固定使用同一個 prompt_cache_key,幫平台把相關請求留在同一部署上,保住快取親和性。遷移時唯一要注意的是無狀態設計,依賴伺服器端對話狀態的欄位會收到 400,補上完整歷史再送即可。

Context API:把網頁變成模型可用的乾淨內容

深色礦石剖面上有藍色光帶,中央標示 Context API。
Context API 可依需求回傳網頁正文、連結或與查詢相關的原文摘錄。圖片來源為 Perplexity 官方部落格。

給 Context API 一組 URL,可指定每頁回傳正文 Markdown、HTML、去重後的連結與依查詢挑出的原文段落。發布說明指出,內容來自已抓取的副本或即時讀取。目前的速率限制為 Tier 0 每次 10 個 URL、Tier 1 至 3 每次 15 個、Tier 4 至 5 每次 25 個,每秒分別可送 1、3、5 次請求。

Context API 會對網頁區塊評分,辨識正文與樣板,盡量排除導航、Cookie 橫幅和廣告。highlights 依查詢挑出相關原文段落,並可限制每頁回傳的 Token 數。各格式的欄位與狀態碼見格式與時效文件。

時效控制是開發者最實用的參數。預設先查索引裡兩天內抓過的副本,沒有就即時抓取;max_age_seconds 設 0 強制即時讀取,設高到兩年內的副本都接受,cache_only 設 true 則絕不觸發即時請求,適合不能對外抓流的內部工作負載。成功結果的 metadata 可核對快取或即時來源與抓取時間,單一 URL 逾時不影響其他 URL,你只重試失敗那幾頁,這套參數的完整範例收在快速上手文件。

Perplexity 從真實代理的抓取請求抽樣 1,000 個 URL,涵蓋 715 個網站,並與 Firecrawl、Exa、Parallel、Keenable、Context.dev 交叉評比,Context API 的可用內容率 92.3%、關鍵事實召回 87.9%、內容精確度 80.3%,評審模型盲評,失敗抓取計零分。價格是每千個成功 URL 收 1 美元,失敗的 URL 不計費,附加的 criteria 是非題評分另按 Decisions API 的輸入 Token 計費。

官方列的四個應用情境都指向同一個痛點:搜尋結果的摘要不夠用。寫 API 整合要的是文件裡的參數與錯誤案例,比價要的是藏在方案細節裡的條件,回答退貨政策要的是例外條款。研究要比對的則是各來源的方法學,這些都埋在頁面本文裡,摘要拿不到,代理自己硬抓又會混進導航與廣告的雜訊,Context API 補的就是這一段。

criteria 逐頁評分可與抓取一起執行。最多五題是非題,抓完頁面後由決策模型逐頁作答,你的程式先依分數過濾,再讓主模型讀通過的頁面,省下讀無關內容的 Token;這段計費掛在 Decisions API 的輸入 Token 上,與每 URL 的抓取費分開列,對要掃大量候選頁面的代理來說是實際的成本槓桿。

內容網站如何檢查 AI 讀到哪些資訊?

想檢查網站能否被 Perplexity 讀取,先分清兩種請求。官方爬蟲指南指出,PerplexityBot 建立搜尋索引並遵守 robots.txt,Perplexity-User 則處理使用者請求觸發的網頁讀取,通常不受 robots.txt 約束。若網站返回機器人挑戰,Context API 可回傳 bot_challenge。遇到這種結果,對照伺服器日誌與Cloudflare 的 AI 爬蟲分類檢查是哪條規則攔下請求。

檢查 markdown 是否保留完整的標題、段落與表格,尤其是價格限制、適用條件和例外。若結果混入導航或漏掉主要資訊,可先檢查正文 HTML 的標題層級,並確認關鍵文字在頁面上可直接讀取。

metadata 一定有重新導向後的 source_url,也可能包含 title、description、author、published_date 和 language。把回傳結果與正式頁面的標題、作者和日期對照,可發現缺漏或錯置。

links 回傳依頁面順序排列、去重後的絕對 URL。相關性高的正文連結能給讀者和代理補查細節的入口,例如從方案摘要連到計費規則,或從產品描述連到數據原始來源。

更新價格、庫存或規格後,若要驗收最新版本,可設 max_age_seconds: 0 即時讀取。若另送 if_modified_since,支援條件式請求的網站可能回 not_modified。這項結果仍計費,而且只附 metadata,呼叫端須保留先前取得的內文。

Perplexity 的答案可以附上來源連結,讀者點擊時才會帶來造訪。網站可分開記錄三件事:代理有沒有成功抓到正文、答案是否附上該頁連結,以及連結帶來多少造訪。AI 搜尋的引用和流量如何衡量說明三者的關係,排名與引用的四象限追蹤則提供記錄方式。

選自己網站的首頁和幾篇重要文章,依Context API 的操作文件要求回傳 markdown,並核對一併返回的 metadata。若正文被截斷或返回 bot_challenge,比對網站日誌查明原因。若多種模板都漏資料,可從網站檢索與技術健檢找出共同問題,再用AI 搜尋引用優化檢查答案是否有引用來源。

費用與採用判斷

Multiagent 與 Teammates 開放給 Max,月繳 200 美元或年繳 2,000 美元,Max 每月含 10,000 Computer 點數。官方方案頁所列 Pro 40 美元、Max 450 美元等值 Computer 點數為限時優惠。若考慮為 Multiagent 升級,可用同一類任務比較 Ultra 與 Multiagent 產出,再從使用量頁看每次實際消耗。

API 側的計價各自獨立。Orchestrator 按各模型每 Token 牌價計費,沒有每次請求費;Context API 每千個成功 URL 收 1 美元,等於每個 URL 0.001 美元,整套平台的收費方式列在定價總覽。用 Context API 監看內容的月成本只要一條算式:每日 URL 數乘以 30,再乘以 0.001 美元。

每日抓取 URL 數每月抓取 URL 數月成本(美元)
103000.30
501,5001.50
2006,0006.00
1,00030,00030.00
Context API 內容監控月成本試算(每個成功 URL 0.001 美元,每月以 30 日計)

要交付一份可拆分、需要互查的研究,從 Multiagent 著手。要固定追蹤資料或定期整理,先定義 Teammates 的交付物和批准條件。若問題只是自家網頁有沒有被讀完整,一次 Context API 請求就足以先查日期、正文與來源連結。

Perplexity Computer 常見問題

Perplexity Computer 免費版可以用嗎?

免費方案可用基本搜尋。官方更新曾開放符合條件的美國免費帳號在網頁試用 Computer,台灣帳號可先查看自己的方案。個人 Pro 可使用 Computer,Multiagent 則需 Max。

Multiagent 跟 Ultra、Model Council 差在哪?

Ultra 的子代理分頭研究並各自向主代理回報。Multiagent 允許代理直接共享發現、互相查核和協調編輯。Model Council 讓多個模型獨立研究同一個問題,再整理共識與歧見。

想用 Multiagent 一定要訂 Max 嗎?

個人方案需訂閱 Perplexity Max。網頁版可在 Computer 的 effort 滑桿選 Multiagent。Max 同時開放 Teammates,每月 200 美元,年繳 2,000 美元。

Orchestrator 會比直接呼叫 OpenAI 或 Anthropic API 貴嗎?

先對照 Orchestrator 與供應商的價目表。Orchestrator 按實際回答模型的牌價計費,同模型換部署重試時費率不變。總費用仍取決於輸入、輸出、快取用量及你在各供應商適用的費率。

我的網站可以拒絕被 Context API 抓取嗎?

可透過 robots.txt 管理 PerplexityBot 的索引抓取。由使用者觸發的 Perplexity-User 通常不受此設定約束,若要限制即時讀取,可依官方 IP 清單和 User-Agent 訂定 WAF 規則。先前已取得的快取可能繼續被使用。

Context API 讀到的內容是即時的還是快取?

預設使用兩天內抓過的副本,沒有才即時抓取。用 max_age_seconds: 0 可指定即時讀取,cache_only: true 則只查快取。成功結果可查看 metadata.origin 與 fetched_at。

Teammates 會不會亂動我連接的帳號?

官方說明每個 Teammate 在獨立環境執行,瀏覽器工作階段分離,儲存的登入憑證以加密方式處理。實際可做的操作取決於連接器與帳號授權。涉及付款或修改敏感資料時,可限縮授權並把核准留給負責人。

喜歡這篇內容?讓下次搜尋,更容易遇見 Whoops。

將 Whoops 設為 Google 偏好來源(另開 Google 設定頁)前往 Google 選取並確認,即可完成設定。

Sliven 褚崇名

Sliven 褚崇名是 Whoops SEO 創辦人,負責技術 SEO、內容與關鍵字策略、WordPress 網站重建,以及 AI SEO、AEO、GEO 的量測與內容優化。作者頁可查閱由他署名的〈SEO 是什麼〉與〈AI SEO 是什麼〉等教學;內容中的自有量測、模型觀測與第三方來源應分開判讀,並以各頁標示的方法與限制為準。是否適合特定專案,仍需依網站現況、目標、執行範圍與可驗證成果判斷。

查看作者文章 →

討論與提問

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *