Canonical: https://seo.whoops.com.tw/perplexity-computer/
Author: Sliven 褚崇名
Source robots: follow, index, max-snippet:-1, max-video-preview:-1, max-image-preview:large
Content modified (WordPress): 2026-11-22T10:39:33+00:00
Representation modified (content/template/converter): 2026-11-22T10:39:33+00:00

# Perplexity Computer 是什麼？Multiagent、Teammates 與 Context API

 

圖片：Perplexity Computer 的 Multiagent 流程圖，依序呈現主代理分工、執行代理交叉查核與整合成果。（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/11/perplexity-computer-multiagent-workflow.webp）

 

撰文作者 

[Sliven 褚崇名](<https://seo.whoops.com.tw/about/#founder-title>)

 

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。

 

圖片：Sliven 褚崇名肖像（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/10/sliven-portrait-navy.webp）

 

[作者背景與專業領域](<https://seo.whoops.com.tw/about/#founder-title>) 更新 2026-11-22 約 13 分鐘閱讀

 

本篇內容

 

### 本篇內容

 

## 先看重點

摘自本文

- Computer 最初於 2026 年 2 月發布，8 月推出本機優先的 Portable Computer。

[Perplexity Computer 怎麼選任務深度？](<https://seo.whoops.com.tw/perplexity-computer/#Perplexity-Computer-%E6%80%8E%E9%BA%BC%E9%81%B8%E4%BB%BB%E5%8B%99%E6%B7%B1%E5%BA%A6%EF%BC%9F>)
- 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。

[Teammates 如何持續追蹤工作？](<https://seo.whoops.com.tw/perplexity-computer/#Teammates-%E5%A6%82%E4%BD%95%E6%8C%81%E7%BA%8C%E8%BF%BD%E8%B9%A4%E5%B7%A5%E4%BD%9C%EF%BC%9F>)
- 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。

[內容網站如何檢查 AI 讀到哪些資訊？](<https://seo.whoops.com.tw/perplexity-computer/#%E5%85%A7%E5%AE%B9%E7%B6%B2%E7%AB%99%E5%A6%82%E4%BD%95%E6%AA%A2%E6%9F%A5-AI-%E8%AE%80%E5%88%B0%E5%93%AA%E4%BA%9B%E8%B3%87%E8%A8%8A%EF%BC%9F>)

 

### 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](<https://seo.whoops.com.tw/free-seo-audit/>)

 

[將 Whoops 設為 Google 偏好來源（另開 Google 設定頁）](<https://www.google.com/preferences/source?q=seo.whoops.com.tw>)

 

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？

 

圖片：四欄圖解比較 Multiagent、Teammates、Orchestrator 與 Context API 的用途。（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/11/perplexity-computer-ecosystem-architecture.webp）

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](<https://seo.whoops.com.tw/perplexity-tutorial/>)。

 

## 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](<https://seo.whoops.com.tw/gemini-4-carbon/>) 三個模型，[官方公告](<https://www.perplexity.ai/en-GB/hub/blog/introducing-computer-multiagent>)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？

 

圖片：使用者手持手機，旁邊的桌面螢幕顯示 Perplexity Teammates。（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/11/perplexity-computer-teammates-ui.webp）

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](<https://www.perplexity.ai/en-GB/hub/blog/teammates-are-agents-for-complex-ongoing-work>)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。

 

> Perplexity 發布 Teammates，示範常駐代理如何分工並在 Slack 協作。
> 
> [Perplexity 在 X 的 Teammates 發布貼文](<https://x.com/perplexity_ai/status/2118389326459670825>)

 

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](<https://seo.whoops.com.tw/what-is-ai-agent/>)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](<https://x.com/perplexity_ai/status/2121294533879267683>) 及 [iOS、Android 上的語音通話](<https://www.perplexity.ai/en-GB/hub/blog/work-with-teammates-on-mobile-with-voice-mode>)。

 

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

 

圖片：Orchestrator Models &amp; Pricing 文件頁列出模型 ID、使用層級、上下文視窗與 Token 費率。（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/11/perplexity-orchestrator-models-docs.webp）

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](<https://www.perplexity.ai/en-GB/hub/blog/orchestrator-one-api-for-reliable-inference>)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](<https://docs.perplexity.ai/docs/orchestrator/models>)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 5.2 | Tier 2 | 8.00 | 40.00 |
| Claude Opus 5.5 | Tier 2 | 4.00 | 20.00 |
| GPT 6.1 Sol | Tier 1 | 2.00 | 10.00 |
| GPT 6 Luna | Tier 1 | 0.10 | 0.50 |
| Gemini 3.8 Flash | Tier 0 | 0.75 | 3.75 |
| Grok 4.7 | Tier 0 | 2.00 | 6.00 |

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 &lt;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

 

圖片：深色礦石剖面上有藍色光帶，中央標示 Context API。（來源：https://seo.whoops.com.tw/wp-content/uploads/2026/11/perplexity-computer-context-api-hero.webp）

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](<https://www.perplexity.ai/en-GB/hub/blog/context-api-extracts-full-context-from-any-web-page>)指出，內容來自已抓取的副本或即時讀取。[目前的速率限制](<https://docs.perplexity.ai/docs/admin/rate-limits-usage-tiers>)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](<https://docs.perplexity.ai/docs/context/formats-and-freshness>)。

 

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](<https://docs.perplexity.ai/docs/context/quickstart>)。

 

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](<https://docs.perplexity.ai/docs/context/criteria>)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](<https://docs.perplexity.ai/docs/resources/perplexity-crawlers>)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](<https://seo.whoops.com.tw/cloudflare-ai-traffic/>)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](<https://seo.whoops.com.tw/ai-search/>)說明三者的關係，[排名與引用的四象限追蹤](<https://seo.whoops.com.tw/rank-vs-citation-tracking/>)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](<https://docs.perplexity.ai/docs/context/quickstart>)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](<https://seo.whoops.com.tw/services/technical-seo-consultant/>)找出共同問題，再用[AI 搜尋引用優化](<https://seo.whoops.com.tw/services/ai-seo-optimization/>)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](<https://www.perplexity.ai/pro>)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](<https://docs.perplexity.ai/docs/getting-started/pricing>)。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） |
| --- | --- | --- |
| 10 | 300 | 0.30 |
| 50 | 1,500 | 1.50 |
| 200 | 6,000 | 6.00 |
| 1,000 | 30,000 | 30.00 |

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](<https://www.perplexity.ai/changelog/effort-mode-gpt-6-astra-and-skills-marketplace>)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。

 

[AI Agent](<https://seo.whoops.com.tw/tag/ai-agents/>)[AI 搜尋](<https://seo.whoops.com.tw/tag/ai-%e6%90%9c%e5%b0%8b/>)[GEO](<https://seo.whoops.com.tw/tag/geo/>)[Perplexity](<https://seo.whoops.com.tw/tag/perplexity/>)[Perplexity Computer](<https://seo.whoops.com.tw/tag/perplexity-computer/>)

 

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）](<https://www.google.com/preferences/source?q=seo.whoops.com.tw>)前往 Google 選取並確認，即可完成設定。

 

[## Sliven 褚崇名](<https://seo.whoops.com.tw/about/#founder-title>)

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 →](<https://seo.whoops.com.tw/about/#founder-title>)

 

## 討論與提問

 

### 發佈留言

 

WHOOPS / JOURNAL

## 更多值得一讀的文章

[探索知識庫 ↗](<https://seo.whoops.com.tw/blog/>)

[AI 工具與應用約 26 分鐘閱讀

### Gemini 3.6 Flash 是什麼？Google 最新主力 AI 模型完整解析

Gemini 3.6 Flash 是 Google 於 2026 年 7 月 21 日 GA 的 Gemini 3.x 世代 Flash 主力模型，主打 token 效率。內容拆解它與 3.5 Flash 的差異、每百萬 token 定價、1M context 與 computer use 能力，…

閱讀文章](<https://seo.whoops.com.tw/gemini-3-6-flash/>)
