核心用法
Perplexity Safe Edition 是一个安全加固的 AI 搜索工具封装脚本，通过调用 Perplexity API（Sonar 系列模型）实现网络增强型 AI 问答。核心使用方式是通过 scripts/perplexity_search.sh 脚本发起查询，支持四种模型选择：
- sonar（默认）：低成本通用搜索
- sonar-pro：深度理解的高级搜索
- sonar-reasoning：复杂多步推理
- sonar-reasoning-pro：深度内容的高级推理
脚本提供丰富的参数控制，包括上下文深度（low/medium/high）、输出格式（text/markdown/json）、温度调节、自定义系统提示词等，满足不同研究需求。
显著优点
1. 安全架构升级：彻底修复原版的命令注入漏洞，用户输入通过环境变量传递给 Python，永不直接拼接到代码字符串中
2. 多层防护机制：API 密钥通过临时配置文件（mode 600）和 stdin 传递，避免出现在进程列表；严格模型白名单、参数范围验证、8000 字符查询上限防止资源耗尽
3. 引用溯源能力：返回结果附带来源引用，满足学术研究和事实核查需求
4. 灵活的上下文控制：三级搜索深度适配从快速查询到深度研究的不同场景
5. 成本可控：默认使用低价 sonar 模型，明确的价格区间帮助用户预估开销
潜在缺点与局限性
1. 付费服务：非免费 API，单次查询成本约 $0.005-$0.03+，高频使用需预算规划
2. 依赖外部服务：需 Perplexity API 密钥，受限于第三方服务可用性和速率限制
3. 网络依赖：必须联网运行，无法离线使用
4. 功能边界：定位为研究型搜索，不适合简单事实快速查询（此类场景建议用内置搜索）
5. Python 依赖：需要 Python3 仅用于 JSON 构造，增加了环境复杂度
适合人群
- 需要获取最新信息的分析师、记者、研究人员（新闻、股价、近期事件）
- 需要引用来源的学术写作、报告撰写者
- 进行深度研究需要多步推理复杂查询的专业用户
- 对安全性有要求的企业环境，需要避免命令注入风险
常规风险
- 成本失控风险：未设置使用上限可能导致意外账单，建议监控用量
- API 密钥泄露：虽有多层保护，但仍需妥善保管密钥配置文件
- 模型幻觉：尽管有网络 grounding，AI 仍可能误解或错误综合信息，关键事实需人工复核
- 延迟问题：high 上下文 + reasoning 模型响应较慢，不适用于实时交互场景
- 服务中断依赖：Perplexity 服务故障将直接影响功能可用性