Fogalomtár

Perplexity AI

Mi a(z) Perplexity AI?

A Perplexity AI egy 2022-ben alapított San Franciscó-i vállalat, amely MI-alapú keresőmotort üzemeltet. Hivatkozások listája helyett írott választ ad, amely összefoglalja az aktuális webes tartalmakat, és megjelöli a felhasznált forrásokat. Az ingyenes verzió mellett fizetős csomagok is vannak nyelvi modellek közötti választási lehetőséggel, továbbá a Comet MI-böngésző (2026. októberi állapot szerint). A vállalkozások számára a Perplexity azért is releváns, mert megváltoztatja, hogyan találják meg a webes tartalmakat.

Témák

MI-keresés
válaszmotor
forráshivatkozások

Próbálja ki a KI.ordót

Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.

Demó indítása

← Minden fogalom

Kapcsolódó fogalmak

MI-keresés

Az MI-keresés olyan keresési módszereket jelent, amelyek MI-t használnak a lekérdezés mögötti szándék megértésére, az eredmények súlyozására, és gyakran forrásokkal ellátott, összefoglalt választ generálnak a puszta hivatkozáslista helyett. Technikailag kulcsszavas keresést, beágyazásokon alapuló vektorkeresést vagy ezek kombinációját használják, gyakran egy nyelvi modellel kiegészítve. Példák: az interneten működő válaszmotorok és a belső tudáskeresés, amely segít a munkatársaknak megtalálni a szükséges információt kézikönyvekben és szabályzatokban.

Keresés
Tudás
+1

Generatív motoroptimalizálás (GEO)

A generatív motoroptimalizálás (Generative Engine Optimisation, GEO) olyan intézkedések összessége, amelyek segítik, hogy egy tartalom látható legyen az MI-alapú keresőrendszerekben – például a ChatGPT-ben, a Perplexityben vagy a keresők MI-áttekintéseiben –, és forrásként hivatkozzanak rá. A kifejezés egy 2023-as kutatási cikkből ered. Fő tényezők: egyértelmű, közvetlenül idézhető válaszok, tiszta szerkezet, igazolt tények, naprakész információk és azonosítható szerzők. A GEO a klasszikus keresőoptimalizálást (SEO) kiegészíti, nem váltja fel.

MI-keresés
SEO
+1

Sablon

Zero-click keresés

A zero-click keresés (kattintás nélküli keresés) akkor fordul elő, ha a felhasználók a választ közvetlenül a találati oldalon kapják meg, például kiemelt válaszdobozokból vagy MI által generált összefoglalókból, és már nem kattintanak tovább egy weboldalra. A vállalkozások számára ez forgalomcsökkenést jelent akkor is, ha tartalmaik szolgálnak forrásként. Ezért egyre fontosabbá válik, hogy idézett forrásként láthatóak legyenek: világos válaszokkal, alátámasztott tényekkel és jól strukturált oldalakkal.

Sablon

Visszakeresésalapú generálás (RAG)

A visszakeresésalapú generálás a keresést a szöveggeneráláshoz kapcsolja: a válasz előtt a rendszer egy tudásgyűjteményben – például kézikönyvekben, irányelvekben vagy GYIK-ekben – releváns részleteket keres, és ezeket kontextusként átadja a nyelvi modellnek. A válasz így naprakész, vállalatspecifikus tartalmakon alapul, nem csak a modell tanítási tudásán. Ez csökkenti a kitalált állításokat, nyomon követhetővé teszi a forrásokat, és újratanítás nélküli frissítést tesz lehetővé.

RAG
tudáskeresés
+1