> ## Documentation Index
> Fetch the complete documentation index at: https://docs.tryprofound.com/llms.txt
> Use this file to discover all available pages before exploring further.
# Perplexity Search
> Perplexity を利用したウェブ検索を実行し、引用付きの回答を返します
**Perplexity Search** ノードは、Perplexity を利用したウェブ検索を実行し、詳細で引用に裏付けられた回答を返します。このステップは、統合されたリサーチ結果、検証済みの事実、複数の信頼できる情報源から集約したインサイトが必要な場合に使用します。
このノードは、情報を LLM ステップ、分析、後続の変換処理に渡す前に、質の高い検索結果を必要とする [Agents](/agents/about) に役立ちます。
このノードを Agent に追加する方法については、[Agents を始める](/ja-jp/agents/getting-started)をご覧ください。
## このノードを使用するタイミング
Perplexity Search は、次のようなタスクに使用します。
* トピック、製品、企業、トレンドに関する最新情報の収集
* 競合分析や市場調査の実施
* 引用に裏付けられた事実に基づく回答の抽出
* LLM 処理の前に最新のウェブデータを必要とする Agents の強化
## ノードの設定
Perplexity Search ノードを選択すると、Agent Builder の右側に設定パネルが開きます。
### Model
クエリの処理に使用する Perplexity モデルを選択します。利用可能なオプションは、速度、推論の深さ、出力品質が異なる場合があります。
* **Sonar**
* **Sonar Pro**
* **Sonar Reasoning**
* **Sonar Reasoning Pro**
* **Sonar Deep Research**
必要なリサーチの複雑さと深さに適したモデルを選択してください。
### Prompt
Perplexity に調査させたいクエリまたは指示を入力します。
テキストを直接入力するか、/ を入力して前の Agent ステップの変数を挿入できます。
例:
* 「HubSpot Enterprise の最新の料金改定は何ですか?」
* 「\{\{brand\_name}} の上位 3 社の競合を要約し、ソースリンクを示してください。」
###
### Output Label
このステップの出力にわかりやすいラベルを付けます。このラベルが、後続のノードで使用できる変数名になります。
例:
* `perplexity_answer`
* `research_summary`
* `competitive_insights`
## 出力
このノードは、基になる情報源への引用を含む、Perplexity が統合した回答を 1 つの構造化テキストとして返します。この出力は、次のようなステップに直接渡すことができます。
* Prompt LLM
* 回答の比較やスコアリングを行う Agents
* 追加のリサーチステップ
* API 呼び出しやデータ抽出ロジック
## 使用例
### 1. リサーチクエリを実行して LLM で要約する
1. 次のようなプロンプトで **Perplexity Search** ステップを追加します。
「Google の AI Overviews の最新の変更点を説明し、情報源を引用してください。」
2. [Prompt LLM](/ja-jp/agents/nodes/prompt-llm) ステップを追加します。
```text wrap theme={null}
Summarize the following research into 5 bullet points and highlight any implications for SEO:
{{perplexity_search.output}}
```
### 2. 競合情報を動的に調査する
1. ブランド名を入力として Agent に渡します。
2. Perplexity Search を使用します。
「\{\{brand\_name}} の競合の概要を引用付きで提供してください。」
3. 出力を使用して、後続のステップで分析や比較を生成します。
## ベストプラクティス
* より正確な引用と構造化された出力を得るために、明確で具体的なプロンプトを指定してください。
* 複雑なリサーチや複数ステップのリサーチクエリには、より高度なモデル(**Sonar Reasoning Pro** や **Sonar Deep Research** など)を使用してください。
* Perplexity Search と Prompt LLM ステップを組み合わせて、用途に合わせてリサーチ結果を洗練、構造化、または整形してください。
## トラブルシューティング
### 出力の深さや詳細さが不十分
Sonar Pro や Sonar Deep Research など、上位のモデルに切り替えてみてください。
### プロンプト内の変数が認識されない
プロンプトフィールドで `/` を入力して、サポートされている Agent の変数を挿入してください。
### 返された情報が古いように見える
最新の情報や特定の年の結果を明示的に求めるように、クエリを書き直してください。