Perplexity AI 究竟是什么——为什么大多数人用错了
Perplexity AI 不是搜索引擎。它是一个研究助手，能够跨多个来源进行搜索、综合与推理，为你提供有结构、有引用的答案。这个区别听起来细微，但却从根本上改变了你应该如何使用它。
大多数人在 Perplexity 里输入三个字的关键词，和在 Google 里的方式完全一样。他们得到一个还不错的答案，心想"挺有用的"，然后就继续下去了。他们完全不知道，自己可能只用了这个工具 15% 的能力。
真正的进阶用户——那些将 Perplexity 纳入每周工作流程的营销人员、研究员、运营经理——用法截然不同。他们撰写简报式的提示，把研究整理进 Spaces，对复杂问题启动 Deep Research，并在信任任何数据前先核实引用来源。以下是如何以同样的方式工作。
什么是 Perplexity Deep Research——什么情况下应该使用它？
Deep Research 是 Perplexity 最强大的模式，Pro 方案用户可用。它不是单次搜索，而是运行一套自主多步骤调查——搜索数十至数百个来源、交叉核对发现，并生成附有引用的多页报告。根据 Perplexity 官方基准测试，它能在 2–4 分钟内完成人类研究员需要数小时才能完成的工作。
当你的问题需要跨多个来源进行综合，而不只是查找单一事实时，才应该使用 Deep Research。适合的使用场景：
--- 你需要做比较（例如：「比较三个企业 AI 平台，适合一个 50 人营销团队」）
--- 你在为会议或提案做准备，需要快速整理有结构的情报
--- 你在撰写报告，需要有引用、可追溯的发现——而不是依赖模型的记忆
--- 你需要当前数据（定价、功能、法规），这些资讯比任何模型的训练截止日更新更快
对于简单的事实查询，使用标准 Pro Search 即可——Deep Research 对「什么是 RAG？」这种问题是大材小用，但对「香港金融机构目前如何在合规流程中部署 RAG？」这类问题才是正确选择。
如何撰写能获得精准研究结果的提示
Perplexity 里最大的杠杆不是你选择哪个模型——而是你如何构建问题。这个平台奖励具体性。比较以下两个提示：
--- 弱版：「营销 AI 工具」
--- 强版：「2026 年，一个管理 LinkedIn 内容、电邮序列和月度报告的 3 人 B2B 营销团队，哪些 AI 工具最有效？包括定价及每个工具最适合处理的任务。」
第二个提示定义了你的角色、团队规模、具体使用场景、年份，以及你希望得到的输出格式。Perplexity 处理所有这些上下文，返回一个有针对性的结构化答案，而不是泛泛的概述。
把它想象成向研究分析师下简报。一份好的简报包括：你是谁、你要做什么决策、你需要哪些信息、哪种格式最有用。用同样的方式撰写 Perplexity 的提示。
试用这个模板：「我是一名在 [公司类型] 工作的 [职位]。我需要 [具体目标]。请以 [具体输出格式] 提供 [具体范围] 的信息，重点关注 [限制条件或偏好]。」
什么是 Perplexity Spaces——为什么你今天就应该设置一个
Perplexity Spaces（Pro 方案）是持久性的研究环境，你可以上传文件、设置指令，并建立跨对话持续保存的知识库。大多数用户从未打开过这个功能。它是整个工具中最有用的东西之一。
核心使用场景：为每个持续进行中的项目建立一个 Space。上传你的参考文件——客户简报、产品规格、竞品报告——并在顶部添加常驻指令。例如：「所有研究应聚焦于香港中小企市场。优先考虑 2025 年以后的发现。以带有来源的要点摘要格式输出。」
在该 Space 内运行的每个查询都会自动继承这些限制。你不必在每个提示中重复上下文，而是直接获得已针对你项目校准的研究结果。
一个内容创作者可能会建立这样的 Spaces：「客户 A — Q3 推广活动研究」、「行业趋势监测 — 香港金融科技」、「竞品情报」。每一个都成为在整个项目生命周期内不断成长的即时可搜索知识环境。
如何使用斜线命令切换模型并解锁隐藏功能
Perplexity Pro 和 Max 订阅者可以使用斜线命令，在不离开界面的情况下即时切换 AI 模型。输入 /gpt 会通过 OpenAI 最新模型处理你的查询；/claude 则切换到 Anthropic 的 Claude；/sonar 使用 Perplexity 自己的研究模型。
这很重要，因为不同模型各有优势。Claude 倾向于生成更有结构、更细腻的文字。GPT 系列模型通常在代码和数据分析方面更强。Perplexity 自己的 Sonar 模型针对带引用的即时网页研究进行了优化。
除了切换模型，斜线命令还能让你建立自定义快捷方式。法律研究员可能会建立 /contract，自动对任何粘贴的文本应用特定分析框架；营销人员可能会建立 /hkcontext，在每个研究查询中自动加入「聚焦香港市场状况和本地消费者行为」。
在 Perplexity 中建立自定义快捷方式：进入设置，找到「Custom Shortcuts」，定义你的触发词和它激活的指令。设置只需三分钟，却能让你不必在每个对话中输入相同的上下文说明。
最重要的习惯：如何核实 Perplexity 的引用来源
Perplexity 在行内标注引用来源——看起来很权威。但麻省理工学院和斯坦福大学研究人员在 2025 年的一项研究发现，包括 Perplexity 在内的 AI 驱动搜索工具，即使在 Pro 方案上，也会以 5–10% 的比率产生虚构或错误引用的情况。数字存在，论文存在，但引用的统计数字有时并不出现在实际论文中。
进阶用户的规则很简单：在没有点击来源确认之前，不要使用 Perplexity 的任何统计数字。确认这个数字确实出现在文件中，并且在你打算使用它的语境下。
这不是不信任这个工具的理由——而是正确使用它的方式。Perplexity 能大幅加速研究综合和来源发现。你的工作是在发布、演示或采取行动前验证关键声明。用 Perplexity 找到来源，阅读来源以确认它实际说了什么。
快速核实流程：对任何你计划使用的统计数字，点击行内引用，打开原始页面，然后用 Ctrl+F 搜索这个数字。如果找到了，你可以放心使用。如果没有，直接搜索真实数字。
立即试试：你的第一个结构化研究简报
以下是一个完整、可直接复制的提示，将以上所有技巧付诸实践。在 Perplexity 中启用 Deep Research 模式后运行它：
复制这个提示：
「我是一名在 B2B 科技公司工作的内容营销经理，目标客户是香港中小企业。我需要撰写一篇关于 AI 如何在 2026 年改变客户服务运营的思想领导力文章。请提供：(1) 3–5 个附有数据点和来源的关键趋势；(2) 2–3 个正在被采用的具体工具及原因；(3) 一个成功实施的公司案例。格式为带清晰标题和行内引用的结构化研究简报。」
运行它，留意输出结果比直接问「2026 年 AI 客户服务趋势」精准多少。你的角色、受众、输出格式和地域背景的具体性，塑造了完全不同的结果质量。
获得输出后，点击两三个引用来核实。然后把这个大纲作为你实际文章或演示文稿的基础。
将 Perplexity 纳入你的每周工作流程
从 Perplexity 获得最多价值的从业者，将它用作每周情报层，而不是偶尔的查询工具。一个实用的每周节奏：
--- 周一早上：对你的行业动态运行 Deep Research 简报——「上周 [你的行业] 发生了哪些对 [你的受众] 重要的事情？」这成为你编辑日历的输入。
--- 在任何客户会议前：运行公司和行业简报——「总结 [X 公司] 最近的动向、他们声明的优先事项，以及 [主题] 周围的市场背景。聚焦过去 6 个月。」到达时已经做好准备。
--- 撰写时：使用 Spaces 引入相关文件，并针对你需要支撑的具体声明进行定向搜索。
这个工具随时间复利积累。你在 Spaces 中添加的上下文越多，你的研究就越精准。花时间配置 Spaces 和自定义快捷方式的从业者，通常在开始后两到三周内就报告研究效率有显著提升。
懂AI，更懂你——UD 相伴，AI 不冷。Perplexity 是从业者工具箱中最被低估的工具之一。大多数人的使用方式与顶尖 5% 用户之间的差距是巨大的——现在你知道这个差距在哪里了。
准备好把 AI 研究能力提升到下一层？
了解自己目前的 AI 能力水平，是进步的第一步。UD 团队手把手带你完成每一步——从工具评估到工作流程整合，让你的 AI 技能真正转化为工作效率。