Perplexity

1. Pro Search 与深度研究
   针对复杂问题进行多轮搜索、拆解和整理，不只读取几个搜索结果，而是继续寻找资料并形成较完整的答案。
2. 多模型切换
   付费用户可以根据任务选择 GPT-4o、Claude 3 等不同模型。
3. 文件上传与分析
   支持上传文档、数据表等文件，让 AI 提取重点、总结内容，并继续围绕文件提问。
4. 应用连接与智能体
   可连接 Gmail、Slack、Google Drive 等服务，处理跨应用的信息和任务。
5. Perplexity Computer
   让 AI 进一步操作电脑环境，包括读取屏幕、处理文件以及完成部分跨应用流程。
6. Spaces
   可以围绕某个主题建立独立研究空间，加入资料和自定义指令，方便持续研究同一课题。
7. Discover
   根据兴趣整理资讯，形式上更接近经过 AI 筛选的个性化信息流。

我试着把 Perplexity 当了一周主力搜索工具，尽量少用 Google。

上手难度：几乎没有。

界面就是聊天框，注册后直接问即可。真正需要改的是搜索习惯。

以前可能输入“microrobot latest applications”，在 Perplexity 里更适合直接问：“微型机器人最近两年有哪些实际应用？优先引用论文和研究机构资料。”

研究型搜索很好用，日常搜索看情况。

我测试“微型机器人的最新应用”时，切到学术来源后，它很快整理出多篇论文，用中文概括主要方向，并把来源附在对应内容旁边。

这种问题特别适合 Perplexity。过去需要自己打开很多网页、判断哪些值得看，现在可以先通过它快速扫一遍，再去读真正重要的论文。

但换成餐厅、影评或产品体验，优势就没那么明显。

它习惯把不同人的观点汇总成一个答案，可有时候我真正想看的恰恰是某个博主很个人的一篇体验。为了找到这种内容，还不如直接去 Google、YouTube 或对应平台搜索。

优点

• 来源清楚。 可以顺着引用直接核查原文。
• 复杂研究省时间。 需要同时参考多个来源时尤其明显。
• 界面干净。 少了传统搜索结果页里大量广告和 SEO 内容。
• 已经不只是搜索工具。 文件分析、应用连接和电脑智能体正在扩大它的使用范围。

缺点

• 不太适合“随便逛逛”。 对一个领域完全不了解时，传统搜索反而更方便发现意料之外的内容。
• 主观观点容易被磨平。 影评、测评和个人体验经过 AI 汇总后，原作者的语气和细节可能消失。
• 有引用也会出错。 AI 仍可能误读网页、理解错上下文，甚至引用一个不能充分支撑结论的来源。
• 重要信息还是要自己核查。 尤其是医疗、法律、金融等高风险内容，不能因为答案后面挂着引用就直接相信。

适合：

学生、研究人员和分析师

查文献、做背景研究、快速了解陌生主题时很方便。

记者和文字工作者

可以拿来找资料、核事实和梳理不同来源。

经常做复杂搜索的人

如果一个问题平时要开十几个网页才能搞清楚，Perplexity 能省下不少筛选时间。

不太适合：

喜欢边搜边逛的人

它习惯直接给答案，探索感没有传统搜索那么强。

主要想看特定作者观点的人

找某个 KOL、博主或媒体的原始内容，直接搜作者通常更快。

看到引用就默认答案正确的人

Perplexity 降低了核查成本，但没有取消核查这一步。

Perplexity 不太像是要彻底取代 Google，两者更像是在处理不同类型的搜索。

问题明确、需要快速查清楚时，Perplexity 很顺手。它先替你筛资料，再给出一份可以继续核查的答案。

如果还不知道自己具体想找什么，只是准备到网上逛一圈，Google 这类传统搜索反而更自然。

所以我现在更愿意把 Perplexity 用在研究、资料整理和事实核对上；本地搜索、主观体验和自由探索，还是会回到传统搜索。

现阶段，这种分工比“谁取代谁”更符合实际。