你把 Perplexity 當成搜索引擎在用？以下是進階用戶的真正使用方式

Perplexity AI 究竟是什麼——為什麼大多數人用錯了

Perplexity AI 不是搜索引擎。它是一個研究助手，能夠跨多個來源進行搜索、綜合與推理，為你提供有結構、有引用的答案。這個區別聽起來細微，但卻從根本上改變了你應該如何使用它。

大多數人在 Perplexity 裡輸入三個字的關鍵詞，和在 Google 裡的方式完全一樣。他們得到一個還不錯的答案，心想「挺有用的」，然後就繼續下去了。他們完全不知道，自己可能只用了這個工具 15% 的能力。

真正的進階用戶——那些將 Perplexity 納入每週工作流程的行銷人員、研究員、營運經理——用法截然不同。他們撰寫簡報式的提示，把研究整理進 Spaces，對複雜問題啟動 Deep Research，並在信任任何數據前先核實引用來源。以下是如何以同樣的方式工作。

什麼是 Perplexity Deep Research——什麼情況下應該使用它？

Deep Research 是 Perplexity 最強大的模式，Pro 方案用戶可用。它不是單次搜索，而是運行一套自主多步驟調查——搜索數十至數百個來源、交叉核對發現，並生成附有引用的多頁報告。根據 Perplexity 官方基準測試，它能在 2–4 分鐘內完成人類研究員需要數小時才能完成的工作。

當你的問題需要跨多個來源進行綜合，而不只是查找單一事實時，才應該使用 Deep Research。適合的使用場景：

--- 你需要做比較（例如：「比較三個企業 AI 平台，適合一個 50 人行銷團隊」）

--- 你在為會議或提案做準備，需要快速整理有結構的情報

--- 你在撰寫報告，需要有引用、可追溯的發現——而不是依賴模型的記憶

--- 你需要當前數據（定價、功能、法規），這些資訊比任何模型的訓練截止日更新更快

對於簡單的事實查詢，使用標準 Pro Search 即可——Deep Research 對「什麼是 RAG？」這種問題是大材小用，但對「香港金融機構目前如何在合規流程中部署 RAG？」這類問題才是正確選擇。

如何撰寫能獲得精準研究結果的提示

Perplexity 裡最大的槓桿不是你選擇哪個模型——而是你如何構建問題。這個平台獎勵具體性。比較以下兩個提示：

--- 弱版：「行銷 AI 工具」

--- 強版：「2026 年，一個管理 LinkedIn 內容、電郵序列和月度報告的 3 人 B2B 行銷團隊，哪些 AI 工具最有效？包括定價及每個工具最適合處理的任務。」

第二個提示定義了你的角色、團隊規模、具體使用場景、年份，以及你希望得到的輸出格式。Perplexity 處理所有這些上下文，返回一個有針對性的結構化答案，而不是泛泛的概述。

把它想像成向研究分析師下簡報。一份好的簡報包括：你是誰、你要做什麼決策、你需要哪些資訊、哪種格式最有用。用同樣的方式撰寫 Perplexity 的提示。

試用這個模板：「我是一名在 [公司類型] 工作的 [職位]。我需要 [具體目標]。請以 [具體輸出格式] 提供 [具體範圍] 的資訊，重點關注 [限制條件或偏好]。」

什麼是 Perplexity Spaces——為什麼你今天就應該設定一個

Perplexity Spaces（Pro 方案）是持久性的研究環境，你可以上傳文件、設定指令，並建立跨對話持續保存的知識庫。大多數用戶從未打開過這個功能。它是整個工具中最有用的東西之一。

核心使用場景：為每個持續進行中的項目建立一個 Space。上傳你的參考文件——客戶簡報、產品規格、競品報告——並在頂部添加常駐指令。例如：「所有研究應聚焦於香港中小企市場。優先考慮 2025 年以後的發現。以帶有來源的要點摘要格式輸出。」

在該 Space 內運行的每個查詢都會自動繼承這些限制。你不必在每個提示中重複上下文，而是直接獲得已針對你項目校準的研究結果。

一個內容創作者可能會建立這樣的 Spaces：「客戶 A — Q3 推廣活動研究」、「行業趨勢監測 — 香港金融科技」、「競品情報」。每一個都成為在整個項目生命周期內不斷成長的即時可搜索知識環境。

如何使用斜線命令切換模型並解鎖隱藏功能

Perplexity Pro 和 Max 訂閱者可以使用斜線命令，在不離開介面的情況下即時切換 AI 模型。輸入 /gpt 會通過 OpenAI 最新模型處理你的查詢；/claude 則切換到 Anthropic 的 Claude；/sonar 使用 Perplexity 自己的研究模型。

這很重要，因為不同模型各有優勢。Claude 傾向於生成更有結構、更細膩的文字。GPT 系列模型通常在代碼和數據分析方面更強。Perplexity 自己的 Sonar 模型針對帶引用的即時網頁研究進行了優化。

除了切換模型，斜線命令還能讓你建立自定義快捷方式。法律研究員可能會建立 /contract，自動對任何粘貼的文本應用特定分析框架；行銷人員可能會建立 /hkcontext，在每個研究查詢中自動加入「聚焦香港市場狀況和本地消費者行為」。

在 Perplexity 中建立自定義快捷方式：進入設置，找到「Custom Shortcuts」，定義你的觸發詞和它激活的指令。設置只需三分鐘，卻能讓你不必在每個對話中輸入相同的上下文說明。

最重要的習慣：如何核實 Perplexity 的引用來源

Perplexity 在行內標注引用來源——看起來很權威。但麻省理工學院和史丹佛大學研究人員在 2025 年的一項研究發現，包括 Perplexity 在內的 AI 驅動搜索工具，即使在 Pro 方案上，也會以 5–10% 的比率產生虛構或錯誤引用的情況。數字存在，論文存在，但引用的統計數字有時並不出現在實際論文中。

進階用戶的規則很簡單：在沒有點擊來源確認之前，不要使用 Perplexity 的任何統計數字。確認這個數字確實出現在文件中，並且在你打算使用它的語境下。

這不是不信任這個工具的理由——而是正確使用它的方式。Perplexity 能大幅加速研究綜合和來源發現。你的工作是在發布、演示或採取行動前驗證關鍵聲明。用 Perplexity 找到來源，閱讀來源以確認它實際說了什麼。

快速核實流程：對任何你計劃使用的統計數字，點擊行內引用，打開原始頁面，然後用 Ctrl+F 搜索這個數字。如果找到了，你可以放心使用。如果沒有，直接搜索真實數字。

立即試試：你的第一個結構化研究簡報

以下是一個完整、可直接複製的提示，將以上所有技巧付諸實踐。在 Perplexity 中啟用 Deep Research 模式後運行它：

複製這個提示：

「我是一名在 B2B 科技公司工作的內容行銷經理，目標客戶是香港中小企業。我需要撰寫一篇關於 AI 如何在 2026 年改變客戶服務運營的思想領導力文章。請提供：(1) 3–5 個附有數據點和來源的關鍵趨勢；(2) 2–3 個正在被採用的具體工具及原因；(3) 一個成功實施的公司案例。格式為帶清晰標題和行內引用的結構化研究簡報。」

運行它，留意輸出結果比直接問「2026 年 AI 客戶服務趨勢」精準多少。你的角色、受眾、輸出格式和地域背景的具體性，塑造了完全不同的結果質量。

獲得輸出後，點擊兩三個引用來核實。然後把這個大綱作為你實際文章或演示文稿的基礎。

將 Perplexity 納入你的每週工作流程

從 Perplexity 獲得最多價值的從業者，將它用作每週情報層，而不是偶爾的查詢工具。一個實用的每週節奏：

--- 週一早上：對你的行業動態運行 Deep Research 簡報——「上週 [你的行業] 發生了哪些對 [你的受眾] 重要的事情？」這成為你編輯日曆的輸入。

--- 在任何客戶會議前：運行公司和行業簡報——「總結 [X 公司] 最近的動向、他們聲明的優先事項，以及 [主題] 周圍的市場背景。聚焦過去 6 個月。」到達時已經做好準備。

--- 撰寫時：使用 Spaces 引入相關文件，並針對你需要支撐的具體聲明進行定向搜索。

這個工具隨時間複利累積。你在 Spaces 中添加的上下文越多，你的研究就越精準。花時間配置 Spaces 和自定義快捷方式的從業者，通常在開始後兩到三週內就報告研究效率有顯著提升。

懂AI，更懂你——UD 相伴，AI 不冷。Perplexity 是從業者工具箱中最被低估的工具之一。大多數人的使用方式與頂尖 5% 用戶之間的差距是巨大的——現在你知道這個差距在哪裡了。

準備好把 AI 研究能力提升到下一層？

了解自己目前的 AI 能力水平，是進步的第一步。UD 團隊手把手帶你完成每一步——從工具評估到工作流程整合，讓你的 AI 技能真正轉化為工作效率。