围绕 Perplexity 引用源、深度研究、Spaces 的 5 个实用技巧。
Perplexity 把「带来源的 AI 搜索」做成了标杆，但要榨出它的价值还得讲方法。下面五个技巧紧扣它的真实功能，国内用户也能把这套思路迁移到国产带来源搜索工具上。
Perplexity 最值钱的就是每条结论带来源链接。但「带来源」不等于「一定对」，AI 仍可能曲解原文。真正的用法是：拿到答案后，对关键结论点开来源，确认它说的和原文一致。这个习惯能把 AI 搜索的可靠性拉满，也是它区别于普通聊天的核心价值所在。
简单事实查询用普通搜索就够，但遇到「某行业的现状和趋势」这种复杂问题，切到 Pro 的深度研究模式。它会自动拆解问题、多轮检索、综合成报告，比你自己一条条搜效率高得多。把简单和复杂的问题分流，才不浪费它的能力。
做一个持续的专题研究，别让资料散落各处。把相关来源归集到一个 Spaces 集合里，之后所有提问都基于这批资料，答案的针对性和连贯性会明显更强。这相当于给某个课题建了个专属知识库，长期研究特别顺。
AI 搜索和提示词一样吃「具体」。与其问「介绍一下新能源」，不如问「过去一段时间国内新能源汽车销量的主要驱动因素有哪些」。限定范围、明确角度，它的检索和整合就更精准，返回的废话更少。
Perplexity 支持连续对话。拿到第一条答案后，针对里面感兴趣或存疑的点继续追问下钻，它会在已有上下文上继续检索。把搜索当成一场对话而非一次查询，你能挖到的深度远超单轮提问。
用好 AI 搜索的核心：核实来源、分流难易、专题归集、提问具体、追问下钻。需要提醒：Perplexity 国内访问受限，国内用户想要带来源的 AI 搜索，建议把这套方法用在国产 AI 助手的联网搜索上，同样能拿到可核实的结论，且可直接访问。
