起因很小。上周我想查一个冷门问题：某款老相机的快门帘幕到底是钛合金还是不锈钢。谷歌给了我十条链接，点进去三篇是互相抄的内容农场，两篇是论坛帖子，翻到第二页才找到想要的答案。整个过程大概花了十分钟。后来我用同样的问法试了 Perplexity，它直接回了一段话，告诉我答案，还在每句话后面标了出处链接，我点开核对了两处，没错。从那天起，我把浏览器默认搜索换成了它，整整用了一周。

它最不一样的地方：先给答案，再给链接

传统搜索的逻辑是"你问问题，我给你一堆网页，你自己去翻"。Perplexity 反过来：它先把几个网页的内容读一遍，组织成一段完整的答复，然后把引用来源编号标在句末。你不用先在十个标签页之间横跳，而是先看结论，心里有数之后，再顺着编号去查原文。

这一周里，这种模式在查事实类问题时效率碾压传统搜索。比如我问"某款路由器支不支持 WiFi 6 的 160MHz 频宽"，以前要翻说明书 PDF 或者评测文，现在它直接告诉我答案并标出参数页出处。写稿时查背景资料更明显：人物履历、事件时间线、某个概念的定义，过去是"搜索—打开—阅读—提炼"四步，现在基本是"提问—核对出处"两步。

当然，出处这件事不能只看它标了就信。我专门抽查过几次，有一回它的答复里引用了一篇营销软文，结论明显偏袒某品牌。所以我的习惯是：数字、结论性的关键句，一定要点开出处扫一眼。AI 帮你省的是翻找的时间，不是判断的时间。

追问，才是它真正的精髓

用了一周我才意识到，Perplexity 最好用的不是第一次回答，而是后面的追问。

传统搜索里，每个问题都是独立的。你想深挖，就得重新组织关键词再搜一次。但在这里，对话是连贯的。我查完相机快门材质，接着问"那这款机器现在二手行情大概什么区间"，它知道我还在聊同一台机器；再问"同价位有什么更省心的替代"，它能顺着上下文给推荐，理由还结合了前面聊过的需求。

这种体验有点像身边坐了个查资料很快的助理：你不用每次都把背景重新交代一遍。对做功课型搜索——买东西前比参数、旅行前做攻略框架、写东西前摸清一个陌生领域——追问能把效率再往上抬一截。它的界面右侧还有"相关问题"推荐，有时候顺着点下去，能补上你自己都没想到要问的角度。

举个例子：我用它做了一次完整的购买功课

上个月朋友让我帮忙挑一副通勤用的降噪耳机，预算卡得明确，还列了四个条件：降噪要强、戴久了不夹头、通话要清楚、不要入耳式。这要是放在以前，我的流程是开十几个标签页：三篇横评、两个视频测评的文字版、电商参数页来回比对，一个下午就没了。

这次我全程在 Perplexity 里完成。第一问先抛需求，它给了一个候选范围，并说明每款入选的理由，出处里有媒体评测也有参数页。我接着追问"这几款里哪款的通话收音在地铁环境最好"，它去找了带实测录音的评测做了对比；再问"A 和 B 两款的降噪差距在实际体验里有多大"，它明确提醒我某篇被引用的"评测"其实是电商软文，数据要打折——这个提醒让我有点意外，也让我对它的信任多了一分。最后一问是"这几款过去半年在电商平台的价格走势"，它老实说这类实时价格信息它不擅长，建议我去比价网站看。知道自己的边界，这点很难得。

整个功课做了不到四十分钟。虽然最后拍板前我还是去实体店试戴了一次，但候选从二十多款缩到两款的过程，实实在在被它加速了。

还有一个容易被忽略的功能：限定搜索范围

Perplexity 有个叫 Focus 的选项，可以限定它只在特定类型的来源里找答案，比如只搜学术来源、只搜社交讨论，或者干脆不联网、只做文字处理。查论文背景、找某个研究结论的出处时，把范围切到学术来源，答复里那些内容农场和营销号就被挡在外面了，引用质量肉眼可见地变好。

这个功能传统搜索引擎也有类似的语法和筛选器，但操作门槛高得多，普通人根本不会用。把它做成一个下拉选项，是 AI 搜索在产品层面真正的进步之一：不是能力有多强，而是把原本属于高手的检索技巧，变成了人人可用的按钮。

哪些事它擅长，哪些别指望

用满一周，我大致划了条线。

适合交给它的：查定义和概念、比产品参数、摸清一个事件的来龙去脉、找某个说法的出处、快速搭一份资料框架。这类问题共同点是"答案客观存在，散落在多个网页里"，正是它阅读加汇总的强项。

不适合的也不少。第一是本地生活：查附近哪家修车店口碑好、某家店今天几点关门，这类问题谷歌有地图、有营业时间、有用户评价沉淀，Perplexity 基本两手空空。第二是追实时动态：突发新闻、球赛比分、股价，它的信息更新和覆盖都不如传统搜索加新闻站来得直接。第三是"看人怎么说"：我想知道某个产品真实用户的吐槽，老老实实去论坛和社区翻帖子更靠谱，AI 的汇总会把情绪和细节都磨平，只剩干巴巴的优缺点列表，反而失真。

还有一个小问题：它有时候自信过头。语气永远笃定，哪怕答错了也像模像样。传统搜索把十个结果摆在你面前，互相矛盾时你自然会警惕；它只给一个整理好的版本，很容易让人放松核查。这也是为什么我始终坚持关键信息点开出处。

几个具体场景，差别最明显

查报错信息：电脑弹出一个英文报错代码，以前在谷歌要翻技术论坛，帖子还经常只有提问没有下文。现在直接把报错全文粘进去问，它能汇总多个来源给出排查步骤，命中率明显更高。

查旅行信息：问"某城市三天怎么安排比较顺"，它给的框架比搜出来的游记更整齐，适合做攻略骨架；但具体到哪家小店好吃，还是得去看真实点评。

查产品功课：这是我用得最爽的。参数对比、几代产品的区别、某个功能到底哪些型号支持，追问两三轮基本就摸透了，省下大量开标签页的时间。

我的结论

一周之后我的用法变成了分工：查资料、做功课、找答案，第一反应打开 Perplexity；找网站、查地图、追新闻、看真实口碑，还是回谷歌。它没有取代传统搜索，更像是把搜索里最耗时的那部分——阅读和提炼——外包了出去。

对了，它有免费版，日常用基本够，付费版主要是能切换更强的模型、搜索次数更多。我的建议是先免费用一周，刻意把所有"查资料"的需求都走它一遍，习惯之后你会发现，自己打开十个标签页的次数，真的变少了。

还有个小变化发生在手机上：走路、做饭这种手不方便打字的场景，我开始直接用语音向它提问，问完让它把答案读出来。传统搜索是"看"的工具，AI 搜索正在变成"问"的工具，这个转变可能比答案本身更重要——当提问的成本降到一句话，很多人压根不会去搜的问题，也会被顺手问出来了。