很多人用 Perplexity 的方式是“问一句，复制答案”。这样快，但不适合做竞品、市场、产品功能这类需要负责的资料。更稳的用法是把它当成“线索发现器”，而不是最终结论生成器。
第一步：不要问“谁最好”，先问“我要比较什么”
例如你要研究 AI 视频工具，不要直接问“Runway、Pika、Kling 哪个最好”。先列比较维度：生成质量、最长时长、图生视频、参考图一致性、商用条款、价格、中文提示词表现、导出水印、API 或团队协作。
把问题写成：请帮我列出比较 AI 视频生成工具时应该核验的 12 个维度，并说明每个维度为什么影响实际使用。这样得到的是研究框架，而不是一段主观排名。
第二步：让 Perplexity 找来源，不让它替你下结论
每个维度单独搜索。比如“Runway Gen-4 maximum duration official”“Kling AI pricing official”“Pika image to video official”。Perplexity 的优势是能给引用，你要做的是打开引用页，确认页面里真的写了这个信息。
我建议建一个表格：工具名、维度、Perplexity 摘要、原始链接、页面日期、你核对后的结论、可信度。可信度可以简单分三档：官网/文档高，媒体报道中，论坛和社媒低。
第三步：把“没查到”也写进表里
很多调研报告的问题是只写确定内容，不写不确定内容。实际上，“某工具没有明确公开 API 条款”“某价格页没有写清商用授权”本身就是决策信息。不要让 AI 为了完整性补出不存在的答案。
第四步：最后再用 ChatGPT 或 Claude 写摘要
等表格有了证据，再把表格喂给通用模型，请它写成管理层摘要：哪些工具适合营销短视频，哪些适合产品概念片，哪些适合严肃商业项目。这样生成的文字基于你已经核验过的材料，可靠性会高很多。
一个可直接复制的提示词
“你是我的研究助理。不要直接给排名。请先列出评估 [工具类型] 的关键维度，再为每个维度给出需要核验的官方信息、可能的风险点，以及建议搜索词。输出为表格。”