Perplexity 使用技巧：善用 AI 搜尋的 Prompt 寫法與進階功能

為什麼 Perplexity 的「問法」很重要？

Perplexity 雖然看起來像搜尋引擎，但它的運作邏輯更接近「問答系統」。傳統搜尋引擎靠關鍵字配對，Perplexity 則理解問題的意圖，因此問法直接影響答案品質。

好消息是：Perplexity 的 Prompt 技巧比 ChatGPT 簡單得多，因為它有即時資料兜底，幻覺風險較低。核心原則只有一條：問得越具體，答案越有用。

基礎技巧：從模糊到精準

加入時間範圍

模糊問法：「AI 工具推薦」

精準問法：「2026 年目前最值得使用的 AI 寫作工具有哪些，請列出功能比較」

加入時間範圍（「2026 年」、「最新」、「近三個月」）可以讓 Perplexity 優先抓取最新資源，避免拿到過時資訊。

指定你的背景與目的

目的	建議加入的說明
學術研究	「我正在寫碩士論文，需要有同儕審查的來源」
工作決策	「我是台灣中小企業主，正在評估是否導入 AI 工具」
個人學習	「請用初學者能理解的方式解釋」
新聞查核	「這則新聞是否有其他可靠媒體報導？請提供來源」

要求特定格式

Perplexity 理解格式指令，例如：

• 「請用表格比較這三個工具」
• 「請條列五個重點，每點不超過兩句話」
• 「請先給結論，再解釋原因」

進階技巧：善用追問功能

Perplexity 的追問（Follow-up）功能是它最被低估的能力。每次回答後，你可以繼續追問，而 Perplexity 會記得整個對話脈絡。

有效的追問策略：

第一輪：「Perplexity Pro 方案值得訂閱嗎？」 → 得到概述後追問：「剛才提到可以選擇模型，Claude 3.5 和 GPT-4o 在 Perplexity 裡的差異是什麼？」 → 再追問：「根據這些差異，對於需要做市場研究的行銷人員，你建議選哪個模型？」

這種漏斗式追問比每次重新提問效率高很多。

Focus 模式的正確使用時機

Academic 模式：查研究數據必用

當你需要「有學術來源的數據」時，切換到 Academic 模式。例如：

• 「遠端工作對工作效率的影響（請提供研究數據）」
• 「台灣青少年社群媒體使用時間研究」

Academic 模式會優先回傳 PubMed、arXiv、SSRN 等學術資料庫，比 Google Scholar 更省時。

Reddit 模式：找真實使用者經驗

當你想知道「真實使用者怎麼說」時，Reddit 模式非常有用：

• 「Notion AI 實際使用者評價如何」
• 「哪款機械鍵盤打字聲音最小（Reddit 推薦）」

這類問題在 Reddit 模式下會聚合社群討論的實際意見，比廣告導向的評測文更客觀。

YouTube 模式：快速找影片重點

你不需要看完整部影片，用 YouTube 模式問：

• 「有哪些關於 Notion 入門的教學影片，各自的重點是什麼」

Perplexity 會整理影片內容摘要，幫你先篩選值得看的影片。

Pro 搜尋的正確使用場景

Pro 搜尋不是每次都需要，以下情境才值得動用：

1. 需要多角度比較：「比較台灣五大保險公司的醫療險條款差異」
2. 需要深度分析的研究型問題：「分析 2025 年台灣電商市場的趨勢與主要競爭者」
3. 問題需要整合多個來源才能回答：「請整理過去一年 OpenAI 的重大產品發布與策略變化」

一般事實查核、快速查詢用免費搜尋即可，不需要消耗 Pro 搜尋額度。

Spaces 的實用方法

如果你是 Pro 訂閱者，Spaces 可以當成「私人 AI 研究員」。建議用法：

1. 競品研究：上傳各家公司的官方白皮書、年報，讓 Perplexity 整合後回答你的比較問題
2. 文件摘要：上傳長篇 PDF（如法規、合約），問「這份文件的關鍵條款有哪些」
3. 知識庫問答：把自己的筆記上傳，讓 Perplexity 協助整合歸納

注意：不要上傳含有個人資料或公司機密的文件，Spaces 的資料會儲存在 Perplexity 的伺服器上。

常見問題

Q：用中文還是英文問問題比較好？ A：如果你要查的資訊主要來自中文網站，用中文問。如果是英文資源更豐富的技術、學術或國際時事主題，用英文問答案品質通常更好，因為可索引的來源更多。

Q：Perplexity 會記得我上次問的問題嗎？ A：單次對話內的追問有上下文記憶，但不同對話之間不互通（除非你用 Spaces 建立知識庫）。重要研究建議在同一對話視窗內完成。

Q：如何確認 Perplexity 引用的來源是可靠的？ A：點擊文中的來源編號（如 [1][2]），右側會顯示來源網站。建議優先信任知名媒體、學術機構、政府官網的來源，對個人部落格或來源不明的網站保持懷疑。