ChatGPT最近推出了搜索功能，不过我还是会继续使用Perplexity。作为问答引擎，或者说下一代搜索引擎，Perplexity至今保持着最好的回答质量和使用体验。要做好问答引擎，需要大量领域知识，还涉及工程问题，不是说模型够强就能搞定的。

至于OpenAI，说实话，不太看好。现在OpenAI有点像黄磊——样样通、样样松。他们想做的事情太多了：基础模型研发、应用开发、应用商城和生态，全都要做。结果每个功能都是点到为止，没有扎实做透。真要用来严肃生产，还有距离。

过去一年，我坚定选择Perplexity和Claude的组合。这两款产品实实在在地帮到了我，帮我赚到钱。本期视频算是Perplexity的教学。如果你还没用过，或者还没订阅的话，一定往下看。

回到今天的主题：Perplexity。

今天AI应用有两个非常确定的赛道：一是搜索，二是知识库。

搜索就不用多说了。大模型出现之后，通用搜索和领域搜索都涌现出一堆新产品，独角兽肯定会跑出来。知识库也非常火。RAG as Service，打造Knowledge Assistant，这个进程一直在加速。

你发现没有：不管是搜索还是知识库，都跟知识有关，都关乎知识的发现和流动。之前Perplexity在界面上放了一行字：Where knowledge begins，知识的起点。可惜现在改成了“释放你的好奇心”，一下弱爆了。

当你开始用Perplexity时会有这样的感觉：问答引擎并不等于大模型加搜索，真没那么简单。

第一，作为知识的起点，它需要建立信任。行为和结果一定是严谨的、规矩的，就像写论文一样：所有来源都有清晰标注，追溯很方便；生成的结果逻辑清晰、简洁，很好理解。

第二，作为知识的起点，它需要帮助用户提出问题。Perplexity的创始人在采访里说过一个观点，印象很深：他们最大的敌人并不是Google之类的巨头，而是用户不会提问这个无奈的事实。大部分用户压根没想明白；即使想明白了，准确表达又是一个门槛。

所以Perplexity加强了产品上的引导。比如，用户输入完问题后，如果不是太具体，他们会给出几个选项，试探一下真实意图。再比如，前段时间他们还加上了自动补齐的功能。

第三，作为知识的起点，它还要照顾到后续的旅程——不能只是一个起点，应该尽可能成为一站式的存在。

后续建议提问的功能虽然简单，但很实用。毕竟这么多问题，总会有一个问到点上的。

前段时间推出的Page功能非常有想法。从一个问题出发，不断提问、不断扩展逻辑，最终形成一个类似文章大纲且附有支撑信息的东西。如果需求不复杂，比如只需要找个旅游攻略，那么这个成品基本可以直接用。如果需要写文章，那这个成品基本就完成了最初的构思——整体逻辑有了，支撑信息也有了。

Page功能就是把我们习惯的边搜索、边构思的过程具象化了、产品化了。再打磨下去，也许有一天真能实现直接成稿的效果。

理解Perplexity的这些功能后，再去对比带搜索的大模型产品就会发现，这两者真不是一回事，有点两个物种的感觉。在搜索的基础上加AI，和在AI的基础上加搜索，是两种产品形态。甚至有一段时间，我退订ChatGPT后，就是用Perplexity来替代的。因为它也有直接生成文字的功能。

很多人可能没怎么注意到Focus这个按钮。点开之后，可以设置特定的搜索方向，比如专门搜YouTube或者学术论文等。其中有一个Writing选项，就是不搜索，基于模型现有的知识直接回答用户问题。要更改模型的话，就到设置里去选择。除了GPT系列，还可以选择Claude系列，最先进的模型这里都有。

通过互联网，我们能搜到的知识大多是公开的、通用的知识。还有很多知识属于领域知识，网上没有。为了覆盖这种情况，前段时间Perplexity上线了Space功能，也就是知识库。用户可以上传文档，让模型根据文档做回答。

知识库对Perplexity来说是手到擒来的事。因为问答引擎本来就需要很强的RAG能力。顺着这个方向，很希望他们把文档管理体系补上，包括分层级的文件夹、标签。让用户逐渐把私人文档存进去，完成数据资产的迁移——这是入口级产品必须要做的事。

Perplexity还有一些不那么核心的功能，比如发现页面。可以理解为就是Google、百度都有的新闻推荐页面。目前看没啥意思，等看以后会不会有什么创新吧。