先说一个核心判断：要让 Perplexity AI 规规矩矩地输出来源类型，关键不在于你问什么内容，而在于你怎么组织提问方式。许多用户抱怨 AI 只给出一堆链接或者模糊的“网页”，根本看不到分类——但这个问题的根源，往往是你自己的 Prompt 指令没写对。下面这套方法，来自反复测试后的经验总结，直接照着套用就能见效。

基础提示词结构：强制声明 + 字段锚定

在提问开头直接嵌入结构化指令，用方括号标出你要求的输出字段。别指望 AI 能猜出你想要什么格式，你必须把需求写得明确且固定。

“请列出 3 条关于量子纠错码最新进展的权威来源，并为每条结果严格按以下格式返回：【来源类型】｜作者｜年份｜标题｜URL。其中【来源类型】必须从以下五类中精确选择一项：arXiv 预印本、政府报告（.gov）、学术期刊论文、技术白皮书（.org/.edu）、主流媒体新闻（.com）。”

这一步最关键：不写【来源类型】这个占位符，模型不会主动归类；不给出限定选项，它会自由发挥写出“在线文章”“网络资源”这类无效描述。说白了，你要替 AI 画好格子，它才知道往哪里填。

进阶技巧：用 @ 语法绑定域名后缀判断规则

当你要确保分类结果可验证、不依赖模型幻觉，就用 @ 符号把域名规则硬编码进提示。这招能让 AI 的“主观判断”变得可追溯、可校验。

方法一：显式定义映射关系

“所有来源必须根据其域名后缀自动标注类型：@arxiv.org → arXiv 预印本，@nih.gov → 政府报告，@ieee.org → 学术期刊论文，@distill.pub → 学术博客，@reuters.com → 主流媒体新闻。请按此规则处理每条结果，并在输出首行写明‘类型判定依据：@域名规则’。”

方法二：反向过滤 + 类型锁定

“仅检索以下域名的页面：arxiv.org、nature.com、gov.uk、acm.org、wipo.int。对每个命中结果，第一行必须写‘【来源类型】：’+ 对应类别名称，第二行起才开始写作者、年份等信息。”

注意：如果某条结果实际来自 arxiv.org 但被误标为“学术期刊论文”，说明模型未严格执行 @ 规则——此时应删掉该条，换用“请重新检查第 2 条 URL 的根域名，按 @arxiv.org → arXiv 预印本修正类型”追加指令。这种纠错比重新提问更高效。

实战排序操作：三步闭环校验

第一步：提交带类型锚点的提问后，立即检查每条结果是否以【来源类型】开头且内容在你给的五类之中。这一步别偷懒，肉眼扫一遍就行。

第二步：对任意一条结果，右键复制 URL → 新标签页打开 → 查看地址栏根域名 → 对照你设定的 @ 规则确认是否匹配。不匹配就说明模型解析失败，不能留用。这一步是硬校验，不能心软。

第三步：点击该来源右侧的“⋯”→“View citation details”，看弹窗里是否出现“Publisher”或“Source type”字段。如果出现且与你要求的类型一致，这条引用才真正可信；【若弹窗为空或字段缺失，该条必须剔除，不可人工补填】。

这三步走完，你拿到的才是干净、可溯源的结构化引用。说到底，Perplexity AI 再聪明，也得靠人给它画好路线图——你的提示词就是那张图。