我们以 Perplexity 为例，来说明不同检索方式带来的效果差异。
Perplexity 你应该不陌生。因为我曾经 在这篇文章里给你做过介绍。简要来说，它是一款基于 AI 的搜索和问答引擎，在 2022 年推出。基于自然语言处理技术，它可以通过网络搜索结果生成答案，并且在回答中引用来源出处。
Perplexity 支持不少主流模型。如果你订阅了 Pro 模式，可以使用 GPT-4o, Claude 3.5 Sonnet，Claude 3 Opus, Sonar Large 和 Sonar Huge 等。其中 Sonar Huge 是基于 Llama 3.1 405B 大模型。
除了对话之外，Perplexity 还支持绘图 ——Stable Diffusion XL, DALL-E 3, 甚至是 FLUX 都支持。
顺便说一句，最近我不少文章的题图和 视频的封面，都是用 FLUX 做的。这款模型生成画面（例如机器人）的一致性特别高。
你可以 使用我的邀请链接（https://perplexity.ai/pro?referral_code=GCB8DRJT）来注册 Perplexity，首月可以省下一半的钱。
有。例如国内的秘塔 AI 搜索和国外的同类产品 You.com 等。但是 Perplexity 还是有自己的特色的。下面我们就来看看 Perplexity 开箱即用的搜索功能。
打开 Perplexity， 你可以直接询问。例如我的问题是「生成式 AI 对教育的影响」。
你会看到，Perplexity 不是直接给出答案，而是先思考，把你的指令拆解为若干的执行步骤，然后一一操作。在本例中，它会先查找生成式 AI 的相关信息，然后分析 AI 在教育领域的应用实例，最后总结积极与消极的影响。
Perplexity 首先提出「生成式 AI 在教育中的影响深远而全面，主要体现在以下几个方面：个性化学习、教学方式创新、教学评估与反馈、教育资源的生成与共享、以及挑战与风险等」。
然后，它针对上面每一个方面，分别介绍生成式 AI 的影响方式。
例如对「个性化学习」，Perplexity 提到：
生成式 AI 可以通过分析学生的学习数据和行为，为每个学生提供个性化的学习内容、路径和建议。具体的功能包括：
自动调整教学内容：根据学生的学习进度和理解程度，自动调整教学内容的难度和深度。
推荐适合的学习资源：为学生推荐最适合的学习资源和方法。
提供实时的智能辅导：提供实时的智能辅导和答疑，及时解决学习中的问题。
生成针对性的练习题：生成针对性的练习题和测试，帮助学生巩固知识点。
这种高度个性化的学习体验可以大大提高学习效率和效果，激发学生的学习兴趣。
仔细阅读后，我觉得这些回答还是比较靠谱的。其他几方面的内容，我们就不一一详细叙述了。
请你注意，每一个答案后面，Perplexity 都提供了来源链接，便于我们进行验证。
看起来，Perplexity 的最基础检索模式，似乎可以满足我们搜集资料的需求了。
不然。Perplexity 默认模式下，信息来源质量参差不齐。使用久了，你会发现有些资料来自权威网站或相关的教育 AI 期刊；另一些则未经过滤，来自没有质量把控的自媒体或根本不知名的网站。倒不是说这些来源给出的信息质量一定低劣，而是作为普通用户着实不好区分。
如果你的目标是给自己的论文搜集资料，那这些信息来源尤其需要谨慎使用，否则难免会被误导。
你是一名优秀的科研助手，有十余年的工作经验，成果斐然。请根据我提出的问题，查询与之相关的最新英文资料。全面阅读资料的内容，一步步思考后用简体中文回答该问题。
1. 不要给出平庸的总 - 分 - 总式总结。我希望你从文献中找到能给读者带来信息增量与认知变化的观点、论断、数据和细节。
2. 不要着急，深吸一口气，仔细阅读、理解、反思，甚至找寻新的资料。当你感觉有信心已经找到合适的答案后，再开始回答。
3. 每段首先提出你的论点，接着给出论证过程，最后提供证据（最好包括翔实的数据）以及来源链接。
4. 资料引用要尽量保持多元化，不要轻易忽视任何信息来源。引用资料时，除了标准化的序号链接外，还需采用 APA 格式进行展示。
首先说「你是一名优秀的科研助手，有十余年的工作经验，成果斐然」。这是在定义角色，赋予大模型一个专业人士的身份。
之后我要求「请根据我提出的问题查询与之相关的最新英文资料」。我们可能只想关注前沿研究，因为生成式 AI 真正的爆发实际上就是最近的事情，找那么久远的文献可能跟我们的目标有偏离。
咱们不仅要求大模型「使用最新的英文资料」，而且还指出「全面阅读资料的内容，一步步思考」。这个「一步步思考」的提示词技巧，叫做思维链（COT, Chain of Thoughts）。它让大语言模型先把一个问题进行拆解，然后反思，之后再执行。
我说「用简体中文回答该问题」看似有些多余。但如果不明确指明，Perplexity 看资料都是英文，有时会直接用英文来给你回答。
我特别指出，「我不想听任何陈词烂调，所以你不要给我一个平庸的总分总式的总结」。之所以这样要求，是刚才我们看到了，大模型的答案有固定的「AI 味道」—— 一上来先有观点，然后 123 列出分论点，之后在加上个「总的来说……」。
AI 味道越重，「人味儿」就越少。所以我们在和 AI 沟通的时候，更希望它「从文献中找到那些能给读者带来信息增量与认知变化的观点、论断、数据和细节」。
这里我还特别告诉它，「别着急，深吸一口气」。大语言模型当然没法「深吸一口气」，但它知道我其实是对它的思考节奏进行控制。更进一步，我希望它「认真地阅读、理解、反思」，还指出「当你感觉有信心，已经找到合适的答案后，再开始回答」。这句话很重要，因为咱们希望大语言模型输出时候要审慎，不要盲目猜测我们的想法，之后出于迎合目的，输出不存在的内容。
然后我还规定了输出格式 —— 「每一段首先提出论点，之后给出论证过程，后面提供证据，包括详实的数据，以及来源链接」。这样文章段落风格更加符合论证要素。而来源链接的提供，更是为了进一步检验大语言模型的答案是否靠谱。
我提到「资料引用要尽量保持多元化，避免过度依赖单一来源」。这句话也很有用。因为如果不加指明，某些资料可能被大模型「薅羊毛」一般反复使用，而有些资料则被忽略掉，导致引用不均衡。
另外我还对 Perplexity 提出了文献引用的格式要求等。这些比较直白，此处就不再赘述了。
细心的你，可能已经发现，某些提示词的表达很全面，但是并不完全符合语法要求，甚至可能有错别字。别担心，大语言模型的容错能力相当强。只不过，一定要检查确认整体逻辑不能有错误，否则输出结果便会与你的设想「南辕北辙」了。
提示词增强后，Perplexity 这次不仅查找了 Semantic Scholar，还包括了 arXiv （主流预印本平台）的内容。
它提到生成式 AI 正在深刻改变高等教育的评估方式，推动教育者重新思考传统评估的可持续性。
注意这可不是泛泛而谈，下面有详细的数据。「一项针对 389 名学生和 36 名教育者的调查显示……」这样的表述方式着实让我感到兴奋。此外，Perplexity 还给出了来源文献的发表年代等具体信息。
Perplexity 的第二条回答，先给出了论点「生成式 AI 为艺术教育提供了新的机遇，促进学生的批判性分析能力」，之后它又进行了论证（研究表明，教育者可以利用生成式 AI 作为工具，通过体验式方法引导学生积极参与对 AI 生成艺术作品的批判性分析……），之后也给出文献作为证据支撑。
之后，Perplexity 继续给出回答，例如「生成式 AI 工具在教育中的使用，需要考虑社会人口因素的影响」。要确保来自不同社会人口背景的学生能够公平使用数字媒体平台，我觉得伦理是个非常好的研究角度。
另外，答案还提到「在教育中，存在双刃剑效应。我们需要谨慎设计以促进学生主动学习」。我看着答案，频频点头。懒人很容易因为有了更加简便的工具，就陷入过度依赖之中。例如我让学生们使用 immersive translate 工具，原本希望有助于他们学习和掌握专业英语，提升论文阅读效率。结果他们对着中英对照的翻译，往往只看中文部分，英语部分则被完全无视…… 唉。
前面这几个答案的观点以及对应论证分析方式，基本符合提示词的要求。尤其是Perplexity 给出的答案不再是陈词滥调，这点非常重要。答案里提到的文献发表时间基本上都是 2023 年以后。这比起 2009 年的文献，显然更符合咱们对生成式 AI 这个主题的调研要求。
请你回过头来，对比刚刚的答案，和最初采用 Perplexity 「开箱即用」模式的结果，差异是非常显著的。咱们简单小结提升 AI 学术检索质量的几个关键点。
首先，一定要限制来源范围。学术文献库内进行搜索，可谓「在有鱼的地方钓鱼」。
其次，注意调查文献的时间范围。如果不加指明，Perplexity 可能会混入过时陈旧内容，对结果有负面影响。
第三，综合利用提示词技巧（角色定义、思维链等），可以让 AI 思考的节奏更加舒缓，启动大模型的「思维系统 II」，给出的结果更加成熟。
第四，明确给出步骤和要求。这样 AI 答案的风格，更加符合咱们的预期。你最好把 AI 当成一个初级合作者。它能力很强，但是缺乏处理当前任务的经验。你这个「老师傅」得多带带它啊。
希望上述要点介绍，可以帮助你提升 AI 学术搜索的效果。祝学术信息检索顺利愉快！
点赞 +「在看」，转发给你身边有需要的朋友。收不到推送?那是因为你只订阅，却没有加星标。
欢迎订阅我的小报童付费专栏，每月更新不少于3篇文章。订阅一整年价格优惠。
如果有问题咨询，或者希望加入社群和热爱钻研的小伙伴们一起讨论，订阅知识星球吧。不仅包括小报童的推送内容，还可以自由发帖与提问。之前已经积累下的帖子和问答，就有数百篇。足够你好好翻一阵子。知识星球支持72小时内无条件退款，所以你可以放心尝试。
若文中部分链接可能无法正常显示与跳转，可能是因为微信公众平台的外链限制。如需访问，请点击文末「阅读原文」链接，查看链接齐备的版本。
