粉丝8.2万获赞32.5万

今天我们要拆解的应用是 perplexity, 在 这场 ai 革命下,一切都在改变。 perplexity 就是 由过去搜索方式进阶而来的 ai 搜索。 众所周知,信息获取是我们生活中非常重要的一个部分,一个安全、稳定、可靠、准确的信息来源对于我们的生活有巨大的意义。 错误的信息会导致错误的行为,错误的行为往往会引来难以承担的后果。而这样一个新时代的搜索引擎满足了人们获取信息的快捷性、稳定性、准确性的要求。 perplexity 是 一个融合大模型与实时搜索的答案引擎, 它解决了用户对于信息真实性和时效性的要求,和我们平常使用的对话式 ai 有 很大的区别。这个 ai 是 基于实时网络能够查找到的信息作出应答。 我们平常使用的对话式 ai 通常会有各种幻觉问题,会自主编造一些答案,而这个应用的目标用户主要是对于信息有 更高的要求,比如学术专业和覆盖了学术专业日常场景。 perplexity 是 基于大语言模型和实时搜索融合而成的答案引擎,该产品由 perplexity ai 公司开发,融合大语言模型与实时搜索能力, 提供答案式信息获取的体验。学生、研究者、支持工作者。这些对于信息质量需求比较高的群体是该应用的主要用户。 这样的搜索引擎要保证的是信息真实性与可验证性,最新资讯需要实时更新,解决了原本传统搜索的从搜索到点击再到筛选的过程。过往的搜索引擎 我们需要先搜索链接,然后在网页之中逐个筛选可靠的信息。很多时候,我们难以辨别信息的真实性,并且筛选信息的过程 需要消耗大量的时间和精力。该应用还有一个特点是对于信息的可溯源性,深层的答案会显示信息的来源,并且多来源会交叉验证,这让信息更加可信。 该应用的运行结构是由用户查询开始,然后应用对用户的意图进行解析, 然后开始实时解锁和内容提取,再转接到大模型生成答案并标注来源,最后输出精准的答案。对于学术人员来说,时间和精力是最稀缺的资源,他们往往不希望将大量的时间消耗在复杂的操作系统上。 而这款产品界面简洁,没有溶于元素,操作简单,直达结果,并且支持多种模型切换和个性化设置。该模型也基于 r a g 技术开发,从用户接触到的应用层开始, 传递到大模型语言层,再传递到 r a g 逻辑层,再传递到信息解锁层, 信息解锁再传至到数据层,而反馈再这样层层递回,保证了答案生成的有序性。而该产品的盈利方式主要依靠三个部分组成,首先是现在 ai 应用最流行的收费方式, 例如 oppo ai 的 叉 t p t, 谷歌的 gmail, 它们都是基于一些基础免费功能吸引客户, 用户得到良好体验后就会选择高级功能的订阅,这个盈利模式也叫 free music。 而未来伴随着 ai 搜索引擎的越发成熟,广告行业会逐渐介入。 多时候我们对于 ai 的 推荐其实是要胜于人的推荐的,我们会认为 ai 推荐的东西有理有据,没有加带个人情绪。而随着以后 ai 广告的模式越发成熟,这里面蕴涵的市场是非常大的, 而如今提前布局,养成了用户的使用习惯,就相当于掐住了未来广告市场的命脉。 还有一个市场就是对于其他产品接入 api 的 弊端,市场就像很多产品接入其他家产品的内容一样,这方面是 api 付费该应用产品的增长逻辑。 首先是 free mail 模式驱动用户的规模扩张,首先应用免费策略降低了获客的门槛,如果一开始就付费,很多用户会望而却步,免费的模式能带来更多的潜在用户。 第二个点主要是产品的飞轮效应,这个的关键就在于该应用的底层逻辑,用户越多,这个应用的数据就会积累的越多, 数据越多,用户得到的体验就会更好,用户体验更好,越会积累更多的用户,产生更多的数据。还有就是来自社交媒体和渠道合作的扩大曝光,在现在的新媒体时代, 这或许可以称作是用户的主要来源,而该产品在市面上其实已经有了很多的竞品,最主要的威胁还是在于这些科技巨头的下场,比如 openai 的 chat gpt, 谷歌的 gmail, 谷歌具有更庞大的数据库,叉的 gpt 则是具有最大的用户数量。而这样的应用的专业壁垒并不强,虽然潜力巨大, 但是挑战也是巨大的。 ai 搜索市场的规模达到两千亿美元,其中主要还是来自于广告收益, 未来肯定是 ai 搜索市场对于传统搜索广告市场的抢夺,新的商业模式即将出现,行业格局也会迎来重塑,而该应用的风险也不少,它的基础大模型来自于其他的巨头,模型的依赖会受到潜质, 并且这样的应用带来的影响概率也比较低,他们难以获取到巨头的分发渠道和资源。还有就是搜索的成本问题,如今的算力成本依旧是很高的, 该产品的产品壁垒有限,如今看来也只是昙花一现,在长期竞争下,优势不并不突出,像这样的搜索能力很容易复刻,而巨头又具备更强的资源和整合能力,这就需要产品打造更强的差异化优势, 需要持续创新。对于这个产品类型,我有一些自己的个人见解,在中国其实已经有很多类似的产品,但他们要么产品本身有许多的不足,要么曝光度不够,而未来谁会占据这个市场呢? 这件事其实自己也已经在做了,自己本身带着巨大的流量,数据库来源也非常的丰富,资金也很充足, 用户基数也很大。就像现在抖音做的那个 ai 抖音,它的思路其实是相似的,只是它的信息来源还是有比较大的问题。 它的信息来源主要是基于现有的短视频,短视频平台,上面的信息真实度还有待提高,专业度不够, 功能也不够专一。而豆包添加的联网搜索功能其实也相差不远,但是数据污染依旧很严重,日常使用倒是够了。但即便如此, 我依旧觉得字节最有可能占据这个市场,而第三方其实也很有潜力,国内的广告市场巨大,如果能做好数据清洗,能够做到数据严谨,保证数据的真实性,和各家的数据库达成合作,用户画像更加集中, 产品的定位更加专业化,增加用户的信任度,提高用户的黏性。和各家媒体平台进行合作宣发,也能够拥有巨大的搜索流量。而还有个关键在于未来 不久的入口战争,未来信息获取的物理媒界肯定会转变,现在人们大多以手机作为媒界来获取信息,而未来机器人行业越发成熟, 人们的生活习惯再次转变,例如智能眼镜、机器人助手一类的东西出现,新的物理媒体入口会带来新的软件入口,谁能抢先占领这新的入口,就能在这个巨大的广告市场取得先机。

有一个 ai 使用小技巧,是标志着你的 ai 学习是否入门的标志。如果你学会了,你能够既省钱又省时间又高效,同时效果也会更好。这个就是 play mode。 play mode 是 我们团队的新同学,在入职第一周的时候,我就会教给他的 ai 使用必备小技巧。 好,先讲一下什么是 play mode, 就 如字面意思, play mode 的 意思就是开启规划模式,它其实也很简单。我先在现实世界里给大家讲讲说我们当在人类世界,我们会做哪些决策会用到 play mode。 比如说,当我要买一个耳机的时候,我可能会思考说,我要买哪个品牌的,我的预算是多少? 好,当我确定了我要买一个可能是苹果品牌的,呃,三千块钱的预算之后,我就不会说直接就去购物平台下单了。我会去再看看一些博主啊,或者自己再去搜索一下,看看有没有什么事情是我需要考虑没考虑到的。 哎,这你其实就在潜意识里就调用了 plan mode。 plan mode 就是 规划和把事情想全面的能力,就是你不是想到两件事就去干了,而是你会有意识的思考说,哎,是不是还有更多事情,还有更重要的因素?我要考虑一下, 以及这些因素里哪些是最重要的,我需要排序一下这些在你的潜意识里,你不需要使劲思考就已经进行了的原因是因为 你以前一定吃过花钱没买到好东西的亏,所以你的大脑现在已经自动有这个模式了。好,那你在进行一个项目工作的时候,你也要进行 plan mode, 你 可以跟大家讨论一下,说好我现在要做一个什么样的项目?比如说我要拍摄一个短视频, 或者我要写篇文章,好以免我后面反攻。那我前面应该先做哪些准备和规划?有什么是我要先思考清楚的? 通常来讲,根据我的使用经验,在我每次问了 ai 之后,它都能给我补充一些方向和观点和注意事项,它大大的有利于我节省时间。还有就是大家知道 tocon 是 要花钱的,尤其是 贵的好的模型,它都会限制你使用的 tocon。 在 这个情况下,你先 plan 一下,避免后面返工,对你来说是既省时间又省钱的,所以 plan mode 一定要用起来。 第二种情况就是,尤其是你在进行一些大型项目的时候,你的成本是经不起你返工的,无论是时间成本、经济成本,还是各种人力成本,都经不起你返工。我举个例子,比如说,哎,我想把我的化妆品全都塞到我的化妆包里, 那我一定要先塞大的,再塞小的,对吧?如果我把小的先塞进来,那大的回头就塞不进来了。好,因为这个项目很小,所以我重新塞一遍,一点都不麻烦,不费时间。我没塞明白,我就重新塞一遍就行了。 那如果你是要把家具搬到你家,你就一定要提前考虑和规划清楚这个关键顺序。如果你是要盖一栋楼,你就更要先规划好图纸,你不能说我盖一半,我再调整。 所以这个前期的准备,反复的思考,把框架想清楚,千万不能遗漏,要把整个顺序,把最重要的事情都规划清楚,这个就叫做 plan mode。 然后他在我们的现实生活中,无论是项目管理,还是你自己思考你的人生,你的升职加薪,你的所有的规划的时候都会用到。 之前公司有让大家花一天时间去上一门培训课,这门培训课叫高效能人士的七个习惯。高效能人士的七个习惯里有一个重要的原则叫做以中为始,以中为始里面有又有一个子概念,叫做第一次创造和第二次创造。我给大家举个例子,比如说我们想要盖一栋楼,对吧? 我一定要先想清楚这个楼最终是盖成什么样,盖在哪,盖一个多大规模,盖多少层,我要把图纸画清楚,这些都是我的中点,如果我中点都没有想清楚,我就开始盖,那我一定是会盖瓦泥的,一定会盖塌房的。好,第一次你在脑子里,在图纸上先把它盖出来,就叫做第一次创造。 给大家看看这个图,就是你盖一个图纸,这个叫做第一次创造,然后你把这个楼实际盖出来,叫做第二次创造。而第一次创造是极其重要的,当你没有第一次创造的时候,你的第二次创造的质量一定就会非常的差。当你有了第一次创造之后,就能大大节省你第二次创造的返工的可能性,帮你提升效果。 然后再说我们的 ai 运用啊, play mode 其实一开始指的就是 call code 里面先规划再执行的这个步骤,意思是当我在让他干活之前,我跟他要先把这件事充分的讨论设计好,聊清楚。你想一下,在这个过程中有两个非常高可能性出岔子的地方, 一个可能性就是你自己本身没想清楚,你回想一下,你在过去一段时间,无论是大事小事,有多少时候事你哎,后来发现了能帮你省很多时间和钱,那你用 play mode, 很 可能 ai 就 会帮你提出来。 第二种可能就是当你说了 ai 也有可能没听懂,就第一种可能是你没说清楚,第二种可能是 ai 没听明白,稀里糊涂给你执行了,浪费了你的很多偷看,浪费了你的很多时间。好,所以为了避免这个,我们就先要使用 play mode 跟 ai 沟通清楚,说我需要你 帮我做一个什么事情,你给我重复一遍,请你帮我规划一下,请你帮我评判和打分一下,请你帮我考虑一下有什么事情没想周全,或者请你说一下你有哪些建议啊?后面这一串你都可以不说,当你说请你使用 play mode 的 时候,他就都会做了。 我补一嘴啊, play mode 是 无论你想要发散,也就是说你想进行头脑风暴,你没有太想清楚,想让 ai 帮你出出主意,还是你想要收敛,你有一大堆主意,你让他帮你排一排优先级,看一看哪些要砍掉的时候,都非常好用的。

为什么同样的需求,别人三分钟搞定,你却折腾了一整天?问题就出现在这儿,朋友们,看看我屏幕上这串名单, gpt 五、 cloud 四点五、 gemini 三 pro, 还有什么 nano banana, 二零二五年 ai 圈简直就是神仙打架,很多人问我,你装了十几个模型,平时到底用哪个? 说实话,如果你现在还在无脑地用 gpt 五干所有的事情,你真的就亏大了。每个模型都有它的独门绝技,今天我就把这套价值百万的模型调度心法免费公开教你如何在三分钟内把它们变成你的私人特种部队。首先,如果你是做科研的, 写代码架构的,或者纯粹是要解一道变态的数学题,别用那些只会写漂亮话的模型,你需要的是 deepsea r one 或者 open ai 的 o 三。 这两个家伙是慢思考的代表。你有没有发现,他们回答问题前会发呆一会儿,那个过程就是在推理。这就好比你让爱因斯坦帮你做高数题,虽然慢一些,但逻辑严谨到让你害怕。特别是国产的 deep secret r one, 在处理复杂中文逻辑和挖坑题上,性价比真的是无敌,谁用谁知道。但如果你写论文、写周报,或者给客户写一番委婉的拒绝信,千万千万别用强逻辑的模型。这时候 cloud 四点五 solid 才是真正的神, 大家公认的文科状元,他写出来的东西不仅仅通顺,而且有人味,他懂得什么叫言外之意,什么叫职场情商。如果你经常觉得自己写文章像机器,换 cloud 四点五试试,你会回来感谢我的日色长文章,他依然是目前王座的拥有者。 那如果老板甩给你几百页的财报,或者一小时的会议视频让你总结呢?这时候别犹豫,直接切换到 gimna 三 pro, 它是谷歌的亲儿子,也是目前胃口最大的模型。它真的能把整本书吃进去,然后精准告诉你第四十五页讲了什么。处理超长文本,它是唯一的选择。 如果你是程序员兄弟,半夜修改 bug, 手要快,脑要轻,推荐你使用 grog code fast one。 看名字就知道它是为代码而生的,速度极快,延迟极低。在你敲代码的时候,它就像影子一样, 还没等你打完,他已经在后面把逻辑补全了。工作累了,想整点活。最近刷屏的那个穿越时空的特效就是用 google 的 nano banana 做的。这个模型的脑洞特别大,做那些光怪陆离的图,选他准没错。最后也是最重要的一点, 凡是遇到你不懂的知识点,需要查证真伪的,别去问 gpt 林黛玉倒拔垂杨柳是不是真的直接用 perplexity, 它不是在编故事,它是在全网实时搜索,每一句话后面都给你贴上出处。在这个信息真假难辨的时代,它就是你的真相过滤器。 所以你看,没有最强的模型,只有最适合的场景。不管是干活的、思考的,还是整活的,这张表我都给你们整理好了。我是 jason, 关注我,带你真正把 ai 用成你的超级外挂,我们下期见!

ai 工具越装越多,如果不会分工,最后就是让所有工具做同一道题。今天老纪给你一张普通人的 ai 任路 分诊图,先认任务,再选工具,别再先问谁最强,先看任务是聊天查证、动手执行,还是专业创作。聊天工具负责帮你想明白,搜索工具负责把证据找回来, a 诊负责真的动手,专业工具负责把结果做深。 只是问问题,解释概念,改写一段话,先找 chat gpt 豆包或者千问,它们像综合门诊,入口低,覆盖广,你只是想把事情想清楚,就别一上来。启动重型 agent 需要查资料,追来源做对比,去找 perplexity 或者密塔。 ai 搜索,关键不是他会不会回答,而是能不能把来源摆在你面前。 重要结论记得点回原文再确认。要整理本地文件,做表格,生成一套交付物交给 workbody 或 chat gpt work 这类工具向项目助理,能把长任务拆开并持续执行,但涉及删除覆盖账号和隐私文件,权限一定要收紧。 任务一旦进入代码仓库,就把它转给 codex 或 cloud code, 让它们读项目、改文件、跑测试、解释报错比在普通聊天框里来回复制代码更顺手。写代码不只需要答案,还需要在真实工程里验证。 如果任务发生在网页上,比如打开页面,点击按钮,填写表单,抓取公开信息,就交给 browser agent 这一类工具, 比如 agent browser 它们负责操作浏览器,不等于可以跳过登录验证码和人工确认。 要做视觉内容再分两路,可控的节点式图片工作流用 comfy ui 需要从文字或图片生成动态镜头,用 cadence, 一个像视觉工作台,一个像视频摄影棚。先决定你要控制流程还是快速得到镜头。现在把整张图收好,问问题找通用聊天,查资料找搜索操作文件找工作 agent, 写代码找 coding agent, 跑网页找 browser agent, 做视觉找生成工具。不是选一个 ai 包打天下,而是把任务送到正确窗口。你最常分错的是哪一类?

分享三个免费 ai 神器,第一个, cloud, 写文章整理资料非常好用,还能帮助整理思路和生成内容。第二个, perplexity ai 搜索神器,回答问题的同时还能显示信息来源。第三个, notebook lab, 上传文档后自动总结重点内容,学习和办公都很实用,建议先收藏备用。关注 a k lab, 每天分享实用 ai 工具,一起探索 ai 的 新玩法。


如果浏览器不只是打开网页,而是开始替你点网页, 这还是浏览器吗? perplexity 做的 comment 想回答这个问题,它不是单纯把 ai 搜索塞进浏览器,而是让一个 ai 助手跟着网页上下文,帮你研究资料、整理邮箱、规划行程,甚至处理购物这种多步骤任务。 问题来了, comet 是 更聪明的搜索框,还是开始会办事的浏览器? comet 是 perplexity 做的 ai 浏览器, 它当然能打开网页,保存书签、切换标签页,但重点不是这些,重点是浏览器里多了一个助手,它能看当前页面,理解你要做什么,再帮你整理下一步, 普通浏览器等你操作。 comit 想让 ai 和网页一起工作,最容易混的地方是把 comit 当成另一个 ai 搜索。 区别可以这样看,普通浏览器给你窗口,你自己点 ai 搜索,读很多来源,给你答案。 ai 浏览器代理再往前一步,他试图进入网页流程,帮你打开页面,比较信息,继续追问,整理结果,搜索向问路。浏览器代理更像陪你走过去 一次任务大概有五步,先读当前页面,知道你在看什么,然, 然后你给目标,比如找三把适合久坐的椅子,接着他拆步骤搜索,开产品页,看价格,读评论、比参数,再边执行边整理, 最后遇到登录、付款、发送、删除。这种敏感动作,应该停下来,让你确认他不是魔法自动点击器,而是一个看页面、想步骤、做动作等确认的循环。 这类产品最适合的不是问一句就结束的问题,而是网页里来回跳的任务。比如研究资料,打开几篇文章,提取共同观点和分析, 比如邮箱日历,找出今天必须处理的邮件,再对照会议安排。比如购物旅行、比较价格、评论路线和限制条件。它真正节省的是标签页之间来回切换、复制、粘贴、整理的那堆碎火 comment 重要 不只是因为 perplexity 做了一个新浏览器,而是整个行业都在往这个方向走。 openai 的 chat gpt agent 强调从研究走向行动。 google 的 computer use 让模型通过界面观察和动作循环去控制浏览器移动端和桌面界面。 anthropic 也把截图、鼠标、键盘变成模型可以调用的能力。 方向很清楚, ai 不 再只看文本,他开始学习操作界面。但浏览器代理越有用,风险也越真实, 因为浏览器里有你的登录状态、邮箱、支付信息、公司后台。他如果只是总结网页错了,最多是答案不准。如果开始替你点按钮错了,就可能发错消息、改错、设置、买错东西。 安全边界至少三条,权限要细、敏感动作要确认,隐私记录要透明。 记住这一句, perplexity comet 代表的 ai 浏览器代理,是把浏览器从你来操作的窗口变成 ai, 能帮你推进网页任务的工作台。 它和普通 ai 搜索的差别,不是答案写得更漂亮,而是能不能进入网页流程,帮你读比、整理、执行,并在关键动作前停下来问你。 所以开头那个问题,答案不是浏览器更聪明了,而是浏览器开始从窗口变成办事入口。下一期我们继续拆 computer use。 ai 为什么要学会看屏幕、点按钮、填表格?

如果你拿到一个任务,第一句话就是让 ai 开始写,那你很可能把 ai 用反了。 ai 最危险的地方不是他不会写,而是资料不完整的时候,他也能一本正经的继续写 文章。可能引用旧数据代码,可能基于已经过时的 api。 我 现在的做法是先把任务交给 perplexity, 它更像一个带来源的 ai 搜索和研究工具,一边搜索网页,一边整理答案,还会把引用链接放在结论旁边。我的提示词通常会要求它做四件事,优先查官方和一手资料, 列出关键结论和对应来源,标记有争议或不确定的信息,最后整理成一份能直接交给 ai 使用的研究简报。但这里有一个关键动作,不要直接复制它的答案。重要数字、产品规则和技术参数。要点开引用,回到官方文档。确认 多个来源互相冲突时,也要把分歧保留下来。确认之后,再把这份研究简报交给 codecloud、 code coser 或其他 ai。 写清目标事实,依据、限制条件和验收标准,然后再进入写作或编码。这一步看起来多花了几分钟,实际上能减少后面的反复纠错。 ai 不 再从零猜测,而是在一组已经核验过的事实和边界里工作。记住, perplexity 不是绝对正确,但它能让信息来源更透明,先搜索,后核验,再执行,这才是更稳的 ai 工作流。想要这段提示词,可以收藏这条视频。
