有用的 ChatGPT 与 Perplexity 研究对比，在工具开始搜索前就已开始：先界定研究问题、日期边界、纳入的来源类型、排除的材料、所需输出和核验标准，再比较两者如何帮你规划、发现来源、控制证据、综合结论、处理追问并保留审计线索。

两款产品都有面向研究的流程文档。OpenAI 称 deep research 可查找、分析并综合大量在线来源，生成带引用的报告，并可控制来源范围。［1］ Perplexity 称 Research 会反复搜索和分析，再生成报告。［2］这些页面说明的是预期能力，不能证明每个结果都完整、引用正确或适合有后果的决定。

关键要点

比较输出之前，先写好研究协议。

评估来源权威性和主张是否得到支持，而不是数链接。

测试能否纳入、排除并回看来源。

把来源发现与综合、最终判断分开。

保留查询、日期、来源、原文段落和未解决的冲突。

用 AI 加快检查，绝不借它跳过阅读决定性来源。

如果你需要某个产品的具体操作，请看用 Perplexity 做可核查的研究。本文只讨论流程选择。

为什么要比较研究流程，而不是聊天窗口？

同一界面可支持截然不同的活动：快速了解、发现来源、文献扫描、市场备忘录或政策简报。先说明你在测试哪一种。泛泛的对话式回答无法与有边界的研究报告相比。

写一页研究协议，包含：

问题： 一个决定或知识空白，表述尽量窄。
范围： 地域、人群、行业、产品或法律辖区。
时间： 发布截止日期，以及是否允许较早的基础性材料。
来源： 必需的原始文件、可接受的二手分析，以及排除的域名。
输出： 证据表、叙述性备忘录、时间线或相互竞争的假设。
复核： 由谁核验主张，什么证据能让结论被接受。

两个工具用同一份协议。提示词可因产品而异，问题、证据门槛和评分方法则不能变。

ChatGPT 与 Perplexity 研究对比矩阵

研究阶段	比较内容	需保存的证据	需警惕的失败
规划	澄清含糊术语，提出子问题	最终协议和被否决的假设	工具悄悄改变了问题
发现	找到原始、当前且多样的来源	搜索轨迹和候选清单	多个页面重复同一原始来源
来源控制	纳入必需文件并遵守排除项	域名和 URL 记录	被禁止的来源又出现在综合结果中
引用	在重要主张旁放置可追溯来源	主张、引用和支持原文	来源真实，却不支持该主张
综合	区分事实、解读和不确定性	证据矩阵和冲突日志	冲突被写成虚假共识
追问	保持范围，并连贯地更新证据	提示词和改动的主张	新答案无声地推翻旧答案
导出	留下可供复核、可复现的记录	报告、URL、访问日期、备注	复核人无法重建路径

只要有一行是硬性要求，就不要把矩阵压成单一分数。受监管、法律、医疗、财务或安全相关的研究中，来源支持不足是停止条件，不是流畅文字能弥补的弱点。

比较研究规划

联网搜索前，让两个工具分别评议你的问题。好的规划会指出含糊术语、隐含假设、缺失的日期或辖区，以及会改变答案的证据，并区分事实性子问题和价值判断。

可以试试这样的结构：

重述研究问题，不要扩大范围。列出含糊术语、需要作出的范围选择、候选子问题、可能掌握原始来源的机构，以及能够推翻每个初步假设的证据。暂时不要搜索。把每个假设标出来，交由人工批准。

看计划是否有用，而非是否复杂。否决不服务于任何决定的子问题。加一条停止规则，例如“审阅完所需机构的资料和两个独立的方法论视角，或证据缺口已记录时停止”。没有停止规则，研究模式可能只有广度而无相关性。

比较来源发现与控制

发现来源应优先看出处：先找法规、标准、官方统计、原始研究、公司申报文件或第一方技术文档，再看相关评论。二手分析有助了解背景和分歧，但结论重要时，要把其主张追溯到源头。

OpenAI 的文档称，deep research 可以使用公开网络、上传的文件和指定站点，用户可以查看或修改研究计划。［1］ Perplexity 的 Research 文档描述了在生成报告前进行的多轮搜索和分析。［2］用必需来源清单和排除来源清单测试这些控制，再检查最终报告是否真的遵守。

记录转载和联合发布。五篇文章可能都在重复同一份新闻稿或通讯社稿，因而并非独立证据。让工具找出最早可访问的来源并标注衍生报道，再亲自核实这条源流。

更完整、考虑风险的方法，请看安全使用 AI 研究。

为什么引用展示不等于准确性？

引用只是指针，不是裁决。检查它能否打开、是否指向真实来源、是否含相关段落、是否在要求的日期和范围内，以及是否支持紧邻的确切主张。引用可能挨着一段话，却只支持其中一个分句。

Perplexity 解释，来源标签提供的是来源类型或域名信息，并明确指出标签不代表认可文章或主张的准确性。［3］这一区别应写进复核清单。“官方”“学术”“社区”等标签可帮助初筛，底层材料仍需阅读。

对每一条重要语句，把支持程度归类为：

直接： 来源在适用范围内明确支持该主张；
部分： 来源只支持部分措辞，或只适用于更窄的人群；
间接： 来源提供了背景，但没有给出所述结论；
矛盾： 来源报告的结果有实质差异；
缺失： 没有可检查的来源支持该主张。

需要逐步审计引用，请看让 AI 给出并核验引用。不要只靠多加链接来修补薄弱的证据链。

比较综合与不确定性

综合环节最容易让流畅的系统掩盖重要差异。写叙述文字前，先要一份证据矩阵：每行一条原子主张，含来源、发布日期、相关范围、方法、确切支持原文、局限和置信理由。不允许置信度只是孤零零的百分比。

要求分成三个独立的输出块：

已确认事实： 有直接支持并注明范围的观察。
解读： 解释或推断，要么归属于某个来源，要么明确标为分析。
未解决问题： 冲突、缺失数据以及所需证据。

NIST 把虚构内容（confabulation）和误导性的自信输出列为生成式 AI 的典型风险。［4］因此好的研究流程会保留分歧。若一项研究测的是短期自我报告行为，另一项测的是长期行政记录结果，表面冲突可能源于方法和人群，而非简单的事实错误。

分歧会实质改变结论时，使用专门的冲突来源比较矩阵。

比较追问行为

追问能澄清报告，也可能偏离协议。每次追问后，让工具列出改动的主张、新增和移除的来源、改变的范围及剩余不确定性，并把这份差异与报告一起保存。

有意测试一次纠错：指出某来源不支持其所在句子，要求系统修正分析，但不得编造替代证据。可信的流程在缺乏支持时会收窄或撤回主张。留意它是否不加说明地换上另一个薄弱引用。

还要测试记忆边界：只用保存的协议和证据包新开会话。若无法重建结论，说明原流程依赖隐藏的对话上下文，更难审计。

保存可复现记录

研究交付物的寿命应当长于聊天会话。导出或保存：

已批准的问题和范围；
搜索或研究日期；
提示词和计划修订；
来源 URL、标题、发布者和发布日期；
用于重要主张的原文段落；
证据矩阵和冲突日志；
最终报告和复核人的更正；
未解决问题和重新检查的触发条件。

链接可能变化或消失。按组织规定保存获准的副本或摘录。不要超出许可范围存档受版权保护的材料，也不要把上传过的敏感文件放进不受控的研究文件夹。

怎样公平地运行同题试点？

挑两三个有代表性的问题：一个有清晰的原始来源，一个证据相互冲突，一个有严格的日期或领域边界。避开与工作无关的冷门问题。

对每个工具记录：

批准研究计划所需的时间；
结果中重要主张的数量；
直接支持、部分支持、矛盾和缺失的主张数量；
原始来源与衍生来源的对比；
超出范围的来源；
得到一份获批备忘录所需的人工分钟数；
工具没能找到的重要证据。

尽量盲审文字：复核人先在不知来自哪个产品的情况下给证据质量打分，再评估易用性、追问表现和导出，以免对界面的熟悉程度左右结果。

按研究流程选择

结果可能是一条分流规则，而非二选一。团队可用一种流程快速发现来源，用另一种做有边界的多文档综合，争议主张则用由人掌控的矩阵。写清每个工具能做什么、哪里需要人工批准。

站得住脚的分流规则示例：

“用 AI 发现候选来源；只有人亲自打开过的来源才能进入最终备忘录。”
“政策更新使用限定域名的研究；除非负责人批准，否则排除一般网络评论。”
“两个原始来源冲突时，停止叙述性综合，改开主张/来源矩阵。”
“高影响决定需要一位独立于提问者的领域复核人。”

ChatGPT 与 Perplexity 结论一致，不构成独立印证：两者可能看到同样显眼的页面，或重复同一底层来源。核验必须回到证据。

保护敏感研究材料

除非具体账户和流程已获准处理这类数据，否则不要上传机密文件、个人数据、凭证、未发表的结果或受特权保护的法律意见。对测试文件脱敏，用固定占位符替换身份。

把连接器和共享链接纳入流程审查。某研究工具也许适合发现公开来源，却不适合内部综合。作为事实依据的文件应保存在获批系统中，并在那里控制访问和保留期限。

常见问题

哪一个更适合寻找来源？

用必需原始来源清单和明确的排除清单测试两者。能找到相关、当前的证据，留下可检查的搜索轨迹，且需要更少人工修补的流程更合适。

哪一个更适合综合多份文件？

使用能代表你工作的脱敏文件，并要求先出证据矩阵再写正文。比较提取的完整度、范围是否保持、冲突处理和复核时间。

引用越多，报告越可靠吗？

不是。可靠程度取决于来源的权威性、独立性、范围、时效，以及每个来源是否支持确切的主张。几个链接可能都源自同一份原始声明。

Perplexity 来源标签证明什么？

它提供的是来源类型或域名方面的背景信息。Perplexity 自己的说明指出，标签并不代表认可文章或主张的准确性。请打开来源检查证据。

何时需要更深的研究流程？

当问题需要多来源规划和综合，而且额外的复核成本值得时使用。简单查询就直接去找权威来源。

怎样比较同一问题的结果？

使用一份获批的协议，保存来源清单，并按支持程度给每条重要主张分类。比较的是缺失的证据和人工核验时间，而不是文字长短。

可以组合使用 ChatGPT 与 Perplexity 吗？

可以。明确分配角色，保留交接记录，并且不要把模型之间的一致当作相互印证。证据矩阵和最终备忘录应由人负责。

高风险研究怎样处理？

使用权威的原始来源，并请独立、合资格的复核人。AI 可以帮你整理工作，但不应替你作医疗、法律、财务、安全或其他有后果的决定。

ChatGPT 与 Perplexity 研究对比：关键差异