Perplexity AI 搜尋怎麼用？提問、查證來源與 Projects 一次看懂

Perplexity 的 Spaces，在 2026 年 7 月 30 日改名成了 Projects；原本叫 thread 的對話串，說明文件裡現在也寫成 session。照著舊教學找這些入口，會發現畫面上的字對不上。

比改名更大的變化是，Perplexity 早就不只是一個附連結的搜尋框。輸入框旁多了 Research 與 Model Council 這類模式，答案旁的引用多了來源標籤，側邊欄還放著 Projects。功能變多了，初學者反而更難分辨哪些是日常會用到的，哪些只是延伸。

要替這些功能排出先後順序，得先弄清楚這套工具與一般聊天式 AI 在運作上有什麼不同。

Perplexity 是什麼？

Perplexity 是一款 AI 搜尋引擎。你問一個問題，它會即時搜尋網路，把找到的資料整理成對話口吻的簡短答案，並且在答案裡用編號標出引用，點編號就能跳到原始網頁。Perplexity 的 Help Center 說明，這樣設計是為了讓使用者能自己查證，而不是只能相信一段沒有出處的文字。

一般聊天式 AI 助手是以對話為出發點，Perplexity 則是以搜尋為出發點，所以答案呈現的方式也不同，每個說法旁邊幾乎都掛著編號。

先搜尋網路再回答，每個說法都標上來源編號

Perplexity 的處理順序有四步。收到問題之後，先理解問題真正要問什麼，再即時搜尋網路，從文章、網站與期刊這類權威來源蒐集資料，接著整理成簡明的對話式答案，最後在答案裡以編號標出每個說法的出處。這個順序決定了它的答案是「剛搜到的東西」，而不是只靠模型訓練時學到的舊知識。

這也是編號會成為整個產品核心設計的原因。答案旁的每個編號都連到原始來源，使用者可以直接點開，看那一頁有沒有寫出這句話。不過，附上編號只代表「有出處可查」，並不保證那一句話被轉述得正確，所以不論用 Perplexity 的哪一種模式，點開來源核對都是少不了的一步。

Perplexity 搜尋之外的 Computer、Comet 瀏覽器和 Create files and apps

Perplexity 現在的產品不只有搜尋，搜尋與研究仍是最核心的一塊，周邊還有 Computer、Comet 瀏覽器與 Create files and apps。

Computer 在 2026 年 2 月 25 日推出，定位是能規劃、研究並交付多步驟工作的 AI 協調者，從一個任務出發，自己拆解步驟、呼叫工具再把成果交回來。Comet 則是 Perplexity 自家的瀏覽器，內建 AI 助手，2026 年 3 月登上 iOS 之後，已涵蓋桌面版、Android 與 iOS。Create files and apps 原本叫 Labs，可以產出報告、試算表、儀表板與簡單的網頁應用，屬於 Pro 以上的功能。

搜尋介面裡的 Research 與 Projects 也跟 Computer 相通，Research 已經可以在 Computer 裡使用，Projects 則是 Computer 長期工作的中樞，所以這兩項功能在兩邊都看得到。Comet 與 Computer 本身的操作，屬於另一個獨立的主題。

登入方式、介面位置與繁體中文設定

第一次使用前，先弄清楚三件事就夠了：要不要註冊、輸入框與選單在哪裡、回答要用哪一種語言。

Perplexity 的帳號可以跨裝置共用，網頁版、手機 App 與桌面版登入同一組帳號，對話紀錄會一起同步。

未登入也能提問，但對話只保留 14 天

不註冊也能直接在 perplexity.ai 提問，只是未登入時建立的對話屬於匿名對話，Help Center 寫明這類對話會在 14 天後過期，而且無法復原。想把對話長期留下來，就得註冊。

註冊可以用 Email，也可以直接用 Google 或 Apple 帳號登入，註冊之後提問，一樣會得到附引用的回答。登入之後建立的對話會自動存進 Library，可以隨時回頭翻閱，也能自行決定要刪除哪些。

輸入框的 + 選單集中了檔案、來源與模式

新版輸入框把幾項常用動作收進 + 圖示：上傳檔案、管理來源、選擇模式。依 Perplexity 的更新記錄，Deep Research、Model Council、Create files and apps 與 Learn step by step 都在這個選單裡。

側邊欄則是另一個入口，裡面有 Library 與 Projects。Library 是舊對話的所在位置，網址是 perplexity.ai/library，說明文件有時也稱它為 History 頁。Projects 則是長期主題的工作區。

說明文件對各項功能的路徑寫法並不完全一致，例如 Model Council 的步驟，是寫成「點搜尋框下方的 Search 再選模式」。介面也會隨更新微調，所以遇到文字對不上的時候，以自己帳號畫面上實際看到的選項為準，再用功能名稱去找。

繁體中文的回答語言要在介面語言之外另外設定

台灣讀者最容易搞混的地方，是介面語言與回答語言其實是分開的兩項設定。

介面語言會依瀏覽器與作業系統的設定自動判斷，也可以在設定裡用下拉選單改。回答語言則是另一個選項，在 Preferences 裡叫 Preferred response language，決定 Perplexity 用哪一種語言回覆。設定入口是點畫面左下角的頭像，再從選單進入設定。手機上也能用繁體中文，2025 年 4 月的產品更新記錄已列出行動版 App 支援繁體中文。

用中文提問時，引用的網頁不一定是中文，所以點開來源編號時，看到英文頁面是正常的，答案本身仍會以中文呈現。如果發現回答的用字偏向簡體地區的習慣，可以在問題裡直接寫明「請用台灣慣用的繁體中文」，事先把要求說清楚，比事後逐字修改省事。要讓每次都照這個規則走，可以把 Projects 的指令欄固定寫上「用繁體中文回答，金額換算成新台幣」。

回答讀起來是否真的是台灣用語，仍得自己看過一遍，常見的簡體用語與核對方法可以另外對照。

向 Perplexity 提問時寫清楚意圖、背景、呈現形式

Perplexity 的說明文件把提問的核心原則寫成一句話：清楚說明意圖，並提供細節。給得越具體，答案越貼近需要，這個原則對搜尋模式與研究模式都適用。

具體的做法有四種。第一，不要只丟一個詞，與其只寫「inflation」，不如改寫成「美國目前的通膨率是多少」。第二，補上背景，說明自己是首次購屋者，再問有哪些補助，Perplexity 才知道要往哪個方向找。第三，放進關鍵詞，例如「通勤用、兩百美元以內的降噪耳機」，把預算、用途這些限制直接寫進去。第四，指定呈現的形式，是要摘要、表格、條列還是步驟。開頭也可以直接寫動作，像「搜尋」「建立簡報」，用平常說話的語言就夠了，不必刻意寫成什麼固定句型。

台灣讀者可以再多補三樣東西：地區、年份、想引用的來源類型。這三項不是 Perplexity 的指引，而是從它的運作方式推出來的寫法，因為它是即時搜尋網路，問題裡有地區與年份，搜尋範圍就會收得更窄，寫明來源類型則比較容易避開部落格與廣告型內容。

舉兩組例子說明差別。第一組，籠統問法是「台灣老年人口比例」，具體問法是「台灣 65 歲以上人口占總人口的比例，用主管機關的統計，並標出統計年份」。後者把來源類型與年份都寫進去，點開引用之後，要核對也容易得多。第二組，籠統問法是「幫我找降噪耳機」，具體問法是「通勤搭捷運用、預算 3,000 元內、要能接電話的降噪耳機，用表格列出重量與續航力」。兩者的差別在於，後者已經替 Perplexity 把要比較的欄位定好了。

兩個例子都是依說明文件的原則改寫的示範，實際答案會隨當時搜尋到的網頁而不同，照抄不一定會得到一樣的結果。具體問法還有一個好處，問題本身已經寫明年份與來源類型，點開引用時，很快就能判斷那一頁對不對得上。

追問讓同一串對話越問越深

追問是 Perplexity 的核心用法，也是它跟一次性搜尋最大的不同。在同一個對話裡，系統記得前面問過什麼、答過什麼，所以不必每次重述背景。

說明文件現在把一串對話稱為 session，舊教學寫的 thread 指的是同一件事。每個 session 會包含最初的問題、所有追問、所有回覆，以及用到的所有來源。

系統建議的追問與自己下的追問

每個答案底下都會附幾個系統建議的追問，點一下就能送出，不想用的話也可以自己輸入。自己追問時，搜尋模式、來源、附件與語音都能搭配，不必另開新對話。Research 執行到一半時，也可以直接追加問題，不需要等報告完成。

追問的價值在於把答案打磨到可用，而不是重複問同一件事。拿「台灣 65 歲以上人口占總人口的比例」這個問題來說，得到答案之後，至少有三種追問各解決不同的問題。「這個比例是哪一年的統計」解決的是年份不明，因為統計數字會隨年度更新，沒標年份的答案不能直接引用。想看趨勢，可以接著要求「改用表格列出近 5 年」，處理的是呈現方式，表格比一段文字清楚。最後一種是「只看主管機關公布的資料」，針對來源品質，把範圍收窄到原始統計單位。

這三種追問的共通點，是每一次都針對上一個答案裡讓人不放心或不好用的地方下指令，而不是泛泛地說「再詳細一點」。

換主題或換來源範圍時另開新對話

同一個 session 擅長延伸同一個主題。Perplexity 的說明文件指出，在同一個對話中頻繁換題目時，它可能需要額外的引導才不會跑偏。判斷標準很簡單：主題換了，或需要的來源類型換了，就另開新對話。

來源範圍也是同樣的道理。舊版的 Focus 聚焦模式，說明文件的寫法是同一個對話中途不能切換，要用就在新對話開頭啟用；現行介面把這項功能改以來源選單呈現，是否仍有相同限制要看實際畫面。比較穩當的做法是，需要換來源範圍時，一律從新對話的第一個問題開始選。

另開新對話不會丟掉舊對話，舊的那一串仍在 Library 裡，之後想接著問還是可以回去。

對話紀錄放在 Library，保存期限依類型而異

登入之後的對話都放在 Library，只有本人看得到，也可以自行刪除單筆或全部。不同類型的對話，保存規則也不一樣：

另外要分清楚「對話」與「附件」的期限。非 Enterprise 使用者附加的檔案與圖片，保存 30 天，超過之後，檔案內容就不能再拿來回答追問，不過先前的問答脈絡仍然保留在那個 session 裡。換句話說，一個月前上傳的文件，現在追問時要重新上傳一次。

隱身對話適合不想留紀錄的問題；至於資料是否用於訓練，是另一項獨立的設定，要到設定頁另外調整。

搜尋、Research 與 Model Council 的使用時機

模式一多，很容易想把每個問題都交給最強的那一個。Perplexity 的說明文件則給了一個由輕到重的順序：日常問題用 Best，需要複雜推理時開 Thinking，要一份完整報告用 Deep Research，想看多個模型的觀點才用 Model Council。

要注意的是，同一件事在說明文件裡的稱呼並不統一，Research 與 Deep Research 並存，指的是同一個研究模式。實際畫面以自己帳號上的名稱為準。

預設搜尋裡的 Best、Thinking 和 Pro Search

預設的 Search 模式搭配 Best 選項，系統會替每個問題自動挑合適的模型。Best 並不是獨立的模式，而是 Search 裡的自動模型選項，使用者不必自己決定要用哪一個。

免費帳號可以用 Best，也有有限次數的 Pro Search，但無法手動選進階模型；Pro 與 Max 則可以針對每次查詢指定偏好的模型，也能打開 Thinking，讓模型回答前多花一些時間推理。Thinking 適合複雜或多步驟的問題，代價是答案會慢一些，所以簡單的事實查詢不需要開。

Pro Search 是輸入框裡針對複雜問題的多步驟搜尋，會把問題拆成幾個小步驟，再從更多來源整理結果。它有次數限制，說明文件在不同頁面給的免費額度並不一致，實際次數以方案頁當下的說明為準。各模式背後用的模型也更換得很頻繁，選單上的模型名稱以當下畫面為準。

Research 會花數分鐘讀完大量網頁再交出報告

當你要的是「一份有來源的完整報告」，而不是一個答案時，才輪到 Research。依說明文件，它會進行數十次搜尋、閱讀數百個來源，對資料推理之後，自主交付完整報告。說明文件寫多數研究任務在 3 分鐘內完成，也提醒一次回覆可能要 4 到 5 分鐘，所以不適合拿來問即時的小問題。

遇到範圍很廣的題目，Research 會在開始前先問幾個釐清問題，讓第一次產出的結果更貼近需要，研究進行中也能追加問題。模型由系統自動挑選，使用者不能手動指定。免費方案可以使用，次數有限，付費方案的額度較高，確切次數以方案頁為準。完成後的報告可以匯出成 PDF 或文件。

2026 年 6 月 11 日，Perplexity 宣布 Deep Research 也進入了 Computer。報告裡每個事實性說法都帶有行內的編號引用，連到實際的來源網址，產出的結果還能接著做成簡報、儀表板或網站。需要把研究結果變成交付物時，這是比單純看報告更完整的路徑，不過它也歸在 Computer 的使用範圍裡。

Model Council 讓三個模型各答一次再整合

Model Council 把同一個問題同時交給三個模型，再由一個整合模型讀完所有輸出，產出一份答案，並指出模型之間哪裡一致、哪裡不同。它適合投資研究、複雜決策、創意發想，以及需要驗證的情境，因為多個模型的共識與分歧，本身就是一種參考。

使用方式是到首頁，點搜尋框下方的 Search 選單，選 Model Council，輸入問題送出。網頁版固定使用三個模型，預設是 Anthropic、OpenAI、Google 各一個旗艦模型，可以在搜尋框切換，每個模型也能分別開啟 Thinking。

資格上要特別留意，網頁版與 iOS 只提供給 Max 與 Enterprise Max 方案，Free、Pro 等方案在網頁版不能使用，而且網頁版每月有查詢次數上限。不過在 Computer 裡，它以技能的形式提供給所有付費方案，可以選 2 到 8 個模型，並以點數計費。

附上來源的答案仍需要自己查證

前面提到的每一種模式，共通的特色都是附上來源。但「有來源」與「答案對」是兩件事。Perplexity 把查證變得比較容易，卻沒有替使用者完成查證。

點開來源編號後核對原文的三件事

查證的第一步是把「有出處」落實成一個動作：點答案裡的編號，打開來源頁，檢查三件事。

第一，那一頁是否真的出現這個說法或數字。第二，頁面的發表與更新日期是什麼，是否過時。第三，它是原始出處，還是別人整理的二手文章。這三項是從使用方式整理出來的做法，不是 Perplexity 的指引。

舉例來說，答案寫了某項統計是 X，你點開對應的編號，如果來源頁是統計機構本身，就看數字與年份對不對得上；如果只是一篇轉述的文章，就再往上找它引用的原始報告。如果看到引用與內容對不上，可以換一個問法再問一次，或直接改用別的來源確認。

來源標籤 Government、Academic、Trusted 的意義和限制

現在部分引用旁邊會出現盾牌圖示，並帶有三種標籤之一：Government、Academic 或 Trusted。

Government 指政府機關的正式網站，Academic 指科學類網站，Trusted 則是範圍較廣的類別，指在結果中出現頻率夠高、並在自身專業領域發布資訊的網站。標籤評的是整個網站，而不是單一頁面或單一句話。評定時會檢查幾個客觀的問題，例如網站是否更正自己的錯誤、是否標明各篇的作者、是否把新聞與廣告和意見分開。

這個標籤有幾點要分清楚。Perplexity 的合作夥伴關係、付費與其他商業安排，都不影響標籤。多數網站沒有標籤，沒有標籤不代表品質差，只是尚未評定。標籤也不是對網站內容的背書，意思是「這個網站符合某些客觀條件」，不是「這一頁的這句話一定正確」。所以它可以用來快速判斷來源類型，不能拿來取代點開來源頁核對。

兩項國際研究都發現 AI 搜尋的引用會出錯

AI 搜尋的引用需要核對，不只是理論上的提醒，兩份國際研究都實際檢驗過 AI 工具引用新聞的情形。

第一份是哥倫比亞新聞評論（CJR）的 Tow Center 在 2025 年 3 月 6 日發表的測試。研究者測試 8 個生成式搜尋工具，共 1,600 次查詢：從 20 家出版商各隨機抽 10 篇文章，擷取原文段落，請工具指出文章標題、原出版商、發表日期與網址。整體來看，這些工具有超過 60% 的查詢回答不正確；其中 Perplexity 免費版有 37% 答錯。研究還發現，付費版 Perplexity Pro 答對的題數比免費版多，但錯誤率反而更高，原因是它傾向給出肯定卻錯誤的答案，而不是直接拒答。

這項測試的範圍很窄，只限於「新聞文章的出處歸屬」，而且是 2025 年 3 月的快照，不能外推成 Perplexity 整體的準確率。

第二份是歐洲廣播聯盟（EBU）在 2025 年 10 月發表的〈News Integrity in AI Assistants〉。研究由 22 個公共媒體機構參與，涵蓋 18 個國家與 14 種語言，由記者評估超過 3,000 則 ChatGPT、Copilot、Gemini 與 Perplexity 的回答。結果是近半數的回答至少有一項重大問題，約三分之一有嚴重的出處問題，約五分之一有重大的準確性問題，包含幻覺與過時資訊。這項研究的對象是新聞內容，上述數字是所有受測 AI 助手合計的結果，不是針對某一個工具。

兩份研究放在一起，指向同一件事：不論用哪一種 AI 搜尋，引用都需要自己核對。

重要資訊從追問出處到回原始網站的查證順序

遇到需要引用或要拿來做決定的資訊，可以依下面的順序查證。

先追問出處。直接問「這個數字出自哪份文件、哪一年」，因為答案是整理過的，原文的日期與限定條件在整理時常被省略。這一步能讓答案交代出處，也方便後面核對。

學術性的問題，把來源範圍切到 Academic。輸入框可以選來源類型，包含一般網頁（Web）與 Academic，後者把搜尋範圍收窄到學術類內容，適合需要研究文獻的題目。實際選單的名稱與選項，以畫面為準。

要多角度對照，就用 Model Council。它的適用情境包含驗證，多個模型的共識與分歧可以幫你找出該重點核對的地方。不過它在網頁版只開放給 Max 與 Enterprise Max 方案，其他付費方案需要在 Computer 裡使用。

最後，凡是牽涉到稅務、法規、醫療與金額的內容，一律回到主管機關或原廠的網站確認。原因在於 Perplexity 給的是整理後的答案，不是原件，標籤與引用都不能代替這一步。

由 Spaces 改名而來的 Projects 集中管理長期主題

2026 年 7 月 30 日起，Spaces 改名為 Projects。如果你是從舊教學搜到 Spaces 的操作方式，現在對應的位置就是側邊欄的 Projects。

Projects 適合需要長期處理的主題，例如追蹤某個產業的動態，或準備一份得花幾週完成的報告。把相關的對話、檔案與指令集中在一處，每次回來都不用從頭交代背景。Perplexity 宣布 Projects 開放給所有 Computer 使用者，而 Computer 需要付費訂閱，免費帳號是否能建立，以實際畫面為準。

舊 Spaces 自動轉移，不必重建

Spaces 原本是用來整理研究與內部知識的工作區。改名成 Projects 之後，原有的對話、檔案與歷史都會自動帶過去，使用者不用重新設定。

這次改動也不只是換名字。Projects 現在被定位為 Computer 中進行長期工作的中樞，每個 Project 有持久的共用檔案系統，人與代理都能對同一份檔案工作；另外還有一個會從工作中學習的 Brain。Projects 也能連接 400 多種工具與應用程式，包含 Google Drive、Notion、GitHub 等。

若只是延續舊 Spaces 的用法，也就是把對話與檔案整理在一起，改名之後的使用習慣不用改。

建立 Project 的入口與專屬指令寫法

建立 Project 的入口在左側欄，點 Projects，再點 +New project。標題上限 50 個字元，描述選填，上限 1,000 個字元，還可以選圖示與顏色。指令欄的上限是 8,000 個字元，用來告訴 Perplexity 在這個 Project 裡怎麼工作，例如偏好的回覆格式。

指令欄的價值在於，偏好只要寫一次，之後整個 Project 內的工作都會套用。以下是兩組寫法的示範：

用繁體中文回答，金額換算成新台幣，優先引用政府機關與國際組織的網站。Code language: plaintext (plaintext)

這個 Project 用來整理 AI 搜尋工具的內部分享簡報。每次回答先寫資料的日期，再列出新增的內容。Code language: plaintext (plaintext)

第一組固定了語言、幣別與來源偏好，適合大多數需要台灣在地情境的 Project。第二組則針對特定主題，指定每次的輸出格式，這樣隔週回來追蹤時，內容結構比較容易保持一致。

如果已經有一段聊得不錯的對話，不必從零開始建 Project，可以直接從既有的 session 建立，Perplexity 會依該對話建議標題、描述與指令。在 Computer 的任務中，也可以用 Convert session to project，把任務轉成 Project。

專案檔案、分享權限與 Brain 記憶

每個 Project 都有 Files 區，可以個別上傳，也可以整個資料夾一起上傳，也能加入已連接來源的檔案，這些檔案會在多次工作之間保留。依說明文件，每個 Project 最多 5,000 個檔案、總儲存 2.5 GB、單檔 100 MB，各方案的限制相同。

Project 預設是私人（Restricted），可以從右上角的成員清單或 Share 按鈕管理分享。角色有三種：Owner 擁有完全控制；Can edit 可以編輯脈絡、檔案、連接器、技能、成員、預設值與頻道；Can view 可以讀取 Project 與共享的 session 和檔案。在檔案權限上，檢視者與編輯者都看得到檔案，但只有編輯者能編輯、刪除或上傳。

Brain 是 Computer 的記憶系統，在任務之間研究 Project 的檔案與 session，再更新它所知道的內容，讓下一次任務從累積的脈絡開始，而不是每次重來。說明文件描述的是 Brain 的運作方式，並沒有提供它對工作效率影響的量化數字。

讓 Perplexity 根據上傳的檔案和圖片回答

只用文字提問時，Perplexity 的依據是網路上搜到的資料。上傳檔案之後，它還會讀取檔案內容，答案就能對照你手上的文件，而不只是通用資料。這是兩種提問方式最大的差別。

上傳的方式有兩種：從輸入框的 + 選單選上傳檔案，或是直接把檔案拖進對話。可以上傳純文字、程式碼、PDF 這類文字檔，也支援圖片、音訊與影片。單檔上限是 40 MB，注意這與 Projects 的單檔 100 MB 是兩套不同的限制。

免費、Pro 與 Max 的檔案上傳都不是無限的，各方案有每週滾動的額度，Max 的額度較高。貼上或附加的圖片，以及從 Google Drive 等連接來源附加的檔案，都計入同一個額度。說明文件沒有列出確切的次數，帳號設定裡也看不到剩餘額度，用完之後再附加檔案時，會跳出提示。

附加了檔案的對話，有些情況下會被標示成暫時對話，附加的檔案則在 session 裡保存 30 天。上傳前要先想一下，檔案裡有沒有個人或機密資料，需要保留的內容也別只靠 Perplexity 存放。

一個合理的做法，是上傳一份公開的政府統計 PDF，問兩個具體的問題，例如某一年的數字是多少、不同類別的比例差多少，然後把答案與 PDF 原文逐項對照。這個做法延續的是前面查證的習慣，確認答案寫的確實是檔案裡的內容。上傳檔案雖然讓答案有了明確的依據，但讀取與整理的過程仍可能出錯，核對這一步不能省。

記憶功能與資料用於訓練的設定

使用者可以自己控制兩類資料：Perplexity 記住什麼，以及自己的資料是否用於改善模型。兩者在設定中的位置與預設值不同，而且「關閉」不等於「刪除」。

記憶可以分開開關，也能逐筆刪除

記憶的設定在 Settings 的 Memory 裡，記憶與搜尋歷史是兩個獨立的權限，可以各自開關。關掉之後，Perplexity 在之後的回答裡就不再參考它們。

需要留意的是，關閉記憶不會清除既有的記憶。要刪除，得到 Memory 裡的 Manage memories，在那裡可以搜尋、篩選，用垃圾桶圖示刪除單筆記憶，或一次清除全部。刪除之後，Perplexity 可能會保留已清除記憶的紀錄，最長 30 天，用於安全、除錯，以及避免記憶立刻重新生成。

使用隱身模式時，記憶與過往搜尋一律關閉，隱身中提的問題，永遠不會被保留或寫入記憶。所以敏感的問題改用隱身模式，比事後逐筆刪除更徹底。

AI 資料用途預設開啟，關閉後只影響新資料

另一類設定是對話資料是否用於訓練。免費、Pro 與 Max 帳號的 AI 資料用途預設是開啟的，意思是資料可能被用來改善 AI 模型。這個開關在設定頁的英文名稱是 AI data retention，部分說明文件也稱為 AI Data Usage。可以點左下角的個人頭像進入設定，到 Preferences 頁把它關掉。

關掉之後，只有關閉日期之後收集的資料不再用於訓練，先前已經收集的訓練資料無法刪除或移除。關閉也不影響核心功能，不過資料仍可能為了服務運作、法遵與產品改善而被處理，所以它不是「資料完全不留」的意思。Enterprise 方案的資料永遠不用於 AI 訓練。

這兩項設定有個共通點，越早調整，涵蓋的資料越多。如果打算把 Perplexity 當日常工具，建議一開始就把這兩個設定檢查一遍。

Perplexity 免費帳號的範圍與付費方案新增的功能

免費帳號與付費方案的差別，從結構上看，主要是用量與功能的範圍。以下依 2026 年 8 月底的 Perplexity 方案頁整理，額度的確切次數會隨時調整，以方案頁當下的說明為準。

再看前面提過的幾項功能，Research 在免費方案有次數限制，Pro 與 Max 的額度較高。Model Council 在網頁版與 iOS 只提供給 Max，在 Computer 裡則是所有付費方案都能用。Computer 與 Create files and apps 都列在 Pro 以上，Projects 則開放給所有 Computer 使用者。

不論選哪一種方案，Perplexity 都把「附上來源」當成答案的預設格式，但來源只讓核對變得容易，核對仍得自己動手。下一次用它查資料時，可以挑一個自己本來就熟悉的主題，點開幾個編號，看來源頁有沒有講出同一句話。幾次下來，哪些類型的問題它整理得可靠、哪些要再三確認，自然就有底了。