把研究整理成“活的合集”，而不是静态书签

书签是静态的；Collections 则是活的文档。Perplexity Collections 让你把整条研究线索--而不仅仅是链接--保存到按项目或主题整理的文件中。关键区别在于：当你在数周后重新打开保存的线索时，你可以提出新的后续问题，而 AI 会保留那条特定研究脉络的全部上下文。你不是从头开始，而是在继续推进。

设置很简单。前往 Spaces（Perplexity 的侧边栏功能），为每个研究项目创建一个新的 Space。给它一个具体的名称--“论文：AI 对劳动力市场的影响”要比“AI 研究”更好。为这个 Space 添加自定义 AI 指令，使其中的每次搜索都遵循你的研究纪律。对于学术工作，这可能包括：“将来源限制在同行评审期刊和学术预印本。标出相互矛盾的发现。提供可点击以便核实的引文。”

当你把一条研究线索保存到 Collection 时，你保存的不只是答案，而是整段对话。两周后打开那个 Collection，与其阅读旧结果，不如直接问：“把这一发现与我们此前关于行业特定影响的研究发现作比较。”Perplexity 会记住完整的研究脉络，并在你保存的各条线索之间进行综合。

具体例子：一位研究医疗 AI 监管的政策研究者把关于联邦指南、州级试验和行业反应的线索保存进同一个 Collection。当新法规出台时，他们打开该 Collection 并问道：“这与我们 9 月 15 日讨论的草案有何异同？”Perplexity 立刻把新信息与他们过去的具体研究关联起来--无需在截图或旧笔记中翻找。

这会把研究从一系列孤立的 Google Scholar 检索转变为持续积累的知识库。而且这种积累会复利增长：每一条保存的线索都建立在上一条之上，AI 也会随着时间推移，越来越了解你项目的范围、缺口和盲点。