同样都在用AI，为什么有人只拿到一段文字，有人却直接拿到能寄给客户的成品？这个差距，并不源于模型能力的优劣，而在于使用者把工具当作“对话视窗”，还是当作一套“可指挥、可排程的执行系统”。
以Perplexity Computer为代表的新型工具，将“任务”而非“提问”定义为核心互动单位。从合约审核、竞品研究，到资料整理与报告输出，使用者不再描述自己的疑问，而是直接定义最终交付物。搭配企业工具整合、个人背景固化与风格范例上传，这套能力从一次性输出，进化为可重复呼叫、持续自动执行的工作流程。
10分钟搭建：从问问题到派任务
第一步：接好工具。点进侧边栏的connectors，Perplexity支援串接逾400个应用程序：Gmail、Google Drive��Slack、Salesforce、Notion、SharePoint……把你日常实际在用的都连上。
第二步：让它认识你。输入一次即可：“我担任某职位，在某类型公司工作。我定期需要产出X、Y、Z这些内容。请在每次会话中保留这些背景资讯。”这些资料会被长期记忆。
第三步：给它基准。找出2–3件你最满意的成品，上传后输入：“这些是我过去最好的工作样本。请拆解它们的格式与语气，日后生成内容时以此为准。”这样它就不是在凭空猜测你的偏好，而是在反解析你已验证的成功模式。
10分钟，先把这件事做完。
真实场景：90分钟的周一早晨变成4分钟
一位金融分析师每周一都会收到一份资料汇出档：150行，格式紊乱——重复条目、三种日期格式混用、评等以文字而非数字呈现。每次开始分析前，她都得先花90分钟手动清理。同样的问题，周复一周。
她只下了一条指令：清理这份档案，去除重复项，统一日期格式，将文字评等转换为数字栏位；在清理后的资料上执行分析；生成附筛选功能的互动式仪表板并附分享连结；输出一份对照清理前后差异的PDF报告；所有档案存入Drive的“周一报告”资料夹。
4分钟后：干净的资料集、互动式仪表板、分享连结、PDF报告——全数出现在她的Drive里。她接着追问了一句：“有没有我尚未提到、但能让这件事更有价值的改进方向？”系统给出两项建议：一、将此项任务设为每周一早上7点自动触发；二、新增一个流程，根据表现落后的板块，自动生成周二的简报。她全部启动，关掉页面。此后每个周一，系统都会自动执行——无论她的电脑是否开着。
现场实测：它主动发送冷邮件，甚至建议后续动作
@gregisenberg在播客中进行现场实测。他只给出一项任务：找出在竞品播客投放广告的品牌，辨识真正负责赞助决策的人，并为每位对象撰写一封个人化冷邮件。系统锁定了Ramp的成长副总裁，调取了他两周前参与的一集播客内容，撰出一封冷邮件，引用了他在节目中的具体发言，然后直接传送。Greg并未下达“传送”指令——系统判断任务已完成后自行执行。随后它主动建议：持续监控竞品播客，一旦侦测到新品牌开始投放广告，立即发出提醒并附上对应联络人资讯——在预算刚启动的窗口期切入。最终，这套流程同步完成了96位潜在客户的调查，并排定了第3天与第7天的后续跟进邮件。
在Marketing Against the Grain节目中，团队用它稽核了整个HubSpot产品页面：系统自动爬取全站、依自订标准评分、排序问题清单，并输出一份可分享的网站健诊报告。原本需要整整一周的工作量，在节目录制过程中就完成了。
不同职能的用法：金融、法律、行销、运营
金融领域：一位投资组合分析师在辉达财报公布前只下了一条指令。回传的结果是：一个即时互动式仪表板，涵盖1,305亿美元营收、75%毛利率、114.2%年增率、完整损益表，以及从2021财年延伸至2028年预测的利润率趋势——全部支援筛选与分享连结。没有Excel，不需手动找资料，5分钟完成。Perplexity可直接呼叫SEC揭露资料、FactSet、标普全球、PitchBook等资料来源——无需API金钥，也无需额外授权。
法律场景：审核合约。一位审阅人员上传了一份提案，其中声称某市场年增43%。Perplexity Computer查核后发现实际数字仅为4%，在合约签署前就拦截了这个问题。
行销场景：分析竞品过去30天表现最佳的内容，归纳互动率最高的内容形式与主题，找出尚未被覆盖的内容空白，并根据这些空白生成一份30天内容日历，存为Google Doc。设为定时任务后，每周一自动产出最新竞品分析，无需任何人工调查。
运营场景：上传Q1的CSV资料。一条指令：清洗资料；按区域与产品线拆分收入；标出三大核心问题；生成一页式行动建议；制作一页汇报用PPT；所有档案存入专案资料夹。五项交付物，你在开会的时候，它已经全部跑完了。
模型评审（Model Council）：面对一个真实决策时，只需输入一次问题。Perplexity会同步呼叫Claude、ChatGPT与Gemini，再由一个“整合器”梳理三者的共识与分歧。有人询问产品定价应选$297还是$497。三个模型各给出不同答案，但整合器识别出唯一的共同结论：不要定价低于$297。决策至此落定。许多公司会付费请顾问公司把分析师关进会议室才能得出这样的结论。这里，一条指令就够。
真正决定效果的核心能力，80%取决于你能否清楚描述“最终产出是什么”。不是技术设定的问题。每次任务完成后记得补上一句：“有没有我没想到，但能让这个结果更有用的方向？”它几乎每次都能点出你的盲区。
开启Perplexity（Pro版每月$20）。进入Computer页面，接上Gmail与Google Drive。输���三句背景说明（一次即可）。上传2–3件你最好的成品。接着挑一项你上周耗费超过2小时、且每次产出都大同小异的任务，用“最终交付物”的框架描述它，送出。若是重复性任务，在关闭页面前设定自动排程。开发人员已经用这套方法跑了一整年。他们与其他人的产出落差，是真实存在的。而这就是缩短这道差距的入口。