Perplexity要艰辛企业RAG？

昨天晚上查贵府，由于国内AI搜索无法执取到外部信息，我只可用Perplexity。这时，发现APP中新增一个功能，叫Spaces。

出于趣味，点进去看了一下，和Spaces一皆推出的还有一个新功能，叫里面学问搜索。

什么是里面学问搜索？什么是Spaces？这个产物怎样使用？它有哪些特质？难谈Perplexity找到了告白除外的新贸易格局？

带着种种猜疑，熬夜看完官方先容文档，并体验一番，当今把心得回来分享给你。

01

Spaces 华文名字叫「空间」，它位于 Perplexity 的 APP 的左侧，像宽绰一样，放在发现功能的底下。

官方先容说：Spaces 是一个故意为团队和洽联想的功能，主要提供一个「东谈主工智能驱动的和洽平台」，这个功能允许用户创建定制的空间，来得志团队的特定需求。

在空间里，你不错邀请共事和一又友，一皆分享文献，还不错使用包括偏好成就在内的东谈主工智能模子，来定制助手的回话姿色。

粗拙讲，这个空间主要特质有三个：

一，自界说 AI 助理。你不错设定空间内设定AI助理的指示；比如，界说它应该更专注于回答哪些话题，以及回答的深度。二，通过空间把里面文献与空间贯串起来，团队成员就能通俗地打听和分享信息。还能与团队和洽，让共事们一皆处理某个文献、或者问题、致使生成评释，提高效能。三，秘密贵府的保护。你我方不错放胆谁不错看到这些文献，天然，Perplexity 保证不会用你的数据来查考 AI。

注：（Perplexity在空间在发现底下）

看完后，我下意志认为：

本来在Perplexity中，只好一个“历史纪录的对话”框；通过历史对话，能把文本生成网页分享出去，当今，它只不外新增一个地点，不错用来处理深度问题或企业场景下的问题和文献，扫数文献和问题都保存在其中，通俗二次复用。

会通归会通，好多东西手上体验后才知谈到底是什么，于是，速即使用了一下，创建空间挺粗拙，有四步走：

一，输入一个名字，选个头像；二，写个描写，在描写里，写上跟团队和洽神气的名字，就像设定一个主题。

三，聘用要用的 AI 大模子，如果不是 PRO 会员，模子是默许成就。四，给 AI 成就自界说指示，这一步决定了你想要输出更结构化少许，如故更接近天然谈话。

创建完后，我唾手从桌面上传一册最近在读的书：《利润：莫得公司会因为盈利而歇业》（True Profit! No Company Ever Went Broke Turning a Profit)。

这本书由赫尔曼·西蒙（Hermann Simon）撰写，主要计划利润在企业糊口和发展中的遑急性，不外，是纯英文，华文刚出书还莫得电子版，是以，索性给到它，让他帮我学习下，再生成一个评释。

上传后，我发现它多一个新功能，不错聘用谜底的起头。也即是说，我不错聘用在网上搜索，也能在空间内的文献中查找。

这让我猜度了Kimi Chat的对话框，何处也不错上传文献进行回来，还能进行外部搜索。

注：（Perplexity空间内提供网罗+空间内文献搜索）

我先测试了一下空间搜索，问了它第一个问题：你能为我作念什么？它回答说它是一个东谈主工助手，不错帮我解答问题，协助完成多样任务，还不错作念我的对话伙伴。

接着我又问：

这本书的第一部分，第一章写了什么？它像传统的AI回来器具一样，先容了书中利润的想法和界说。

还提到不同的利润类型，比如EAT（税后收益）、EBT（税前收益）、EBIT（息税前利润）、EBITDA（息税折旧摊销前利润）等，中枢内容都是围绕第一章伸开的。

不外，这种回答不够盼愿，因为我不心爱结构化抒发，个东谈主认为结构化会把多样流程性内容删减掉。

于是，我又陆续问它，我说：不要结构化回答，聊聊第一部分，第二章写了什么？它说：

这部分主要计划了寻找利润的流程，作家指出东谈主们不时高估企业的利润水平；然后举了一些案例，计划了老本讲述率这个遑急诡计。

作家通过比较和分析，揭示了影响企业利润的多样成分，诱导读者想考如安在履行中提高企业的盈利材干。此次的回答还算快意。

02

体验完回来两点：当先，比较 ChatGPT o1-preview，它不错上传文献，让我与文献对话、进行回来，并把回来后的贵府保存下来，生成评释，致使发布著述，这些 o1-preview 作念不到的。

o1-preview 主如若在面板上操作，诚然我也不错上传文献给它读，但扫数这个词流程不太分解；另外，我还没测试它的和洽功能，不外据我所知，o1-preview 莫得这个功能的。

其次，与国内的产物 Kimi Chat 比较，用Kimi唯独的间隙在于如果上传一册书、一个PDF后，就无法联网了，只可在聊天框内针对一个文献进行搜索，这很不通俗。

Perplexity 惩处了这个问题，它径直给出两个选项，一，让AI搜索跟文献对话、二，从外部搜索；无论是里面对话的内容，如故外部搜索的贵府，我都放在面板上。

换句话说：

Perplexity 把我方材干会通成一个多功能的器具。

器具以搜索为基础，提供了一个存储空间，在空间内，用户既不错联网搜索，也不错上传文献进行对话，还能与共事协同职责。

看来，Perplexity 正在尝试将其产物材干联结起来，迟缓插足和洽空间，或者运行为小团队提供作事。

我很趣味，为什么要作念这个材干，如斯缝合怪的组合，背后动机是什么？他们产物认真东谈主怎样想考的？

于是，查了一下联系信息发现，Perplexity 的企业产物阁下 Frank te Pas 在摄取科技媒体 VentureBeat 的采访时提到一个遑急需求。

什么需求呢？

粗拙来说，怎样更好地把外部学问和里面学问联结起来，匡助企业提高信息效能。

举个例子：昔时写评释时，要找外部信息，作念里面观看，还要和好多东谈主一皆合作，扫数这个词流程相等清苦。

当今，有了外部搜索、里面搜索和和洽功能，你不错很通俗地找到外部信息，把里面文献上传到 Perplexity 的团队空间，然后邀请团队成员一皆完成评释。

这么不仅省了时期，还提高了职责的准确度和质地。

03

Frank te Pas答允，我会通明认为：

学问分为外部学问和里面学问，外部学问是指网上公开的内容，而里面学问是公司或团队的 PDF、Excel 表格、Word 文档等。

用户不仅但愿搜索互联网上的群众内容，也但愿查找公司里面的文献和学问库，并把两者联结起来进行高效处理，咱们为此打造了一个空间，把这些资源整合在一皆。

从里面来看，这么不错专注于处理最遑急、有价值的数据，幸免糜费时期在毋庸要或廉价值的文献上；从外部来看，搜索的信息不错与里面内容联结，提供更全面的谜底。

好多客户暗示，他们更想搏斗对我方信得过有效的信息，这让他们的数据变得愈加可贵。

外部学问对用户的骨子期骗匡助可能有限，用户更但愿通过搜索功能，来构建和丰富我方的专属学问库，这个学问库不错是针对某个主题或神气的计划。

通过上传不同的文档，把外部学问和里面学问联结起来，不错大大提高信息处理的效能。Perplexity AI 的聚积独创东谈主 Srinivas 在一篇博客中也提到了这少许。

他说：

昔时使用里面和外部信息是两个独处的流程，一个用于搜索互联网，另一个用于打听里面文档和数据；当今，如果能够在一个详细平台上完成扫数计划，无论是里面如故外部的数据源，都不错大大普及企业的出产力。

我认为，这个主张和 GPT-4.0 with Canvas有相似之处。

04

GPT-4.0 with Canvas 惩处了 Copilot 的问题，Copilot 是一个智能助手，不错襄理完成多样任务，裁减职责包袱， Canvas 提供一个空间和面板，用户不错在面板上完成扫数职责。

而 Perplexity 的空间在成随即，就提供了 AI 模子和自界说指示，也即是说，这个小助手会按照你的条件来职责。

雷同手脚空间，GPT-4.0 with Canvas 的空间可能在完成任务后就不再使用，更介意个东谈主体验。

而 Perplexity 的空间不仅介意个东谈主体验，还能与外部和洽，不同之处在于，Canvas 不错解放创作，而 Perplexity 的空间莫得面板功能，解放度相对较低。

是以，从产物需求角度动身，他们都发现了用户需要一个能够联结外部和里面信息的空间（平台、或是面板），以此更高效的完成职责。

那么，这个产物目下有哪些企业在使用呢？

我查了一下，官方指出，从 2024 年 10 月 17 日运行，Perplexity 运行向 Nvidia、Databricks（大数据分析公司）、Dell（时刻惩处决议公司）、Bridgewater（对冲基金公司公司）、Latham & Watkins（国际讼师事务所）、Fortune （媒体公司）和 Lambda（线上编程数据科学教师的公司）等客户敞开这一功能。

早期测试阶段，客户使用里面搜索功能联结计划札记和网罗新闻来进行守法观看，还会联结旧的销售材料和最新的观点来准备提案。

Perplexity 还会标注数据起头，让用户知谈信息是来自网站如故上传的文献，通俗后续的深切计划，粗拙来说，这些企业主要用它来进行信息整合和和洽。

在我看来，诚然 Perplexity 目卑鄙量很大，但在新业务开荒和客户聘用方面，还需要进一步评估。说白了，这个产物就怕相宜大企业，更相宜作念“调研”的第三方公司。

国际产物、生态竞争卷的进度相等高，况且相等老到，像Glean 和 Elastic从旧年运行，就在作念这件事，这意味着，Perplexity要和他们直面竞争。

注：（Glean是智能搜索和信息发现平台，Elastic 是匡助企业从外部赢得信息，然后分析后，再用到骨子场景中）。

那么，国内AI搜索产物走企业级 RAG可行吗？

所谓 RAG，是从外部检索联系学问，将其手脚辅导输入大型谈话模子（LLMs），然后用于问答、文本回来和内容生成，并期骗于骨子职责中。

目下，大大批中小企业依靠钉钉、飞书等协同软件来完了信息化，这些平台方也在积极匡助企业完成信息化升级。

比如：

前段时期钉钉推出了端内搜索功能，让用户不错径直搜索文献和聊天纪录，致使在搜索后自动生成回来，这彰着在匡助企业向 RAG（检索增强生成）标的发展。

但也不成说皆备没需求，毕竟好多期骗场景是具体的。

访佛作念评释，如果你想在钉钉、飞书上作念一份评释，确乎需要破耗一定的时期成本，况且和洽效能就怕盼愿。

比较之下，我也看到一些 AI 搜索产物尝试插足“商场计划”规模，比如秘塔 AI，但嗅觉标的不太对，似乎莫得信得过把和洽、搜索、再生成的功能敞开给用户，是而更多地研讨我方怎样完了完了贸易化。

我认为，当今照旧插足了“皆备协同”的时期，不成单兵作战了。

提到贸易化，好多东谈主把 AI 搜索和生态绑定在一皆，认为搜索是其中一个措施，如果换个角度，从 AI 搜索单一产物来想考，我认为这是一种新的想维姿色。

在其他新闻中，Perplexity AI 怎样盈利，一直是大家存眷的焦点，同期，它还濒临着与媒体公司版权的问题，一些媒体公司致使明确暗示不允许 Perplexity 执取其内容用于查考。

这些种种问题，使得它不得以「搜索为最先」，莫得任何依靠的探索告白不测的贸易格局；而“空间 + 协同 + 搜索”的组合，何尝不是一种新的尝试呢？

大致，这也为国内 AI 搜索提供一个新的样本启发。

回来

RAG就怕是好生意，然则一种探索。

探索手脚最先，总能挖掘到增量部分，当今作念产物过了大流量时期，为特定群体提供作事，也许是改日标的。