什麼是Perplexity Labs？
Perplexity Labs是Perplexity AI於2025年5月29日正式推出的新功能， 其標誌著AI工具從單純的搜尋助手進化為「能夠自主執行複雜專案」的智慧工作夥伴。
官方指出，與傳統的Perplexity搜尋功能相比，Labs專門設計用來處理更長時間、多步驟且跨領域的專案，因此依據不同專案，執行時間可能超過10分鐘。
白話來說， 如果說Perplexity猶如一台「24小時待命的答案機器」，那麼使用Labs就像擁有一整個專業團隊，它能將您的構想轉化為實際可交付的成果，從市場研究報告到互動式網頁應用程式，都可以應對。
至於Perplexity Labs跟其他模式的差異則如下：
Perplexity 三種模式比較
| 模式 | 功能特性 | 適用場景 |
|---|---|---|
| Search（搜尋） | 快速取得單一答案，支援即時網頁抓取 | 日常資訊查詢、短期問題解決 |
| Research（研究） | 深入探討主題、整理來源、形成分析結論 | 學術研究、報告撰寫、業界分析 |
| Labs（實驗室） | 從問題定義到實際產出，支援程式與視覺化工具 | 專案開發、資料整合、互動式成果展示 |
Perplexity Labs有哪些核心技術？
具體來說Perplexity Labs採用先進的多代理系統（Multi-Agent System）架構，內部由多個具備明確職責的AI子代理組成：
- 任務規劃代理 ：負責分解複雜任務並制定執行計畫
- 網路搜尋代理 ：執行深度網頁瀏覽和資訊檢索
- 程式碼生成代理 ：撰寫和執行Python、SQL、JavaScript等程式碼
- 資料視覺化代理 ：創建圖表、儀表板和視覺化內容
- 報告整合代理： 彙整所有結果並產出最終成果
這種分工協作的架構能夠模擬一個由多位專業成員組成的數位團隊，從使用者輸入提示到完成整個專案，皆能自動處理並交付成果。
重要功能特色
1.深度研究與資料整合
Labs整合深度網路搜尋，可發出數十次查詢，閱讀數百個來自平台、機構與學術資料庫的原始內容。涵蓋產業報告、技術文檔、學術論文、市場調查與官方資訊等，並自動匯整成可行性報告。
2.程式碼生成與執行
Labs具備撰寫與執行多種程式語言的能力，包括Python、SQL、JavaScript等。能即時運行代碼以執行資料分析、圖表視覺化、模型建構或Web應用開發。
3.多元內容輸出
Labs可以產出多種格式的專業內容：
- 圖文並茂的研究報告與提案書
- 分析用電子表格（支援Google Sheets整合）
- 財務與行銷儀表板（Dashboard）
- 簡易Web應用程式（如預算追蹤器）
- HTML/CSS/JS程式碼模組
- 從網路獲取或自動生成的圖像與插圖
關於Perplexity Labs的應用方式，官方也釋出Project Gallery展示各種範例。
如何使用Perplexity Labs？
Perplexity Labs目前僅開放給Perplexity Pro（每月20美元/一個月50次）與Enterprise Pro（每月40美元/未明確限制次數）用戶使用，免費用戶無法存取此功能。至於平台方面，目前支援使用者透握Web介面、iOS應用程式使用。
操作步驟
1.進入Labs模式 ：在Perplexity網站或App的輸入框中，選擇「Labs」模式。
2.設定搜尋來源 ：若有必要，在請Labs研究前，建議將搜尋來源選項的「學術」和「Finance」打開，確保高準確度的資料生成。
3.輸入專案需求 ：用自然語言描述專案目標，例如：
「我需要一份關於電動車市場的競爭分析報告」
「幫我製作一個追蹤公司KPI的互動式儀表板」
「分析我的投資組合並提供優化建議」
4.等待執行 ：系統會顯示預估完成時間（通常10分鐘或更久），同時展示其檢索的來源
5.檢視成果 ：完成後可在不同分頁查看：
主要成果：完整的報告或分析結果。
App分頁：互動式應用程式（如有）。
Assets分頁：所有生成的檔案和資源。
3種使用技巧一次看
1.明確指定需求 ：越具體的描述能獲得越精準的結果。
2.善用多模態輸入 ：可上傳相關文件或圖片作為參考資料。
3.活用輸出客製化 ：可指定語言、來源年份、資料可信度等條件。
註：以下將逐一測試Perplexity Labs在不同要求下的表現。要先說明的是， 以下生成結果旨在「展示AI生成」的功能，資料準確性仍不在首要考量。
測試案例一：信用卡推薦
為了測試Perplexity Labs蒐集資訊的能力，本項測試的Prompt如下：
我想辦一張行動支付回饋較高的信用卡，請依據2025至今各家銀行發布的資訊，幫我推薦至少3張信用卡選項，並協助我比較優劣差異。生成結果如連結。
依照Perplexity Labs的生成結果，數據結構化處理能力表現在將複雜的信用卡資訊按照回饋率、支援平台、回饋上限等維度進行分類比較，創建了比較框架，幫助用戶快速理解不同產品的優劣差異；個性化建議生成功能透過針對小資族群、重度行動支付用戶、LINE Pay用戶等不同族群提供客製化推薦，算是符合預期的生成結果。
測試案例二：雲端遊戲平台未來五年的市場趨勢
此外，為了測試Perplexity Labs在指定的商業領域的分析能力，本次測試以雲端遊戲平台為例，要求分析未來趨勢走向，本項測試的Prompt如下：
請分析雲端遊戲平台的成長（包含Steam Deck的TV模式），並預測未來五年的市場趨勢。生成結果如連結。
該報告預測市場規模將從2024年的23億至97億美元，擴展至2030年的210億至1,218億美元，複合年均成長率高達33.9%至50.79%。串流服務佔據超過54%的市場份額，而檔案串流服務將實現超過45%的最高成長率。
報告指出，這種顯著的差異反映了市場的高度動態性和不確定性，但所有預測都指向同一個方向：雲端遊戲將成為未來遊戲產業的主要驅動力。市場成長主要受到高速網路普及、5G技術部署、以及遊戲硬體成本高昂等因素推動。
測試案例三：台股交易量儀表板
最後，為了測試Perplexity Labs整合股市資訊的能力，本次測試的Prompt如下：
以台灣證券交易所資料為準，製作「成交量前二十名證券」的互動式儀表板
。其生成結果如連結。
基於台灣證券交易所2025年6月23日數據，Perplexity Labs成功開發了一個功能完整的互動式儀表板，具體包含統計概覽、互動式表格、篩選功能、搜尋功能及多種視覺化圖表的完整儀表板系統，以分析成交量前二十名證券。
值得注意的是，為了強化該儀表板的沿用性，在告知AI更新一個「更新按鈕」後，Perplexity Labs再花了約莫10分鐘新增更新按鈕，顯見該功能的局部迭代功能較不理想，因此建議指令需要具體且盡量全面。
結論：強化版的深度研究，一次到位的Prompt能最大化成效
經過三種題型的測試後， 對於非專業用戶的使用者而言，Perplexity Labs類似「強化版的深度研究」功能，差異在於近用公開資料製表的主動性更高，同時爬取的資料更多、也更準確。 舉例而言，信用卡比較的實測，若把相同的指令利用「研究」來運行，得到的結果大相逕庭。
首先，「研究」所生成的結果並未充分比較市面上的信用卡回饋%數及權益細項，而是找到回饋%數的最大值後，就將該卡片列為最強的行動支付卡片，例如標榜回饋高達20％以上，但金額上限偏低的信用卡。
這個結果顯示，在「研究」底下的AI缺乏對複雜卡片權益得深度理解；反觀Perplexity Labs，就有明確列出回饋％數的數據。
此外，Perplexity Labs的確擁有不俗的製表及寫程式碼能力。 跟其他AI比起來，在有精確資料來源的前提下，Perplexity Labs的資料結構化能力是其的強項，擅長將冗長資料整理成容易消化、轉化成報告的呈現格式。
必須要說的是， 如果指示過於模糊，例如在未指定資料來源的前提下，要求Perplexity Labs整理台股Top20交易量標的，並整理成互動式儀表板，就有遇到資料錯誤的情況。
總結來說，Perplexity Labs也許在繁體中文的環境下運作效能會不如英文環境， 因此對於繁體中文使用者而言，建議盡量先蒐集可信的資料並提供給AI，會得到更理想的成果。
除此之外，在Perplexity Labs模式下，所有的指定都會消耗每月的諮詢次數，因此若是要生成相對複雜的互動頁面，可以先把功能規劃想清楚後，一次性的添加到Prompt裡，會是效率更好的作法。
延伸閱讀：蘋果為何想併購Perplexity？背後藏5大考量：砸逾4150億元吃下AI搜尋黑馬，值得嗎？
Perplexity教學｜讓資料搜尋更簡單的AI！免費版Perplexity怎麼用？4大優點、中文設定一次看
本文不授權轉載
