Perplexity把20个AI塞进一个对话框

AI工具圈有个潜规则：演示越惊艳，落地越拉胯。我见过太多"下一代助手"在PPT里呼风唤雨，真用起来连订个外卖都要手把手教。但过去三周，我每天把Perplexity Computer当同事用，它可能是第一个没让我骂街的agentic AI。

这话从我嘴里说出来有点讽刺。几个月前我还在吐槽Perplexity越来越水，搜索结果里塞满Reddit搬运工。Computer功能上线后，我抱着"再信一次"的心态试了一把，结果直接住进去了。

它不像助手，像招了个实习生

传统AI助手的问题在于：它永远站在你旁边指点江山，从不肯自己动手。你想查个数据，它给你写搜索关键词；你想写代码，它给你贴模板。Perplexity Computer的区别是——它会直接打开浏览器、跑Python、调API，把结果拍在桌上。

举个例子。上周我需要对比三家云厂商的GPU实例价格，放在以前，我得自己翻文档、建表格、算性价比。这次我只丢了一句话："整理AWS、GCP、Azure的A100/H100按需价格，按每美元算力排序"。

十分钟后，它返回了一张带公式的Excel。不是链接，不是步骤，是文件。中间过程我全程围观：它先开了三个标签页抓 pricing 页面，发现AWS藏了分层折扣，又退回去重算，最后把隐藏费用也扒了出来。

这种"你看着办"的交互，比任何"我来帮你"都舒服。就像招了个靠谱的实习生：交代清楚需求，定时汇报进度，出事能喊停。

20个模型打配合，而不是一个模型硬撑

Perplexity Computer最狠的设计是不绑死单一模型。它后台接了20多个大模型，任务来了现组队。

核心调度用的是Anthropic Opus 4.6，负责拆解需求和兜底。但具体执行时，它会把子任务派给专精选手：写代码扔给Claude，深度检索换Gemini，生图调Nano Banana，连轻量闲聊都指定了Grok。

这套"模型即服务"的架构，解决了agentic AI的老大难问题——没有全能选手，但可以有全能团队。之前用某厂的"智能体"，让它同时处理代码+搜索+可视化，结果一个任务崩了全盘重来。Computer的做法是隔离故障：图像生成卡住了，文字部分照跑，最后把能用的先交上来。

我特意测试了它的故障恢复。一次让它抓取某学术数据库的论文摘要，网站突然弹了验证码。它没有傻等或报错，而是切到另一个镜像源，同时标记"原站点可能有反爬，已换备用方案"。这种临场应变，比很多真人同事都强。

它终于理解了"异步"是什么意思

真正让我上瘾的，是Computer的离线工作能力。

以前用AI助手有个隐形负担：你得盯着。它生成的时候你等着，它报错的时候你看着，它跑循环的时候你怕它把API刷爆。Computer支持"提交后离开"——任务丢进去，关电脑走人，完事了推送到手机。

有天睡前我扔了个复杂需求：分析某开源项目的commit历史，找出重构最频繁的模块，并可视化代码行数变化。这种任务在传统工具里能跑半小时，还得防着token超限。第二天醒来，手机上躺着完整的HTML报告，附带交互式图表和一段说明："发现2019年Q3有大规模重构，建议关注该时段引入的技术债"。

这种"睡醒收作业"的体验，才是agentic AI该有的样子。不是陪你加班，而是替你加班。

但别急着卸载其他工具

说点实在的。Computer不是万能药，它的边界我摸了三周才摸清。

首先，它贵。重度使用下来，月度成本够买两顿火锅。Perplexity的定价策略明显偏向"企业买单"，个人用户得掂量。其次，复杂任务的成功率大概七成——剩下三成会卡在奇怪的地方，比如某个网站的动态加载它识别不了，或者多步骤任务中途换了语境导致理解偏差。

最麻烦的是审核机制。有几次涉及敏感数据的处理，它主动暂停要求确认，这本身是好事，但确认流程设计得有点僵硬，打断感很强。

还有个隐性成本：学习怎么提需求。Computer给自由度，但也要求你把意图拆清楚。初期我有一半时间在跟它"对齐"，后来才摸索出"背景+目标+约束+输出格式"的四段式 prompt 结构。

Perplexity创始人Aravind Srinivas去年说过一句话：「搜索的终局不是给你答案，是替你完成。」Computer算是把这个愿景落地了一半。它还没法帮我回邮件、订机票、管日历——那些真正"个人助理"的脏活累活。但在"研究-分析-产出"这个链条上，它已经是目前最接近承诺的工具。

有个细节让我印象很深。有天我让Computer整理一份竞品分析，它主动在报告末尾加了一节："以下信息源超过6个月未更新，建议二次核实"。没有我提醒，没有系统强制，纯粹是调度模型时的自检逻辑。

这种"知道自己不知道"的克制，在AI产品里太稀缺了。所以当它说"这个任务我搞不定"的时候，我反而更信任它。

如果agentic AI是未来，我们现在处于哪个阶段？是刚刚跨过"能用的门槛"，还是仍在"好看的demo"里打转？你最近一次让AI真正"动手"而不是"动嘴"完成任务，是什么时候？