perplexity-research

name	perplexity-research
description	基于 Perplexity (通过 OpenRouter) 进行网络深度调研和实时搜索。支持快速搜索 (sonar-pro-search) 和深度研究 (sonar-deep-research) 两种模式，灵活切换。
allowed-tools	Bash(python:*), Read, Write, Glob
model	sonnet

Perplexity 调研工具

通过 OpenRouter 调用 Perplexity 模型，进行实时网络搜索和深度调研分析。

模型说明

模型	ID	适用场景	特点
快速搜索	perplexity/sonar-pro-search	简单问题、事实查询、快速验证	响应快、成本低
深度研究	perplexity/sonar-deep-research	复杂调研、多角度分析、综合报告	更全面、带引用

快速开始

基础用法

cd /Users/liuyishou/.claude/skills/perplexity-research/scripts

# 快速搜索（默认）
python perplexity_research.py --query "2024年AI领域最重要的突破是什么"

# 深度研究
python perplexity_research.py --query "分析 Claude 和 GPT-4o 的技术差异" --deep

# 指定语言
python perplexity_research.py --query "What is MCP in Claude" --lang en

保存结果

# 保存为 Markdown
python perplexity_research.py --query "..." --output report.md

# 保存完整 JSON 响应
python perplexity_research.py --query "..." --output-json response.json

使用场景

1. 事实核查

python perplexity_research.py --query "DeepSeek R1的参数规模是多少"

2. 技术调研

python perplexity_research.py --query "2024年最流行的向量数据库对比" --deep

3. 市场分析

python perplexity_research.py --query "AI编程助手市场格局分析" --deep --lang zh

4. 竞品研究

python perplexity_research.py --query "Cursor vs Windsurf vs Claude Code 功能对比" --deep

5. 趋势追踪

python perplexity_research.py --query "2024年生成式AI的主要趋势"

参数说明

参数	说明	默认值
--query	调研问题（必填）	-
--deep	使用深度研究模式	False (使用快速搜索)
--model	手动指定模型	自动选择
--lang	输出语言 (zh/en)	zh
--output	保存结果到 Markdown 文件	-
--output-json	保存完整 JSON 响应	-
--temperature	采样温度	0.2
--max-tokens	最大输出 token	4096

工作流建议

Step 1: 确定调研类型

询问用户：

• 问题类型：事实查询 / 对比分析 / 深度调研
• 输出语言：中文 / 英文
• 深度要求：快速回答 / 详细报告

Step 2: 选择模式

场景	推荐模式	原因
简单事实查询	快速搜索	响应快、够用
数据验证	快速搜索	效率优先
技术对比	深度研究	需要多角度
市场分析	深度研究	需要综合
投资调研	深度研究	需要引用

Step 3: 执行调研

cd /Users/liuyishou/.claude/skills/perplexity-research/scripts

# 根据场景选择
python perplexity_research.py --query "..." [--deep] [--lang zh]

Step 4: 整理输出

根据用户需求格式化结果：

• 直接输出回答
• 整理为结构化报告
• 提取关键信息

输出格式

默认输出

直接输出模型回答，包含引用来源（如有）

Markdown 报告

# 调研报告: [问题]

## 摘要
[核心发现]

## 详细分析
[模型回答]

## 来源
[引用列表]

---
模型: perplexity/sonar-deep-research
时间: 2024-01-26

与其他调研 skill 的区别

Skill	数据源	适用场景
perplexity-research	全网实时搜索	事实查询、技术调研、市场分析
research-by-reddit	Reddit 社区	用户痛点、舆情、情绪分析
pain-point-research	Reddit 深度	产品机会、竞品分析

依赖

pip install requests python-dotenv

环境配置

需要 OPENROUTER_API_KEY，已在全局 CLAUDE.md 中配置。

使用示例

示例1: 快速问答

用户：DeepSeek R1 是什么时候发布的？

Claude：
[调用 perplexity/sonar-pro-search]
DeepSeek R1 于 2024 年 11 月发布...

示例2: 深度调研

用户：帮我调研一下 AI 编程助手的市场现状

Claude：
[调用 perplexity/sonar-deep-research]
生成《AI 编程助手市场调研报告》

示例3: 技术对比

用户：Claude MCP 和 OpenAI Function Calling 有什么区别

Claude：
[调用 perplexity/sonar-deep-research --deep]
生成技术对比分析...

注意事项

1. 实时性：Perplexity 可搜索最新网页，适合时效性强的问题
2. 引用来源：深度研究模式会返回引用，便于验证
3. 成本考虑：深度研究成本较高，简单问题用快速搜索即可
4. 语言支持：中英文都支持，可通过 --lang 指定输出语言