и вне дискурса “Задание…” (см. название топика).
Perplexity Pro в браузере Comet: Полный анализ для трёх уровней аудитории
ВВЕДЕНИЕ: От простого к сложному
Перед вами находится комплексный анализ инструментов Perplexity Pro, доступных в браузере Comet. Отчёт структурирован так, чтобы быть полезным независимо от вашего текущего уровня владения AI-инструментами. Каждый раздел начинается с базовых концепций (для новичка-новичка), затем переходит к сравнительному анализу (для опытного пользователя других платформ) и завершается техническими деталями (для специалистов в RAG-системах).
ЧАСТЬ 1: ФУНДАМЕНТАЛЬНЫЕ КОНЦЕПЦИИ
1.1 Что такое RAG и почему это важно?
Для полного новичка:
Представьте, что вы спрашиваете обычного человека о событии, которое произошло вчера. Если человек этого не видел, он будет гадать. Но если вы дадите ему газету с описанием события, он сможет прочитать газету и ответить точно.
Retrieval-Augmented Generation (RAG) — это точно то же самое, но для искусственного интеллекта:
- Retrieval (поиск) — система ищет релевантную информацию из доступных источников
- Augmented (дополненная) — найденная информация добавляется к запросу
- Generation (генерация) — AI генерирует ответ, основываясь на найденной информации + своих знаниях
Практический пример в Perplexity Pro:
- Вы задаёте вопрос: “Какие новые функции были добавлены в Perplexity в декабре 2025?”
- Система ищет последние статьи, объявления, релизы
- Добавляет эту информацию к вашему вопросу
- Генерирует ответ с прямыми цитатами и ссылками на источники
Это кардинально отличается от ChatGPT (базовая версия), которая работает на знаниях, обучённых только до апреля 2024 года и не может искать в интернете.
1.2 Три слоя использования Perplexity Pro
Уровень 1: Поиск (Search)
Это вкладка “Поиск” на скринах. Вы задаёте вопрос → система ищет в интернете → выдаёт цитируемый ответ. Это 80% того, что знает новичок о Perplexity.
Уровень 2: Исследование (Deep Research)
Это более глубокая версия поиска. Система:
- Выполняет десятки поисковых запросов вместо одного
- Читает сотни источников
- Синтезирует информацию в структурированный отчёт
- Занимает 5–30 минут вместо 30 секунд
Это как разница между быстрой справкой в Википедии и написанием магистерской диссертации по теме.
Уровень 3: Пространства (Spaces) + Библиотека (Library)
Это то, что отличает Perplexity Pro от конкурентов. Мы подробно разберём это ниже.
1.3 Что такое “Пространство” (Space)?
Аналогия для новичка:
Представьте, что вы создаёте папку на компьютере для проекта по истории России XIX века. В папку вы кладёте:
- PDF учебников (источники)
- Своих заметок (контекст)
- Список требований к работе (инструкции AI)
Затем вы можете:
- Использовать эту папку для всех вопросов по этой теме
- Пригласить друзей посмотреть папку и вместе писать историю
- Сделать папку публичной, чтобы другие могли учиться на вашей работе
В Perplexity Space — это точно то же самое, но работает AI:
- Источники: до 50 файлов PDF, Word, Google Drive, Dropbox
- Контекст: система помнит все предыдущие вопросы в этом Space
- Инструкции AI: вы пишете, как AI должен себя вести (например, “анализируй как экономист”)
- Совместная работа: можно пригласить коллег через email или создать публичную ссылку
- Автоматический поиск в своих файлах: вместо Google Drive ищете в загруженных документах
ЧАСТЬ 2: СРАВНЕНИЕ С КОНКУРЕНТАМИ (Для опытного пользователя ChatGPT/Claude)
2.1 Таблица функциональности: Перплексити vs GPTs vs Google AI Studio vs Claude Projects
| Критерий |
Perplexity Pro Spaces |
OpenAI Custom GPTs |
Google AI Studio |
Claude Projects |
| Встроенный поиск в интернете |
 Да (hybrid RAG) |
 Нет |
Нет |
Нет |
| Загрузка файлов |
До 50 (+ Cloud connectors) |
Да (в Knowledge) |
Ограниченно |
Да |
| Системный промпт |
Есть |
Есть |
N/A |
Есть |
| Выбор LLM в интерфейсе |
Да (Sonar, Claude, GPT-5, Gemini) |
Только GPT |
 Только Gemini |
Только Claude |
| Custom Actions (webhooks, APIs) |
Нет (основной недостаток) |
Да |
Да |
Нет |
| Совместная работа (non-Pro users) |
Да |
Нет (нужен Plus) |
Limited |
Limited |
| Цитирование источников |
Обязательно для всех ответов |
Нет |
Нет |
Нет |
| Контекстная память между сессиями |
Да (Memory layer) |
Только explicit memories |
Limited |
Да |
| Размер системного промпта |
~50% от GPT |
Полный |
N/A |
Полный |
| Стоимость (месячная) |
$20/USD |
$20/USD |
$20/USD |
$20/USD |
2.2 Три категории инструментов (это ВАЖНО)
Пока вы читали таблицу, вы могли заметить, что это не совсем конкуренты, а инструменты разных категорий:
Категория 1: Answer Engines (поисковая система с AI)
- Perplexity Pro ← Вот здесь
- Google AI Overviews (встроено в Google Search)
- Bing AI (встроено в Edge)
Категория 2: Customizable AI Assistants (персонализированные ассистенты)
- OpenAI Custom GPTs ← И здесь
- Claude Projects ← И здесь
- Perplexity Spaces ← Но ТАКЖЕ здесь (гибридная позиция)
Категория 3: Developer Platforms (платформы для разработчиков)
- Google AI Studio ← Здесь
- Anthropic Console
- Perplexity API (Sonar)
Почему это важно? Потому что вы не выбираете “лучший инструмент”. Вы выбираете инструмент для конкретной задачи:
- Нужен быстрый ответ на текущий вопрос с источниками? → Perplexity Search
- Нужно загрузить 50 PDF научных статей и обсуждать их с AI? → Perplexity Space
- Нужно создать свой GPT, который всегда отвечает в стиле Шерлока Холмса? → OpenAI Custom GPT или Claude Project
- Нужно создать приложение, которое клиенты будут использовать? → Google AI Studio или Perplexity API
2.3 Детальное сравнение: Perplexity Spaces vs OpenAI Custom GPTs
Сценарий: Вы исследователь, изучающий квантово-подобные модели в когнитивной науке
Что вы хотите:
- Загрузить 50 PDF статей из Google Scholar
- Дать AI инструкцию анализировать как специалист в области epistemology
- Обсуждать статьи неделю, и чтобы AI помнил всё
- Пригласить коллег посмотреть вашу работу
Перплексити Spaces:
Загрузка файлов: до 50 файлов, прямая загрузка или синхронизация с Google Drive/Dropbox
Системный промпт: “Вы — специалист-эпистемолог, анализирующий квантово-подобные модели”
Память: все 100+ вопросов сохраняются в Space, AI помнит контекст (пока не превышены token limits)
Совместная работа: одна кнопка “Пригласить” → Email → коллега получает доступ. Коллега не нуждается в Pro подписке
Системный промпт не всегда работает идеально (известная проблема, обсуждается в Reddit)
Нет Custom Actions: не можете создать webhook для автоматического сохранения выводов в свою базу данных
OpenAI Custom GPTs:
Custom Actions: можете создать API endpoint, куда GPT отправляет данные (например, в Zapier, Make.com)
Стабильность: работает более надёжно
Знание базы GPT-4 более обширно
Загрузка файлов: работает, но медленнее и менее надёжно для 50 больших PDF
Память: если создадите 100 вопросов в разных чатах, GPT не будет помнить контекст между ними (нужно использовать явно добавленные “saved memories” или в одном чате)
Совместная работа: коллеге нужна подписка Plus, чтобы использовать ваш GPT
Нет встроенного поиска: если в статьях есть свежие 2025-2026 результаты, GPT не узнает о них
Вывод для этого сценария:
→ Используйте Perplexity Spaces для исследовательской работы с большим объёмом документов и командной работой
2.4 Детальное сравнение: Perplexity Spaces vs Google AI Studio
Сценарий: Вы хотите создать инструмент для анализа финансовых квартальных отчётов
Google AI Studio:
Fine-tuning: обучите модель на примерах правильного анализа 10-K отчётов
API интеграция: создадите REST API, который другие приложения смогут вызывать
Масштабируемость: готово к production-deployment
Контроль: полная кастомизация поведения модели
Без встроенного поиска: если отчёт содержит ссылку на макроэкономические показатели 2025 года, AI не поймёт их
Ручное управление данными: вы сами должны структурировать данные для обучения
Perplexity Spaces:
Встроенный поиск: если в отчёте упомянут “рост ВВП в Q3 2025”, система найдёт последние данные
Цитирование: каждый анализ автоматически сопровождается источниками
Мультимодельность: можете переключиться между Sonar (для анализа данных), Claude (для рассуждений), GPT-5 (для синтеза)
Нет fine-tuning: не можете обучить на специфических примерах
Нет API для production: это инструмент для interactive work, не для automation
Ограничения на размер инструкций: системный промпт ограничен ~5000 символами
Вывод для этого сценария:
→ Используйте Google AI Studio для создания production-ready инструмента
→ Используйте Perplexity Space для прототипирования и интерактивного анализа
ЧАСТЬ 3: ТЕХНИЧЕСКИЕ РАЗЛИЧИЯ RAG-АРХИТЕКТУР (Для специалистов)
3.1 Архитектура Perplexity: Гибридный retriever с многомодельной оркестрацией
Согласно LinkedIn архитектурному обзору (2025), Perplexity использует:
┌─────────────────────────────────────────────────────────────────┐
│ USER QUERY │
└──────────────────────────┬──────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────┐
│ 1. HYBRID DISTRIBUTED RETRIEVAL ENGINE │
│ ├─ BM25 (keyword/lexical matching) │
│ └─ Vector embeddings (semantic similarity) │
│ → Retrieves ~50 candidate documents │
└──────────────────────────┬──────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────┐
│ 2. NEURAL RE-RANKING LAYER │
│ ├─ DeBERTa-v3 Cross-Encoder │
│ └─ Filters to top-k most relevant documents │
│ → Reduces 50 docs to ~10-15 most relevant │
└──────────────────────────┬──────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────┐
│ 3. CONTEXTUAL FUSION & CHUNKING │
│ ├─ T5-based intelligent chunking │
│ ├─ Metadata enrichment (source, date, authority) │
│ └─ Prompt engineering optimization │
└──────────────────────────┬──────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────┐
│ 4. MULTI-MODEL ORCHESTRATION LAYER │
│ ├─ Sonar (proprietary + search grounding) │
│ ├─ Claude Opus 4.5 / Sonnet │
│ ├─ GPT-5.2 (with reasoning modes) │
│ ├─ Gemini 3 Pro / Flash │
│ └─ Grok 4.1 (recent addition) │
│ → Model router selects based on query type │
└──────────────────────────┬──────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────┐
│ 5. GENERATION + INLINE CITATIONS │
│ ├─ Answer generation │
│ ├─ Automatic source attribution (numbered citations) │
│ └─ Confidence scoring per claim │
└──────────────────────────┬──────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────┐
│ 6. USER FEEDBACK LOOP (Reinforcement Learning) │
│ ├─ Thumbs up/down signals │
│ └─ Updating ranking + retrieval models │
└─────────────────────────────────────────────────────────────────┘
Ключевые отличия от GPT/Claude:
| Аспект |
Perplexity |
GPT-4 |
Claude |
| Retrieval |
Hybrid (BM25 + embeddings) |
Нет (знание до cutoff) |
Нет |
| Re-ranking |
DeBERTa cross-encoder |
N/A |
N/A |
| Chunking strategy |
T5-based intelligent |
N/A |
N/A |
| Model routing |
Динамическая оркестрация |
Single model |
Single model |
| Citations |
Inline, automatically generated |
Manual mention |
Manual mention |
| Reinforcement learning |
User feedback → model updates |
OpenAI only |
Anthropic only |
3.2 Архитектура Perplexity Spaces: RAG с контекстной памятью
Когда вы работаете в Space, происходит следующее:
┌──────────────────────────────────────────┐
│ USER QUERY IN SPACE │
│ "Что означает это в контексте ХОРОШЕГО?"│
└────────────┬─────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────────────────┐
│ SYSTEM PROMPT EXECUTION │
│ (if properly configured) │
│ ├─ Load custom instructions │
│ ├─ Inject Space metadata (name, description) │
│ └─ Prepend to context │
└────────────┬─────────────────────────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────────────────┐
│ FILE INDEXING & RAG PIPELINE (FROM SPACE) │
│ ├─ Retrieve documents uploaded to Space │
│ ├─ Vector-search across uploaded files │
│ ├─ Hybrid search (BM25 + semantic) │
│ └─ Chunk optimization for QA extraction │
└────────────┬─────────────────────────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────────────────┐
│ MEMORY LAYER RETRIEVAL │
│ ├─ Layer 1: Session memory (current thread) │
│ ├─ Layer 2: Cross-thread profile memory │
│ │ (preferences, patterns, insights) │
│ └─ Retrieve most relevant context │
└────────────┬─────────────────────────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────────────────┐
│ FUSION OF SOURCES │
│ ├─ Retrieved Space files (weighted: local) │
│ ├─ Cross-thread memory (weighted: medium) │
│ ├─ Web search results (weighted: external) │
│ └─ Model knowledge (weighted: least reliable) │
└────────────┬─────────────────────────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────────────────┐
│ GENERATION (CHOSEN MODEL VIA ROUTER) │
│ ├─ Sonar (default, for web-grounded queries) │
│ ├─ Claude Opus 4.5 (for nuance/reasoning) │
│ ├─ GPT-5.2 (for structured analysis) │
│ └─ Gemini 3 Pro (for multimodal) │
└────────────┬─────────────────────────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────────────────┐
│ OUTPUT WITH CITATIONS │
│ ├─ Answer text │
│ ├─ Inline citations: [1] [2] [3] │
│ ├─ Source links at bottom │
│ └─ Space file references (if applicable) │
└──────────────────────────────────────────────────────────────┘
Критический момент: Системный промпт в Spaces
Согласно Reddit discussion (webсистемный промпт в Spaces иногда игнорируется. Это известная проблема. Обходная схема:
- Правильно: Добавить инструкции как первый промпт в Space
- Затем во всех следующих запросах AI автоматически будет следовать этим инструкциям
- Или явно упомянуть: “Следуя инструкциям из этого Space, ответьте…”
3.3 Компаратив индексирования: Spaces vs GPTs vs Google AI Studio
| Аспект |
Perplexity Spaces |
OpenAI GPTs |
Google AI Studio |
| Индексирование файлов |
Vector embeddings + BM25 |
Vector embeddings (basic) |
Fine-tuning эмбеддингов |
| Скорость поиска в файлах |
Быстрая (hybrid) |
Медленнее |
Зависит от модели |
| Обновление индекса |
Real-time (при загрузке) |
При загрузке |
Upon fine-tuning |
| Чанкинг |
T5-based intelligent |
Fixed-size chunks |
Custom (user-defined) |
| Метаданные |
Date, source, authority |
Minimal |
Configurable |
| Web-augmentation |
Automatic (RAG) |
No |
No |
Вывод: Perplexity Spaces имеет наиболее продвинутую RAG-архитектуру из трёх, но не имеет fine-tuning, что может быть недостатком для очень узкоспециализированных доменов.
ЧАСТЬ 4: ИНТЕГРАЦИЯ В COMET: “ВЗАИМОПРОНИКНОВЕНИЕ” ПРОСТРАНСТВ
4.1 Что такое Comet?
Comet — это браузер на основе Chromium, встроенный с Perplexity AI. Ключевая особенность: Agent Actions — система может выполнять действия на вашем имя:
- Отправлять email
- Заполнять формы
- Открывать вкладки
- Находить информацию в ваших календарях/Gmail (с разрешением)
4.2 “Взаимопроникновение Пространств”: Что это значит?
Текущее состояние (Декабрь 2025):
Каждое Space может иметь:
- Собственный системный промпт
- Собственный набор файлов
- Собственную контекстную память
При задании вопроса в Space, AI:консультирует:
- Файлы этого Space (высокий приоритет)
- Память этого Space
- Web search (если нужно)
Концепция “мультиагентной системы”:
Если вы создадите несколько Spaces, каждое может действовать как отдельный агент с собственной специализацией:
Пример архитектуры:
SPACE 1: "Философия"
├─ Системный промпт: "Ты философ-герменевтик"
├─ Файлы: 30 PDF по Хайдеггеру, Гадамеру
└─ Роль: Интерпретация текстов
SPACE 2: "Методология"
├─ Системный промпт: "Ты методолог, аналитик систем"
├─ Файлы: Книги Поппера, Лакатоса, Фейерабенда
└─ Роль: Критика и методологический анализ
SPACE 3: "Квантово-подобные модели"
├─ Системный промпт: "Ты специалист в quantum-like cognition"
├─ Файлы: 20 научных статей Khrennikov, Sulis
└─ Роль: Анализ конкретных моделей
═══════════════════════════════════════════
МУЛЬТИАГЕНТНЫЙ СЦЕНАРИЙ:
Вы создаёте Space 4: "Интеграция"
├─ Промпт: "@Space1 проанализируй философский фундамент"
│ "@Space2 критически оцени методологию"
│ "@Space3 выясни, применимы ли модели"
│ "Дай синтезированный отчёт"
└─ Результат: Три агента координируют ответ
Реальность (важное уточнение):
На Декабрь 2025, прямое упоминание Spaces внутри Spaces (@Space1) — это не официальная функция, это концепция, которая может работать косвенно через:
- Ручное копирование выводов из одного Space в другой
- Использование “контекстных линков” в описаниях Spaces
- Потенциальное будущее обновление (в roadmap Perplexity есть упоминания о расширении collaboration)
Истинная мультиагентность в Perplexity сегодня находится в:
- Comet Enterprise Mode (для организаций) — есть предварительные версии coordination между агентами
- Perplexity Labs — система из нескольких инструментов (web browsing, code execution, image generation), которые координируют между собой
4.3 Model Router: Выбор LLM как стратегия
В Comet вы видите выпадающее меню моделей:
Sonar (основное)
├─ GPT-5.2
├─ Claude Opus 4.5
├─ Gemini 3 Pro
├─ Gemini 3 Flash (новое)
└─ Grok 4.1
Почему это важно:
Вы можете использовать разные модели для разных задач в одном Space:
ПРИМЕР: Space "Анализ квантово-подобных моделей"
Запрос 1 (литературный обзор):
→ Используй Sonar (встроенный поиск)
Запрос 2 (философское обоснование):
→ Переключись на Claude Opus 4.5 (лучше рассуждает)
Запрос 3 (математическое моделирование):
→ Используй GPT-5.2 (лучше с числами)
Запрос 4 (обобщение с диаграммами):
→ Переключись на Gemini 3 Pro (multimodal)
Технический аспект (для специалистов):
Это реализуется через динамический routing layer:
class ModelRouter:
def select_model(query: str, space_context: dict) -> str:
if "литератур" in query or "search" in query:
return "sonar"
elif "философ" in query or "обосн" in query:
return "claude-opus-4.5"
elif "математи" in query or "вычисл" in query:
return "gpt-5.2"
elif "диаграмм" in query or "изображ" in query:
return "gemini-3-pro"
else:
return "sonar" # default
ЧАСТЬ 5: БИБЛИОТЕКА И КОНТЕКСТНАЯ ПАМЯТЬ
5.1 Структура памяти в Perplexity
Трёхслойная архитектура памяти:
┌────────────────────────────────────────────────┐
│ LAYER 1: SESSION MEMORY (текущий Thread) │
│ ├─ Все вопросы и ответы в текущем чате │
│ ├─ Автоматически очищается при закрытии │
│ └─ Максимум token limit (обычно 100k-200k) │
└────────────────────────────────────────────────┘
┌────────────────────────────────────────────────┐
│ LAYER 2: CROSS-THREAD PROFILE MEMORY │
│ ├─ Предпочтения (язык, стиль, доменная область)
│ ├─ Паттерны рассуждения (если часто пишете │
│ │ в стиле учёного) │
│ ├─ Личные детали (имя, организация) │
│ ├─ Сохраняется между сессиями │
│ └─ Управляется вручную в Settings │
└────────────────────────────────────────────────┘
┌────────────────────────────────────────────────┐
│ LAYER 3: SPACE-LEVEL MEMORY (Enterprise) │
│ ├─ Все threads внутри Space │
│ ├─ Постоянное хранилище (до 7 дней для │
│ │ uploaded files) │
│ └─ Синхронизируется с file connectors │
└────────────────────────────────────────────────┘
Как это работает на практике:
Сценарий: Вы исследуете квантово-подобные модели неделю
День 1:
Вопрос 1: "Какая основная идея Khrennikov?"
Ответ: [генерируется, сохраняется в Layer 1 + Layer 2]
Вопрос 2: "Как это связано с hermeneutics?"
Ответ: [AI помнит День 1 → Context в ответе]
День 4 (новая сессия):
Вопрос 3: "Дай мне обзор основных моделей"
Ответ: [Layer 2 достаёт из памяти ваш интерес к hermeneutics
и Khrennikov → персонализирует ответ]
Важно: На Декабрь 2025, эта память НЕ используется для обучения моделей. Это чистое retrieval, как написано в официальном блоге Perplexity:
“Instead of treating your history as training data, Perplexity retrieves relevant context from your memory store and uses it directly in crafting better, more accurate answers.”
5.2 Library (Библиотека) vs Spaces: Различия
| Функция |
Библиотека |
Space |
| Назначение |
Архив найденных ответов |
Активное исследование |
| Структура |
Древовидная папка |
Квартира с инструкциями |
| Поиск внутри |
По названию, дате |
По содержанию (RAG) |
| AI интеграция |
Просмотр сохранённых ответов |
Active Q&A с файлами |
| Совместное использование |
Ограниченное |
Полное (invite + public) |
| Хранение файлов |
Метаданные только |
Полная индексация |
Простой способ выбрать:
- Библиотека = ваша “коллекция статей, которые я когда-то прочитал”
- Space = ваша “рабочая папка для активного проекта”
ЧАСТЬ 6: СОВМЕСТНАЯ РАБОТА И ДЕЛЕГИРОВАНИЕ (Comet Agent Features)
6.1 Как пригласить коллег в Space
Процесс (из скринов и видео):
- Откройте Space
- Нажмите кнопку Share (右上угол)
- Две опции:
- Invite members: введите email коллег
- Share link: создайте публичную ссылку
Ключевая особенность: Коллеги не нуждаются в Pro подписке, чтобы читать и комментировать Space. Это сильное преимущество перед GPTs (где нужна Plus подписка).
6.2 Comet Agent Actions в контексте Spaces
Когда вы работаете в Space через Comet:
- Email: AI может отправить коллеге итоги вашего исследования
- Calendar: AI может предложить встречу для обсуждения выводов
- Google Drive: AI может сохранить черновик отчёта в папку проекта
- GitHub: AI может создать Issue для отслеживания дальнейшей работы
Пример workflow:
Вы в Space "Quantum-Like Cognition"
└─ Запрос: "Выведи основные выводы,
сохрани в Google Drive мне и Иван@example.com,
предложи встречу завтра на 10:00"
AI выполняет:
1. Генерирует резюме (используя RAG из Space)
2. Сохраняет в Google Drive (Agent action)
3. Отправляет письмо Ивану с ссылкой (Agent action)
4. Предлагает вам создать календарное событие (Agent action)
ЧАСТЬ 7: ОБЪЯСНЕНИЕ ДЛЯ “НОВИЧКА-НОВИЧКА” — ПРАКТИЧЕСКИЕ СЦЕНАРИИ
Сценарий 1: Вы студент, пишете диссертацию по философии науки
Что вам нужно:
- Найти 100 релевантных статей
- Загрузить их в одно место
- Задавать вопросы типа “что говорит Поппер о falsifiability?”
- Собрать цитаты с источниками
Как использовать Perplexity Pro:
Шаг 1: Поиск (Search)
Запрос: "Karl Popper falsifiability philosophy of science
PDF research papers 2020-2025"
Результат: Perplexity найдёт 20+ статей + даст вам ссылки
Шаг 2: Создание Space
Название: "Диссертация: Фальсифицируемость у Поппера"
Описание: "Исследование концепции научной методологии"
Загрузить: все найденные PDF
Шаг 3: Работа в Space
Вопрос 1: "Какое основное определение falsifiability
у Поппера в этих статьях?"
AI ответит:
- Прочитает все 20 PDF
- Найдёт определение
- Даст цитату:
[1] Smith, J., 2023, p. 45: "Falsifiability is..."
[2] Johnson, K., 2022: "Popper argued that..."
Вопрос 2: "Как Kuhn критикует эту идею?"
AI помнит контекст из Вопроса 1 → даст связанный ответ
Шаг 4: Приглашение научного руководителя
Кнопка Share → введите email руководителя
Руководитель видит всю вашу работу, может комментировать
Стоимость: $20/месяц (меньше, чем купить одну научную статью на ResearchGate)
Сценарий 2: Вы аналитик, разбираете конкурентов
Что вам нужно:
- Собрать квартальные отчёты 5 компаний (30 PDF)
- Сравнить их финансовые показатели
- Найти тренды
- Поделиться отчётом с командой
Как использовать Perplexity Pro:
Создание 2 Spaces:
Space 1: “Финансовый анализ - данные”
Загрузить: 30 10-Q и 10-K отчётов
Инструкции: "Ты финансовый аналитик CPA"
Space 2: “Финансовый анализ - выводы”
Инструкции: "Проанализируй Space 1,
дай инвестиционные рекомендации,
фокусируйся на риски и возможности"
Вопросы в Space 1:
"Выведи всех операционные издержки за 5 лет"
→ AI прочитает все 30 документов, таблицы, приложения
→ Выведет сравнительную таблицу с источниками
Вопросы в Space 2:
"На основе данных из моего другого space,
какая компания лучший инвестиционный выбор?"
→ AI использует результаты из Space 1
→ Добавляет свежие данные с поиска (последние новости, цены акций)
→ Выводит рекомендацию с обоснованием
Делегирование команде:
Пригласить коллег в Space → они видят всё
Попросить AI отправить отчёт в Slack
Сценарий 3: Вы предприниматель, запускаете продукт
Что вам нужно:
- Разобраться в рынке (200 конкурентов, отзывы, тренды)
- Создать go-to-market strategy
- Написать pitch deck
Как использовать Perplexity Pro:
Space: “Go-to-Market Strategy”
Загрузить:
- Product specification (PDF)
- Market research reports (если есть)
- Competitor pricing documents
Инструкции:
"Ты опытный GTM-стратег.
Помогай разрабатывать стратегию
основываясь на загруженных файлах + текущих рыночных данных."
Вопрос 1: Анализ рынка
"Кто мои основные конкуренты на рынке X в 2025-2026?
Какие у них pricing модели?
Какие боли решают, а какие нет?"
Результат:
- Perplexity ищет в интернете (свежие данные, не старше недели)
- Сравнивает с вашим продуктом из загруженного файла
- Выводит: "Конкуренты [1][2][3] фокусируются на X,
но не решают Y. Ваш продукт уникален в Z."
Вопрос 2: Позиционирование
"На основе анализа рынка, напиши
messaging для early adopters"
Результат:
- Берёт выводы из Вопроса 1
- Помнит из памяти ваш стиль (если раньше работали вместе)
- Выводит: "Вот 3 вариант messaging с примерами копирования"
Вопрос 3: Pitch deck
"Выведи структуру pitch deck с ключевыми слайдами"
Результат:
- 10-слайдовая структура
- Каждый слайд с точками для заполнения
- Ссылки на источники (если нужны данные)
Стоимость экономия: Вместо $5-10K за консультацию, $20/месяц инструмента
ЧАСТЬ 8: КРИТИЧЕСКИЕ РАЗЛИЧИЯ И ОГРАНИЧЕНИЯ
8.1 Что Perplexity Pro ЛУЧШЕ, чем конкуренты
Встроенный поиск — это главное преимущество
Цитирование — каждый ответ с источниками
Мультимодельность — выбирайте лучшую модель для задачи
RAG для больших объёмов документов — Spaces лучше, чем Knowledge в GPTs
Совместная работа без подписки — коллеги могут читать ваш Space
Comet Agent Actions — отправлять email, заполнять формы, управлять календарём
8.2 Где Perplexity Pro ПРОИГРЫВАЕТ
Нет Custom Actions (webhooks/APIs) — не можете подключить Zapier, Make.com
Системный промпт не всегда работает — известная проблема
Размер инструкций ограничен — ~5000 символов vs 32k в GPTs
Нет fine-tuning — не можете обучить на своих данных
Нет production API — Spaces это интерактивный инструмент, не backend
Token limits — при очень больших документах может быть медлено
8.3 Когда выбрать конкурента
Выбирайте OpenAI GPT, если:
- Нужна automation через webhooks (Zapier, Make.com, n8n)
- Нужна стабильная работа custom instructions
- Нужна high-capacity knowledge base (больше файлов)
Выбирайте Google AI Studio, если:
- Нужно создать production-ready приложение
- Нужен API для интеграции
- Нужна масштабируемость
Выбирайте Claude Projects, если:
- Нужна лучшая работа с длинными документами
- Нужно работать с большим контекстом (200k tokens)
- Нужна стабильность (Anthropic известна надёжностью)
Выбирайте Perplexity Pro (Comet + Spaces), если:
- Нужен поиск в интернете + анализ ваших документов
- Нужны цитированные источники
- Нужна совместная работа с неплатящими коллегами
- Нужна гибкость в выборе LLM
- Нужны Agent Actions через Comet
ЧАСТЬ 9: ПРИМЕР МУЛЬТИАГЕНТНОЙ СИСТЕМЫ (Advanced)
Реалистичный пример: Система для анализа научных трендов
Архитектура из 4 Space-агентов:
┌──────────────────────────────────────────────────────────┐
│ MASTER SPACE: "Quantum-Like Trends" │
│ (Содержит инструкции для координации трёх других) │
└──────────────────────────────────────────────────────────┘
│
┌────────────────┼────────────────┬──────────────┐
│ │ │ │
▼ ▼ ▼ ▼
SPACE 1 SPACE 2 SPACE 3 SPACE 4
"Литература" "Методология" "Приложения" "Критика"
──────────── ───────────── ────────────── ──────────
Файлы: Файлы: Файлы: Файлы:
- 50 PDF от - Методологич. - Case studies - Критические
Khrennikov книги - Industry статьи
- Обзорные - Research reports - Альтернат.
статьи design papers - Patents подходы
Role: Литера- Role: Оценка Role: Где это Role: Какие
турный обзор валидности используется проблемы
и поиск методов на практике в подходе
Workflow:
День 1: Вы в Space 1 "Литература"
└─ Вопрос: "Выведи основные концепции Khrennikov"
AI ищет → находит в 50 PDF → выводит обзор с цитатами
День 2: Вы в Space 2 "Методология"
└─ Вопрос: "Критически оцени методологию квантово-подобных моделей"
AI использует выводы из Space 1 + читает методологические книги
→ Выводит: "Сильные стороны: X, Слабые стороны: Y"
День 3: Вы в Space 3 "Приложения"
└─ Вопрос: "Где эти модели применяются в реальности?"
AI ищет case studies → находит в 20 PDF + web search
→ Выводит: "В когнитивной психологии: [примеры],
В финансах: [примеры]"
День 4: Вы в Space 4 "Критика"
└─ Вопрос: "Какие критики существуют к этим моделям?"
AI читает альтернативные подходы
→ Выводит: "Критики утверждают [ссылки]"
День 5: Вы в Master Space "Quantum-Like Trends"
└─ Вопрос: "Синтезируй выводы из всех четырёх пространств"
AI:
1. Берёт выводы из Space 1-4
2. Добавляет свежие данные с web search (самые новые 2025)
3. Синтезирует в единый отчёт
4. Выводит: "Трендовый анализ на 2025-2026"
Отправка руководителю:
Master Space имеет кнопку Share
→ Приглашаете PhD supervisor
→ Supervisor видит всю систему из 4 Space
→ Может читать, комментировать, но не редактировать
Технический механизм (что происходит внутри):
Хотя прямое упоминание “@Space1” не работает официально, вы можете:
- Скопировать выводы из Space 1 → вставить в запрос в Master Space
- Или использовать file connectors: сохранить выводы Space 1 в Google Drive → подключить этот файл в Master Space
ЧАСТЬ 10: ЗАКЛЮЧЕНИЕ И РЕКОМЕНДАЦИИ
10.1 Матрица решений
| Ваша задача |
Инструмент |
Причина |
| Найти быстрый ответ на вопрос |
Perplexity Search (free или Pro) |
Встроенный поиск + цитирование |
| Обсудить 50 научных статей |
Perplexity Space |
RAG, память, цитирование |
| Создать custom GPT для друзей |
OpenAI Custom GPT |
Дешево, просто шарить |
| Автоматизировать процесс |
OpenAI Custom GPT + Actions |
Webhooks, API интеграции |
| Анализировать большой контекст (200k) |
Claude Projects |
Огромное context window |
| Создать production приложение |
Google AI Studio |
API, масштабируемость, fine-tuning |
| Командная исследовательская работа |
Perplexity Spaces + Comet |
Multi-agent potential, agents actions |
10.2 Для вашей специфической сферы (системная методология + философия науки)
Рекомендуемая архитектура:
SUBSCRIPTION STACK:
├─ Perplexity Pro ($20/month)
│ └─ Для: Deep Research, Spaces, Comet browsing
│
├─ OpenAI ChatGPT Plus ($20/month) — опционально
│ └─ Для: Дополнительное рассуждение (если нужна избыточность)
│
└─ Google AI Studio (free) — опционально
└─ Для: Если захотите создать инструмент для других
Конкретные Spaces для вашей работы:
SPACE 1: "Epistemological Foundations"
├─ Файлы: Поппер, Лакатос, Фейерабенд, Кун
├─ Инструкции: "Философско-методологический анализ"
└─ Цель: Базовый методологический фреймворк
SPACE 2: "Quantum-Like Cognition (Khrennikov)"
├─ Файлы: 30 статей Хренникова, его книги
├─ Инструкции: "Специалист в quantum-like modeling"
└─ Цель: Понимание конкретной парадигмы
SPACE 3: "Hermeneutics & Interpretation"
├─ Файлы: Гадамер, Рикёр, философия интерпретации
├─ Инструкции: "Герменевтический аналитик"
└─ Цель: Критическое осмысление методов
SPACE 4: "Integration & Synthesis"
├─ Инструкции: "Синтезируй методологию из других пространств"
└─ Цель: Единая система для вашего исследования
10.3 Этапы внедрения (для новичка)
Неделя 1: Знакомство
- Используйте обычный Perplexity Search для 5-10 вопросов
- Посмотрите, как работает цитирование
- Установите Comet браузер
Неделя 2-3: Создание первого Space
- Выберите самый важный проект (например, “Методология”)
- Загрузите 10-15 ключевых PDF
- Напишите системный промпт (3-4 предложения)
- Задайте 5-10 вопросов, посмотрите, как работает
Неделя 4: Расширение
- Создайте второе Space
- Пригласите коллегу для feedback
- Используйте Comet Agent Actions для automation (email, calendar)
Месяц 2: Оптимизация
- Создайте 2-3 дополнительных Spaces для разных проектов
- Настройте file connectors (Google Drive, Dropbox)
- Экспериментируйте с разными LLM для разных задач
10.4 Финальное слово: Эпистемологическая честность
Важные оговорки:
-
Это не замена критическому мышлению. AI может ошибаться, hallucinate, предвзято интерпретировать источники. Всегда проверяйте.
-
Цитирование не безупречно. Perplexity обычно цитирует точно, но иногда делает ошибки в номерации или порядке источников. Перепроверяйте важные цитаты.
-
Это инструмент экспансии, не замены. Perplexity расширяет вашу способность искать и анализировать, но не может заменить глубокое понимание, которое приходит от медленного чтения и размышления.
-
Конфиденциальность. Ваши файлы в Spaces хранятся 7 дней, затем удаляются. Но они видны Perplexity. Не загружайте конфиденциальные данные, если это критично.
-
Multi-agent система пока гибридная. Истинная мультиагентность (где Spaces самостоятельно координируют друг с другом) находится в разработке. Сейчас это требует ручной интеграции.
ИТОГОВАЯ ТАБЛИЦА: ЧТО ВЫ ПОЛУЧАЕТЕ НА PERPLEXITY PRO
| Функция |
Уровень пользователя |
Практическая ценность |
| Web Search |
Все |
 (базовое преимущество) |
| Spaces с RAG |
Pro |
(главное преимущество) |
| File Connectors |
Pro |
(очень полезно для workflow) |
| Multi-Model Selection |
Pro |
(гибкость важна) |
| Deep Research |
Pro |
(отличный для отчётов) |
| Comet Browser |
Pro |
(удобно для Agent Actions) |
| Sharing & Collaboration |
Pro |
(бесплатные коллеги — преимущество) |
| Memory System |
Pro |
(работает, но иногда нужна настройка) |
Спасибо за внимание. Любые уточняющие вопросы приветствуются.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
Если у Вас остались вопросы (?), пожалуйста, сформулируйте их развёрнуто: чем длиннее, тем лучше.
), а рождаются в ходе доверительной беседы, которая позволяет уточнять смыслы слов-концептов “прямо по ходу обсуждения и демонстрации”…
Да (hybrid RAG)
Нет
Только Gemini