需用指定提示词框架让Perplexity精准识别事实断言冲突、价值判断对立、数据解读差异三类争议点；每类2–3个具体点，均附中文权威信源，禁用模糊表述与跨类重复。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想快速定位一个话题下各方立场的分歧核心，而不是泛泛搜索“争议”“不同意见”这类模糊词，需要让Perplexity精准识别出事实断言冲突、价值判断对立、数据解读差异这三类争议点。
基础可复用提示词框架
把下面这段文字完整复制进Perplexity输入框，替换【话题】为你要查的具体内容，比如“AI生成论文是否应被高校禁用”或“预制菜进校园”：
请聚焦【话题】，只提取真实存在的、有公开信源支撑的争议点。按三类归并：① 事实性争议（双方对同一事件/数据/机制的描述互斥）；② 价值性争议（基于不同伦理前提、优先级排序产生的不可调和分歧）；③ 解释性争议（同一数据/现象被不同群体赋予相反意义）。每类下列出2–3个具体争议点，每个点必须附带1个中文权威信源出处（如新华社报道、教育部文件、《柳叶刀》论文DOI号），不编造、不概括、不使用“有人认为”句式。
适配不同话题的微调方法
方法一：当话题含专业术语或小众领域（如“mRNA疫苗脂质纳米颗粒靶向性”）→ 在提示词开头加一句定义锚定：
“本文中‘脂质纳米颗粒靶向性’特指LNP在静脉注射后主动富集于肝外组织（如肺、脾）的能力，不包括被动蓄积。”
方法二：当话题存在明显阵营标签（如“双减政策”“比特币ETF”）→ 在提示词末尾追加约束条件：
“排除自媒体博主、未署名评论、知乎高赞回答等非机构信源；若某争议点仅见于单一阵营的行业白皮书（如仅教育培训机构发布的报告），需标注‘信源单一’并暂停输出该点。”
【必须删除原提示词中“请聚焦【话题】”后的所有空格和换行，确保【话题】紧贴冒号，否则Perplexity会忽略变量替换】
验证输出结果是否合格的三步检查
第一步：扫视所有争议点，剔除含“可能”“或许”“有待观察”等模糊表述的条目——合格争议点必须是已发生的立场对峙，不是未来推测。
第二步：任选一个争议点，用其信源出处（如“教育部2023年8月《校外培训行政处罚暂行办法》第十二条”）反向检索，确认原文确实存在该立场表述，而非AI虚构引用。
第三步：检查三类争议是否真正分离——若某条同时出现在“事实性”和“价值性”下，说明归类失败，需重跑提示词并加入限定：“同一争议点不得跨类重复出现”。
