学术文献调研需构造三步提示词：一锚定2021–2026年IEEE TKDE等顶会期刊及高引arXiv论文；二强制结构化输出，含三类应用架构、出处、创新点、代码状态及否定约束；三通过来源核验、深度追问与溯源验证确保信息可信。
☞☞☞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☜☜☜
如果你在Perplexity中输入“图神经网络反欺诈”却得到一堆泛泛而谈的博客和新闻稿，说明你还没掌握学术文献调研所需的提示词构造逻辑——它不是关键词堆砌，而是用自然语言给模型下一道可执行、可验证、带边界条件的学术指令。
第一步：锚定权威信源与时间范围
直接输入宽泛术语会让Perplexity fallback到通用网页索引，结果混杂媒体解读、营销文案甚至过时幻灯片。必须在提问开头就锁死数据源和时效底线。
在搜索框中输入：【请仅基于2021–2026年发表于IEEE TKDE、KDD、WWW、ACM Transactions on Management Information Systems的论文】，然后接你的研究问题。
这一步不能省略。arXiv虽属预印本平台，但Perplexity默认不将其归类为“peer-reviewed”，若你接受预印本，需额外加一句“including arXiv preprints with ≥50 citations”——否则系统会自动过滤掉高影响力但尚未正式见刊的工作。
第二步：结构化输出要求（三类必含要素）
学术调研不是找摘要，而是提取可复现、可比对、可溯源的核心信息。提示词必须强制模型按维度拆解内容，避免笼统综述。
方法一：指定分类框架
追加指令：“总结图神经网络在金融反欺诈中的三类典型应用架构：a)异构交易图建模；b)多跳设备-账户关联推理；c)动态时序子图采样。”
Perplexity SEO 优化指南 — 如何获得 Perplexity AI 的引用。涵盖 Perplexity 引用行为、面向 Perplexity 答案的内容结构、Perplex...
方法二：绑定验证动作
追加指令：“每类架构必须注明：①论文出处（作者+会议/期刊+年份）；②核心创新点（限30字内）；③是否开源代码（标注GitHub链接或‘not released’）。”
方法三：嵌入否定约束
追加指令：“排除所有未提供实验细节、未说明正负样本比例、未报告F1-score或AUC值的论文。”
注意：否定约束必须具体。写“不要低质量论文”无效，模型无法量化“低质量”；但“未报告F1-score”是机器可识别的硬性缺失项。
第三步：触发深度验证链
1、点击结果页右侧“Sources”标签，逐条核验来源是否属于你限定的会议/期刊。arXiv条目需手动检查其引用数与评论区是否有同行质疑——Perplexity不会自动标出这些风险信号。
2、对筛选出的任一高相关论文，使用“Ask follow-up”功能追问：【该文提出的GAT-based fraud propagation mechanism是否在真实银行生产环境部署？若否，请说明其验证所用数据集名称、样本量、正负样本比例及是否开源】。
3、若响应中出现“据内部测试显示”“行业普遍采用”等无来源表述，立即复制该句→回到搜索框粘贴→追加指令：“请定位该说法的原始出处，若无直接引用，请标注‘unsubstantiated claim’并删除该句。”
