Perplexity Computer Skills：把 AI 从“一次性对话”变成“可复用的工作流引擎”

2026-03-16 | ProductHunt · 官方帮助中心 · 发布日志

30 秒快速判断

这产品是干嘛的：Skills 是 Perplexity Computer 的“可复用指令集”功能。你教它一次怎么做某件事（比如写竞品分析报告、做 PPT、跑数据分析），它以后就能自动识别相关任务并按指令执行。说白了，就是把你反复输入的提示词变成可保存、可自动触发的“工作手册”。

值不值得关注：值得关注，但不建议盲目上手。这个功能是 Perplexity Computer 平台的一个增强特性，而 Computer 平台本身才是核心——一个每月 200 美元的多模型编排系统。Skills 让它从“一次性对话”进化成了“可编程的 AI 工作流引擎”，但高昂的定价和信用点消耗意味着这目前还不是为普通用户准备的。

与我有关三问

与我有关吗？

• 目标用户是谁：高频使用 AI 完成重复性工作的“专业用户”——内容创作者（每周重复同一套研究→写稿→排版流程）、产品经理（定期竞品分析）、开发者（反复跑相同的代码审查流程）、企业团队（标准化报告生成）。
• 我是目标用户吗：如果你每周在 AI 工具里输入类似的提示词超过 3 次，那你就是目标用户。如果你只是偶尔问问问题，那可能不太需要。
• 什么场景会用到：
  • 每周生成竞品分析报告 → 创建一个 "competitive-analysis" Skill
  • 重复性数据分析+可视化 → Chart Skill 自动生成图表
  • 研究→写作→PPT 一条龙 → 多个 Skill 自动串联
  • 把 Claude Code 的 SKILL.md 直接导入 → 实现工作流跨平台迁移

对我有用吗？

ROI 判断：如果你的日常工作已经重度依赖 AI 且每月在 AI 工具上花费超过 100 美元，Computer Skills 的“一次配置终身复用”确实能省下大量时间。但如果你主要用免费版或 Pro 版做简单搜索，200 美元的门槛实在太高，不值得。

爽点在哪？

核心爽点：

• 自动识别并加载：你说“做个 PPT”，Slides Skill 自动激活；你说“做个研究报告”，Research Skill 自动开工——全程无需手动选择。
• 跨平台迁移：把 Claude Code、Codex 的 SKILL.md 直接拖进来就能用，无需重写。
• 多 Skill 协作：一个任务自动调用多个 Skill 串联执行，比如 Research→Report→Slides 全自动完成。

用户真实评价：

"在 Perplexity Computer 上烧了 2000 点才建好一个 AI 新闻看板... 产品看起来很有前景，但真的非常贵（每月 200 美元才给 10,000 点）。" — @EXM7777 (408 赞)

"Perplexity Computer 现在对 Pro 订阅用户开放了。" — @perplexity_ai (2,688 赞, 46.4 万次查看) — 官方 3 月 12 日宣布 Pro 用户也可使用。

给独立开发者

技术栈

• 平台架构：云端多智能体（Multi-agent）编排系统
• AI 模型：接入 19+ 模型——包括 Claude Opus 4.6（核心推理）、Gemini（深度研究）、GPT-5.2（长上下文）、Grok（轻量快速任务）、Nano Banana（图像）、Veo 3.1（视频）
• Skills 格式：Markdown 文件 + YAML frontmatter（包含 name/description 字段），与 Claude Code SKILL.md 完全兼容
• 执行环境：云端沙箱，每次任务启动都是干净的独立环境
• 集成能力：400+ 应用连接器（Gmail、Slack、Notion、GitHub、Salesforce 等）

核心功能实现

Skills 的技术实现采用三层加载架构：Level 1 是触发层——通过 description 字段决定何时激活 Skill（这是最关键的部分，官方文档提到“如果 Skill 没触发，99% 是因为描述写得不好”）；Level 2 是执行手册——具体的步骤指令；Level 3 是参考库——示例和模板。系统根据用户输入的语义自动匹配并加载最相关的 Skill 组合。

SKILL.md 格式已被 Agentic AI Foundation（Linux 基金会支持）标准化到 v0.9 规范，微软、OpenAI、Anthropic、Cursor 等平台均已采纳。这意味着你写一个 SKILL.md，可以在 Perplexity Computer、Claude Code、OpenAI Codex、VS Code Agent Skills 之间无缝迁移。

开源情况

• 开源吗：平台本身闭源，但 SKILL.md 格式是开放标准
• 类似开源项目：perplexity-super-skills（社区维护的 11 领域 Skill 合集，覆盖开发/营销/销售/财务/法务/PM/运营/研究/内容）
• 自己做难度：低——如果你已有 Claude Code 的 SKILL.md 文件，直接导入即可。从零创建一个 Skill，通过对话式引导几分钟就能完成。

商业模式

• 变现方式：订阅制 + 信用点消耗制
• 定价：Max 计划 $200/月（含 10,000 点），Pro 计划 $20/月（获 4,000 奖励点），额外信用点按消耗计费
• 用户量：Perplexity 整体日处理 3000 万次查询，月增长率达 20% 以上

巨头风险

这是 Perplexity 自身的功能增强，但“Skills”概念本身并非独占——Claude Code、OpenAI Codex、Microsoft VS Code Agent Skills 都有类似机制。Perplexity 的差异化在于“多模型编排+Skills”的组合，而非 Skills 格式本身。风险在于：如果 Anthropic 或 OpenAI 在自家 Agent 产品里也加入多模型编排能力，Perplexity 的护城河会变窄。但目前来看，还没有竞品能同时调度 19 个模型。

给产品经理

痛点分析

• 解决什么问题：用户每次使用 AI 做重复性工作都要重新解释需求、格式偏好、工作流程。比如每周做竞品分析，每次都要写一大段提示词。
• 痛点有多痛：中高频，对重度 AI 用户是刚需。对偶尔用 AI 的人来说是锦上添花。

用户画像

• 核心用户：每天使用 AI 完成工作的知识工作者（内容创作者、分析师、开发者）。
• 进阶用户：需要标准化 AI 工作流的企业团队（统一的研究方法、报告格式）。
• 使用场景：研究→分析→输出一条龙；高频内容生产；代码审查和架构分析。

功能拆解

竞品差异

可借鉴的点

1. SKILL.md 跨平台兼容：不锁定用户在自家平台，反而鼓励用户把其他平台的 workflow 直接导入——这是一个非常聪明的增长策略。
2. 自动激活机制：不需要手动选技能，靠语义匹配自动加载——极大地降低了使用门槛。
3. 三层加载架构：触发→执行→参考的分层设计，值得任何做“可复用 AI 工作流”产品的团队参考。

给科技博主

创始人故事

• 创始人：Aravind Srinivas，1994 年生于印度金奈。
• 背景：IIT Madras 计算机科学双学位优等生 → UC Berkeley 博士 → 曾在 OpenAI、DeepMind、Google Brain 三大 AI 实验室工作过（极少有人能达成这一成就）。
• 为什么做这个：2022 年 8 月联合创立 Perplexity AI，初衷是做“能给出带来源引用的答案”的搜索引擎。从搜索进化到 Computer+Skills，是从“回答问题”到“完成任务”的战略跃迁。
• 成就：印度最年轻的亿万富翁，公司估值已达 212.1 亿美元。

争议点/讨论角度

• 角度 1：“信用点是不是新时代的 API 调用陷阱？” — 用户反复吐槽信用点消耗不透明，一个任务烧 2 万点的案例不少。200 美元/月只是入门价，真正的成本藏在信用点里。
• 角度 2：“多模型编排 vs 单模型专精” — Perplexity 赌“没有一个模型是全能的”，所以接入 19 个模型各取所长。但这也意味着它的核心能力建立在竞争对手的模型之上——风险极大。
• 角度 3：“SKILL.md 会成为 AI Agent 的通用语言吗？” — Linux 基金会支持的标准化已到 v0.9，这可能是 AI 领域的“Dockerfile 时刻”。

热度数据

• PH 排名：461 票
• Twitter 讨论：官方 Pro 开放公告获 2,688 赞、46.4 万次查看；CEO 亲自下场回复计费问题。
• Awesome Agents 评分：7.2/10

内容建议

• 实测向：“我花 200 美元体验了 Perplexity Computer Skills 一周——哪些工作流真的被彻底改变了？”
• 深度向：围绕 SKILL.md 标准化展开——“一个 Markdown 文件如何统治所有 AI Agent”。

给早期采用者

定价分析

上手指南

• 上手时间：5 分钟（使用内置 Skill）/ 30 分钟（创建自定义 Skill）
• 学习曲线：低（对话式创建）到中（手写 SKILL.md）
• 步骤：
  1. 订阅 Pro ($20) 或 Max ($200) 计划。
  2. 进入 Computer 界面 → 点击 Skills 标签页。
  3. 浏览内置 Skills 或点击 “Create Skill”。
  4. 对话式描述你想自动化的任务，系统会自动帮你生成 Skill。
  5. 或者上传你已有的 SKILL.md 文件（从 Claude Code/Codex 迁移）。
  6. 下次输入相关任务时，Skill 会自动激活。

坑和吐槽

1. 信用点黑洞：一个代码扫描任务可能烧掉 21,000 点（是月配额的 2 倍多），任务跑完才知道心疼。建议先拿小任务测试。
2. 无实时预览：写前端代码时，每次改动都要部署到 Vercel 才能看效果，每轮等待 2-3 分钟。
3. 沙箱里的“沉默失败”：npm 安装失败有时不报错误，Agent 在黑盒里反复尝试，白白烧钱。
4. 模型降级无通知：高峰期可能被切换到较弱模型，你看到的模型标签有时并不准确。
5. 计费系统不稳定：CEO Aravind Srinivas 曾在 3 月 10 日亲自道歉，承认计费系统存在工程问题。

安全和隐私

• 数据存储：存储在云端，具备持久化记忆功能，能跨会话保留工作偏好。
• 隐私风险：上传的图片可能通过 URL 在外部被访问，安全性仍有待观察。
• 安全审计：目前尚未公开第三方的安全审计报告。

替代方案

给投资人

市场分析

• 赛道规模：AI Agent/工作流自动化赛道跨越了 RPA（预计 2033 年达 358.4 亿美元）、低代码及 AI 搜索等多个万亿级市场。
• 增长率：Perplexity 自身的 ARR 从 2024 年的 3500 万美元飙升至 2026 年目标的 6.56 亿美元，两年增长约 19 倍。
• 驱动因素：知识工作者对效率的极致追求、AI 模型能力的指数级增长、企业 SaaS 工作流的碎片化现状。

竞争格局

Timing 分析

• 为什么是现在：2026 年 AI 模型能力已能可靠执行多步工作流；SKILL.md 标准化被主流平台采纳；从“对话式 AI”到“Agent 式 AI”的范式转移正在发生。
• 技术成熟度：核心模型已足够强大，但编排层仍有明显痛点（如计费不透明、沙箱调试差）。
• 市场准备度：企业端需求明确，消费端仍处于价格敏感期。

团队背景

• 创始人：Aravind Srinivas（CEO），横跨 OpenAI/DeepMind/Google Brain，UC Berkeley 博士。
• 核心团队：Denis Yarats、Johnny Ho、Andy Konwinski（均拥有顶级 AI 和后端背景）。

融资情况

• 已融资：超过 12.2 亿美元，历经 10 轮融资。
• 投资人：杰夫·贝佐斯、杨立昆、软银愿景基金、NEA、英伟达、三星、C 罗等。
• 估值：212.1 亿美元（2026 年 Series E-6）。
• 收入倍数：基于 6.56 亿美元目标 ARR，估值倍数约 32 倍。

结论

一句话最终判断：Perplexity Computer Skills 成功将 SKILL.md 从“开发者的小众工具”推向了“通用 AI 工作流标准”。产品思路非常正确——可复用、自动激活、跨平台兼容——但目前 200 美元的高门槛和信用点黑洞使其仅适合重度专业用户。随着 Pro 用户的开放，这一门槛正在逐步降低。

资源链接

2026-03-16 | Trend-Tracker v7.3