先划清边界。Perplexity 不能替代学校数据库的正式检索——它做的是"初筛"：帮你快速摸清一个领域里"谁在做、做什么、哪些是绕不开的名字"，把数据库精查的工作量砍掉大半。流程如下。
准备清单
- Perplexity（免费档够初筛用）
- 研究问题一句话（如"XX 材料在 XX 领域近三年的应用进展"）
- 限定条件：年份、语种、优先来源（学术期刊/预印本）
分步操作
第 1 步：限定来源做首轮扫描
研究主题：【一句话】。请限定近三年、优先学术来源，列出该主题下的：1. 主要研究团队和代表学者；2. 被反复引用的关键论文（标题+年份+期刊）；3. 该方向公认的研究难点。每条附来源链接。
预期结果：一张"领域地图"。常见失败：来源是博客而非论文——追加"只保留期刊、会议或预印本来源"。
第 2 步：对关键论文做"二次下钻"
挑出 3-5 篇反复出现的论文，逐篇问：
关于论文【标题/主题】，它的核心方法和结论是什么？后续有哪些论文引用并改进了它？请附来源。
预期结果：沿引用链往下挖，找到最新进展。常见失败：引用链断了——换关键词重扫，或拿 DOI 去学校数据库精查。
第 3 步：回数据库精查，AI 线索当地图用
把 AI 给出的论文名单带回知网/Web of Science 正式检索确认，能查到的进入精读列表。预期结果：初筛三小时，锁定精读 5-10 篇。
效果与验收
验收标准：精读列表里的每一篇，都能在数据库里找到原文——AI 给的线索必须"落地"到正式来源，这是学术底线。
举个例子：写综述的研究生小方，过去找文献先漫无目的翻数据库三天。改成"Perplexity 画地图+数据库精查"后，第三天就进入精读阶段，导师看了初稿第一句评价是"文献覆盖比上一届强"。