我用Perplexity PC做了三个真实工作任务，结果喜忧参半

周三下午三点，我同时收到了三条消息。

领导要整理好的项目文件，客户催的跟进邮件，财务要更新的报表。

我没有叫助理，我打开了Perplexity PC。

---

在写这篇文章之前，我想先说清楚我的立场：我不是来替Perplexity PC打广告的。这台机器的宣传物料已经够多了，什么"AI原生电脑"、"第一台真正懂你的PC"，听起来都很美。我想知道的是，在一个真实的、有点混乱的工作日下午，它能不能真的接住压力。

结论先放这里：能接住，但接得歪歪扭扭。三个任务，一个惊喜，一个勉强及格，一个翻车了。

下面是完整的测试记录。

---

第一章：它到底是什么东西？

很多人以为Perplexity PC是Perplexity搜索引擎的硬件版，这个理解是错的。

Perplexity PC的核心卖点是本地AI Agent执行能力——它不只是帮你查资料，而是能直接操作你的文件系统、应用程序、邮件客户端。换句话说，它试图做的事情是：你说一句话，它帮你把事情做完，而不只是告诉你"你应该这样做"。

这个定位的竞争对手不是ChatGPT，而是更接近于微软Copilot+ PC的概念，或者你自己用n8n、Make搭的那套自动化工作流。

区别在于：Perplexity PC的门槛极低，零代码，说人话就能驱动。

这也是我选择测试它的原因。如果它真的能让不会写代码的普通用户获得自动化能力，那价值是实实在在的。

---

第二章：任务一「整理文件夹」——这里真的赢了

任务背景

我的测试文件夹里放了大约80个文件，混杂着三个不同项目的文档、截图、表格，时间跨度从今年1月到上周。文件名毫无规律，是那种"最终版_真的最终_v3_改完了"式的命名。

我给AI的指令是：

"按项目名称和月份两个维度整理这个文件夹，项目名从文件名中自动识别，月份从文件创建时间读取，不确定归属的文件单独放到一个'待确认'文件夹。"

实际执行过程

AI首先扫描了文件夹，输出了一份识别报告，列出它判断的项目归属和时间分布。这一步耗时约40秒。

然后它开始执行移动操作，期间在命令日志里可以看到它的决策逻辑：哪个文件被归到哪个项目、依据是什么关键词。整个执行过程约3分32秒。

我手动整理过类似规模的文件夹，大概需要15到20分钟，取中间值18分钟。

哪里出了问题？

80个文件里，有2个被错误归类。一个是跨项目的会议纪要（文件名里同时出现了两个项目名，AI选了错的那个），一个是截图文件（创建时间是凌晨，被AI判断为"时间异常"放进了待确认夹，但其实归属很明确）。

错误率约2.5%，在我可以接受的范围内。

为什么这个环节表现好？

文件整理本质上是一个规则推理任务：读取属性→匹配规则→执行操作。这类结构化任务是当前AI Agent能力的甜区。没有模糊的人际判断，没有跨系统的权限壁垒，只有清晰的输入和可验证的输出。

💡 结论：文件整理类任务，Perplexity PC值得信赖，但建议执行完之后花2分钟扫一眼"待确认"文件夹，别完全甩手。

---

第三章：任务二「发邮件」——卡在了哪里

任务背景

客户催的跟进邮件。背景是：上周开过一次会，有三个待办事项，现在需要发一封进展更新邮件，同时抄送给相关同事。

我给AI的指令是：

"帮我起草一封给客户张总的跟进邮件，说明上周会议的三个待办事项进展，语气专业但不要太正式，抄送给项目组相关同事。"

顺畅的部分

邮件正文起草得相当好。AI根据我之前导入的会议纪要，准确提取了三个待办事项，用清晰的分点格式呈现进展，语气也把握得不错——不是那种机械的"尊敬的客户您好"，而是带一点点温度的专业表达。

这一步我几乎不需要改动，只微调了两个措辞。

卡住的部分

问题出在"抄送给项目组相关同事"这里。

AI停下来，问我：

"我在您的联系人列表中找到了5位可能相关的同事，请问需要抄送哪几位？"

然后列出了一个名单，等我确认。

我当时的第一反应是有点失望——这不就是我自己要做的判断吗？但冷静下来想，这其实是正确的设计取舍。

"项目组相关同事"这个指令本身就是模糊的。AI没有我的人际关系上下文，不知道谁是核心负责人、谁只是边缘参与者、谁和这封邮件的主题有关联。如果它自作主张发出去，漏抄了关键人或者多抄了不该看的人，后果比"请您确认"严重得多。

实用结论

把邮件任务拆成两步：

1. 起草交给AI：正文、格式、语气，它做得比你快，质量不差

2. 发送自己把关：收件人、抄送、时机，这些判断必须是你的

这样分工，效率最高，风险最低。

---

第四章：任务三「更新表格」——最复杂，也最能看出差距

任务背景

财务要的是一张项目费用汇总表，需要从三个不同的原始数据Sheet里读取数字，按规则汇总到主表，并生成一段文字摘要说明本月费用构成。

这是三个任务里最复杂的，也是我最想测试的。

执行过程

AI读取Excel文件没有问题，识别Sheet结构也正常。它开始按我描述的规则填充数据——前几行看起来完全正确。

具体翻车点：AI在处理跨Sheet的引用时，把Sheet2里的一列数据错位了一行——第11行的数据被填到了第12行，导致后续所有行都差了一格。这种错误非常隐蔽，如果不逐行核对很难发现。

我发现这个问题是因为最后的合计数字对不上，倒回去查才找到错位的位置。

如果完全手动操作，我估计需要25到30分钟。有节省，但节省的幅度被复查成本吃掉了不少。

横向对比

同样的任务，如果用Claude + Python脚本方案来做：

• 脚本编写时间：约20分钟（首次）
• 执行时间：约30秒
• 准确率：接近100%（脚本是确定性的）
• 复用价值：下次同类任务直接跑，几乎零成本

Perplexity PC的优势是零代码门槛，你不需要会Python，不需要写脚本，说人话就能驱动。但代价是准确率的不确定性——每次执行都是AI的一次"推理"，不是确定性的程序执行。

适用人群判断

---

第五章：时间账怎么算？

三个任务测完，我整理了一张对比表：

核心判断

Perplexity PC目前最适合作为「粗加工层」，而不是「最终交付层」。

这个定位不是贬低，而是准确描述它当前的能力边界。就像一个聪明但经验不足的实习生：你可以把80%的工作交给他做，但最后出门前你得自己检查一遍。

可复用的工作流模板

优先扔给Perplexity PC：
├── 文件整理、重命名、归类
├── 邮件/文档起草（正文内容）
├── 信息汇总、摘要生成
└── 简单的单Sheet数据填充

必须人工兜底的环节：
├── 涉及人际判断的操作（抄送、权限、发送时机）
├── 跨Sheet/跨文件的复杂数据引用
├── 最终对外交付的文件（财务报表、合同、正式报告）
└── 任何"错了代价很高"的操作

---

关于成本的一句话

Perplexity PC的定价我不在这里展开（定价策略随时可能调整，建议直接查官网），但有一个横向参考值得思考：如果你的需求是「更高准确率 + 更可控的执行逻辑」，用API自己搭一套工作流其实是另一条路。

如果你想在Perplexity PC之外，用API方式自己搭一套更可控的文件处理+邮件自动化流程，可以试试 [api.884819.xyz](https://api.884819.xyz) ——它聚合了包括Claude、GPT系列在内的主流模型接口，没有月租，按量付费，国产模型（Deepseek、通义千问等）完全免费，新用户注册即送体验token。

>

两条路都走得通，关键看你对「容错率」的要求在哪里。

---

写在最后

测完这三个任务，我对Perplexity PC的判断是：它是真实的进步，但还不是革命。

文件整理那4分12秒，让我真的感受到了AI Agent能力的价值——不是"哇好神奇"的那种惊叹，而是"原来这件事可以不用我做了"的踏实感。这种踏实感，才是生产力工具真正应该给你的东西。

但表格那次翻车提醒我：AI的自信和AI的准确率，是两件不同的事。它执行得很流畅，日志输出得很整齐，但数据就是错了。这种错误最危险，因为它不报错，只是静静地躺在那里等你发现。

所以，用它，但别全信它。这是我目前能给出的最诚实的建议。

---

📌 下一篇预告

Perplexity PC测完了，我有个新问题：如果我不买这台机器，只用API自己拼一套「本地Agent工作流」，成本是多少？能不能跑出一样的效果？

下周我会用Claude + 本地Python脚本，复现今天的三连任务——文件整理、邮件起草、表格更新，全部跑一遍。两套方案的真实成本对比、准确率差异、配置门槛，到时候见。

如果你正在考虑"要不要自己搭一套"，那篇文章可能比今天这篇更值得看。

---

#AI工具测评 #Perplexity #AI自动化 #效率工具 #Agent #8848AI #AI工作流 #人工智能