应锁定小红书原生评论结构特征：用“共x条评论”锚定真实笔记页，结合设备/版本/操作路径等硬约束指令，并过滤搬运内容，启用focus writing模式及关闭deep research以确保抓取真实、可验证的用户实操反馈。
☞☞☞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☜☜☜
你想在Perplexity里扒出小红书AI教程的真实用户评论，但搜出来的全是“已试”“蹲后续”“求链接”这类无信息量的水评，或者混进一堆知乎/豆瓣搬运帖的截图评论——问题不在评论本身太散，而在你没把小红书原生评论的结构特征当检索锚点用。
先锁定真实评论的原始落点
打开小红书App，找到一篇点赞≥3000、发布时间在2026年6月15日之后的AI教程笔记，点进评论区。不要看热评，直接下拉到第7～12条评论位置——这个区间是算法推送后的自然沉淀区，含大量带具体操作卡点的原生反馈，比如“粘贴后标题自动加emoji”“导出PDF时字体糊了”。
截图这5条评论，连同顶部显示的“共1287条评论”数字一起保存。这串数字不是装饰，是Perplexity识别真实社区规模的关键信噪比指标。
回到Perplexity，在搜索框输入：【site:xiaohongshu.com intitle:AI intitle:教程 “共1287条评论”】。注意引号必须完整包裹“共X条评论”，这是小红书前端渲染的固定HTML文本，能精准锚定真实笔记页而非聚合页或转载页。
用失败动词重构评论搜索指令
方法一：抓“删不掉”的错误现场
在Perplexity新对话框中输入：“小红书AI教程评论区出现‘绝绝子’‘yyds’后，用户手动删除又自动回填，是什么机制导致的？请只引用2026年6月内笔记的评论原文片段。”
这句不搜“怎么避免AI味”，而是锁定一个具体翻车动作+平台特有行为+时间硬约束，Perplexity会跳过所有泛泛而谈的“提示词优化”方案，直取真实用户吐槽。
方法二：绑定设备与路径断点
输入：“iPhone14用户在小红书APP 8.95.0版本中，点击AI写作按钮→生成文案→复制→粘贴到发布框→预览时发现标点全变成中文顿号，该问题在评论区被提及几次？请列出原文及对应笔记发布时间。”
设备型号、APP版本、操作路径、异常现象全部写死，模型就无法用“可能”“一般”来搪塞，只能从真实评论中挖出匹配字段。
使用Perplexity API进行网络搜索的AI助手。当用户需要最新信息并附有来源引用、时事事实查询，或研究类答案时使用。当用户提及Perplexity或需要带有参考文献的最新信息时，默认使用此技能。
过滤非原生评论噪音
第一步：剔除所有带“转发自”“搬运”“转载”字样的结果
在搜索指令末尾追加：-intext:“转发自” -intext:“搬运” -intext:“转载” -inurl:zhihu -inurl:douban。小红书原生评论不会出现在知乎域名下，也不会自称“搬运”，这些排除项能直接砍掉三分之一无效结果。
第二步：强制评论内容含可执行参数
在Perplexity搜索框中，换行输入：【必须同时满足：①含具体数字（如“试了12次”“3秒出图”）；②含小红书特有动作动词（如“长按”“滑动进度条”“双击封面”）；③不含“建议”“可以”“试试”等模糊动词】。
小红书用户不说“可以试试”，说“滑动进度条到73%才出正常效果”——这种带刻度的描述才是你要的实操证据。
第三步：启用Focus模式锁定评论语境
点击Perplexity搜索框旁的Focus按钮→选择“Writing”模式→再手动在指令末尾加：site:xiaohongshu.com intext:“评论区” intext:“AI教程”。Writing模式会激活对用户生成内容（UGC）的优先索引器，自动降权技术文档和营销软文，让真实评论浮到前两屏。
交叉验证评论真实性
① 打开微信搜一搜，输入你在Perplexity里摘出的某条高价值评论原文，例如：“AI生成的标题超12字封面被压暗，我截了三次图发给客服都没人理”。微信搜一搜若返回小红书笔记原文链接且发布时间≤7天，说明该评论真实存在且未被删。
② 回到Perplexity，用这条评论原文作为新指令开头：“基于‘AI生成的标题超12字封面被压暗’这一现象，请提取小红书官方客服在2026年6月回复过的3条标准应答话术，并标注每条话术出现的笔记链接。”
Perplexity会调用小红书客服公开回复数据，而不是编造话术——只要它能返回带xiaohongshu.com域名的链接，就证明这条评论已被平台侧记录。
③ 最后一步：关闭Perplexity的Deep Research开关。点击右上角头像→Settings→Research Preferences→把“Enable Deep Research”设为关闭状态。开启此开关会让Perplexity去扒客服工单系统甚至内部知识库，反而稀释真实评论权重；关掉后，它只从小红书站内公开页面抓取，评论数据更干净。
