はじめに

2025年、Perplexityを信じすぎた。

高校生として個人開発をしながら、気づいたらPerplexityなしで技術選定できない体になっていた。

ライブラリを選ぶとき、実装方法を調べるとき、何かを買うとき──「とりあえずPerplexityに聞こう」が口癖になっていた。

でも振り返ると、「思ってたのと全然違った」が何回も起きていた。

自分のPerplexity活用パターン

使っていた場面はだいたいこの3つ。

特にOSS選定と技術的な質問では、Perplexityの回答をそのまま実装の出発点にしていた。

Perplexityは通常の検索と違い、複数の情報源を統合して回答してくれる。
候補を3つに絞ってくれるのが特に便利で、気づいたらそれをそのまま採用していた。

Perplexityが教えてくれたコードをそのまま書いたら、エラーが出た。

調べると、回答が参照していたのは旧バージョンのAPIだった。
メソッド名が変わっていた。引数の仕様が変わっていた。
それだけで1〜2時間が消えた。

バージョンを指定せずに質問すると、古い情報をもとにした回答が返ってくることがある。
「Python 3.12環境で」 や 「v2.x系で」 など、バージョンを明示するのが大事。

「◯◯ライブラリでXXXの処理はできますか？」と聞いたら「はい、以下のように実装できます」と返ってきた。

コードを書いて動かしたら、そんな機能は存在しなかった。

公式ドキュメントにも、GitHubのissueにも、そんな使い方は一切書かれていない。
自信満々に教えてくれたのに、完全なハルシネーションだった。

AIが「できる」と言っても、公式ドキュメントで確認するまでは「できるかもしれない」に過ぎない。
特に「〇〇はできますか？」という質問は肯定的な回答が返りやすいので注意。

「◯◯に使えるライブラリ教えて」と聞いて候補を絞り、そのまま採用して実装を進めた。

しかし途中でわかった。

そのライブラリが得意なユースケースと、自分がやりたかったこととが微妙にズレていた。

Perplexityの回答が間違っていたわけじゃない。
でも「候補を絞った」だけで「自分のケースに合うか確認していなかった」。

正直に言うと、最初は「Perplexityの精度が低い」と思っていた。

でも振り返ると、問題は自分の使い方にあった。

今は意識的にこのフローにしている。

具体的には以下のチェックを通すようにした。

特に「ユースケースを具体的に伝える」が一番効いた。

bad_question.py

# 悪い質問例（文脈がない）
# 「Pythonで非同期HTTPリクエストするライブラリは？」

good_question.py

# 良い質問例（文脈を渡す）
# 「Python 3.12 + asyncio環境で、100件以上の並列リクエストを
#   送るスクレイピング用途に向いているHTTPライブラリは？
#   requestsは同期なので除外してください」

質問の粒度を上げるだけで、ズレが格段に減った。
Perplexityに限らず、生成AI全般に使えるコツだと思う。

他にも試したこと（おまけ）

いずれも「公式ドキュメントを確認する」には及ばなかった。
結局、一次情報に当たることに代わるものはなかった。

「AIに聞けばわかる」の時代に高校生をやっている。

でも2025年に学んだのは、
AIが「できる」と言っても、自分が確認するまでは「できるかもしれない」に過ぎない
ということだった。

Perplexityは最高の出発点だ。でも終点にしてはいけない。

同じような「思ってたのと違う」を経験した人、いますか？