实际可以迁移的内容
在 Perplexity 侧。 导出是按线程进行的。打开一个线程，使用分享/更多选项菜单，然后将其导出——PDF 是最稳定可用的格式，同时也提供 Markdown 和 DOCX 格式。导出内容包含你的提示词和 Perplexity 的完整回答，格式和链接都会保留，引用标记也会与最后汇总的引用 URL、标题和来源片段一起保存。对于研究工作来说，这个引用块是文件中唯一最具价值的部分。
Perplexity 并不提供官方的一键导出整个 Space 的功能。社区浏览器扩展可以进行批量导出——将整个 Spaces、选定的线程或你的整个库直接导出到 Notion 或 Markdown 中——有些还支持定期备份。它们确实很有用，但它们也需要访问你的 Perplexity 账号，通常还需要访问你的 Notion 工作区，因此，在授予这些访问权限时，请将其视为一个慎重的决定，而不仅仅是走个过场，尤其是在处理客户工作时。
你上传到 Space 中的文件则是另一回事。Perplexity 不是文档存储库：请在原始来源处保留原件，并重新上传，而不是将 Space 视为存档处。
在 Notion 侧。 前往 Settings → Import → Text & Markdown（设置 → 导入 → 文本和 Markdown）并逐个上传 .md 或 .txt 文件，或者将文件夹打包成 ZIP 并使用 ZIP 导入工具进行批量导入。每个文件都会变成一个独立的 Notion 页面。免费计划的文件大小限制为每文件 5 MB，付费计划为 50 MB。标准标题、列表和代码块可以干净地导入；锚点链接和特定工具的 Markdown 扩展则不行。另外请注意，CSV 和 ZIP 使用不同的导入选项，因此混合批次需要分多次处理。
一旦页面存在于你的工作区中，Notion AI 就可以像对待它有权访问的其他任何内容一样，根据这些页面回答问题。这部分功能确实有效，也是这次迁移值得进行的根本原因。
无法迁移的内容。 有三点，按痛点程度从低到高排列：
- 推理过程。 线程是一个序列：你提问，Perplexity 回答，你进一步追问，它缩小范围。导出操作会将这个过程扁平化为一个文档。六周后，该文档会告诉你结论，但不会告诉你你其实已经因为一个充分的理由拒绝了那个显而易见的备选方案。
- Space 的常驻上下文。 一个 Space 承载着塑造其中每个线程的指令和文件。Notion 没有等效的容器来表示 "始终在此上下文中回答"。你需要将其重建为一个页面和一种规范。
- 你从未问过的所有内容。 关于在两个冲突的来源中信任哪一个的判断，存在于你的脑海中，而不是线程中。
手动迁移步骤
步骤 1：从 Perplexity 导出研究数据
逐个 Space 进行，并有所筛选——一个研究 Space 会积累很多一次性的查询，这些查询不需要保留。
- 导出得出结论的线程，如果提供 Markdown 格式，请优先选择，因为 Markdown 是 Notion 可以干净导入的格式。PDF 作为人类可读的记录是可以的，但不会变成可编辑的 Notion 内容。
- 命名文件，使其可用作页面标题。
competitor-pricing-tiers-june.md会变成一个可搜索的页面；而thread-3.md则会让人一头雾水。 - 将 Space 的指令和上传文件列表复制到其自身的纯文本文件中。这是人们经常忘记的部分，也是解释其他所有内容的关键部分。
- 从原始存放处收集你上传的原始文件，这样你就不需要依赖 Space 来保存它们。
步骤 2：将其重建为 Notion AI 真正可以使用的内容
导入 40 个 Markdown 文件会给你 40 个零散的页面。这只是一个垃圾堆，而不是知识库——Notion AI 的回答组织程度将与输入内容的混乱程度相当。
- 为每个研究领域创建一个父页面并导入其中，这样从一开始就有了结构。
- 每个领域添加一个上下文页面，保存 Space 以前隐式携带的内容：你正在调查的问题、范围、你信任的来源和已拒绝的来源，以及目前的结论。明确写下拒绝的原因。这个单一页面是你能最接近保留线程推理过程的方法。
- 保留引用块。不要把它们清理掉——它们是让一个观点在下个季度仍然可验证的关键，也是阻止别人重新进行你已经做过的研究的关键。
- 导入后对几个页面进行抽查：标题和代码块应该完好无损，你依赖的任何锚点链接都需要手动修复。
整理一个重要的 Space 大概需要一个下午的时间。其中大部分时间都花在决定哪些内容值得保留上，这时间花得很值。
更好的方法：独立记忆层，适配任意工具
这就是整个过程背后的规律。你的研究知识总是最终留存在你恰好使用的任何产品中，而产品之间的每一次迁移都会让你付出手动导出、手动重新组织以及丢失导出格式无法携带的内容的代价。
Notion AI 根据你的工作区进行回答是真实且有用的。但它也仅限于 Notion。当你下周回到 Perplexity 进行新的研究时，它无法看到你已经确立的内容。当你在 Claude 或 Codex 中撰写内容时，它们也看不到——所以你只能复制粘贴。而且 Notion 中没有任何东西知道该页面中的结论 为什么 是这个结论。
结构性的解决方案是将研究记忆保存在一个不属于任何工具的独立层中。MemoryLake 就是为此而设计的：将记忆作为其自身的独立层，可通过 MCP 或 API 访问，这样文档可以保存在 Notion 中，而知识则可供你使用的所有工具使用。
步骤 1：创建 API 密钥
生成密钥并在大约 30 秒内发出你的第一次请求。
步骤 2：上传你的第一批记忆
放入你刚刚完成的迁移中的持久材料：导出的线程、上下文页面、来源列表，以及你否则需要重新寻找的 PDF 和截图。文档、图像和其他文件都存放在同一个地方。
步骤 3：连接你的 AI 和智能体
通过 MCP 授予 Claude、Codex、OpenClaw 和其他智能体访问权限。对于没有原生 MCP 客户端的工具——其中包括 Perplexity 和消费级 ChatGPT——通过 API 检索相关的记忆，并将其放入需要它们的提示词或工作流中。Notion 继续作为你团队的文档界面；而研究记忆则不再被困在其中。
这在实践中带来了什么改变
显而易见的胜利是，下一次迁移将不再是迁移。当你的团队更换工具时，存在于 Notion 和 Perplexity 之外的研究记忆不需要导出，考虑到这个领域的发展速度，这比听起来更有价值。
不太明显的胜利是召回质量。Notion 页面回答了 "我们得出了什么结论？" 而一个同时保存了被拒绝选项和原因的记忆层则回答了 "为什么这仍然是结论？" ——当有新成员加入并提出你已经尝试过的事情时，这才是实际会出现的问题。
并且它消除了“粘贴税”。研究很少在生产它的工具中被消费：研究结果会变成简报、规格说明、幻灯片、一系列论点，通常是在不同的 AI 工具中。目前，每一次交接都是一次复制粘贴，这就是为什么在你的 AI 工具之间保持统一的记忆往往比任何单一工具的优化更能节省时间。
跨越工具生命周期的研究最佳实践
写下你排除的选项
结论很容易重建；而被排除的选项代价高昂。一句话——"不采用供应商的基准测试，因为其方法论仅覆盖了单一区域"——就能让别人免于进行全面的重新调查。这是此列表中最具价值的习惯，但几乎没有人这样做。
保持引用与观点关联
没有来源的研究结果到了下个季度就会变成传言。Perplexity 的导出保留了引用块；在清理过程中不要剥离它们，并将它们带入你存储的任何记忆中。
将文档与知识分离
Notion 是一个适合人们阅读、评论和进行版本控制的文档好去处。但它不适合作为你使用的每个 AI 工具的工作记忆，因为只有 Notion 能读取它。让每个层各司其职：文档留在 Notion 中，可检索的知识留在你的工具可以查询的记忆层中。同样的拆分也解释了为什么 Perplexity 会在会话之间忘记你的 Spaces 内容。
结论
从 Perplexity Spaces 迁移到 Notion AI 是一次真实、可行的迁移：将线程导出为 Markdown，通过 Settings → Import → Text & Markdown（设置 → 导入 → 文本和 Markdown）导入它们，在父页面下组织它们，Notion AI 就会根据它们进行回答。逐个线程进行，保留引用，并为每个研究领域撰写一个上下文页面。
然后注意这次实践揭示了什么。研究结果在迁移中幸存下来，因为它们是文本。而推理过程没有，因为它存在于线程中——而线程是无法导出的。仅存在于单个产品内部的研究知识在每次技术栈发生变化时都会继续支付这种税。一个位于工具之外的记忆层，才能将 "迁移研究" 转变为 "将新工具指向相同的记忆"，并且它能让推理过程与结论保持关联。如果你的目的地可能是不同的工具，同样的方法也适用于将 Spaces 迁移到 Claude 或从 Notion AI 迁出到其他工具。