虽然大多数人一听到“人工智能”，脑子里跳出来的默认答案还是ChatGPT，但我还是更喜欢谷歌的Gemini聊天机器人。特别是等到Gemini 3出来之后，它几乎成了我唯一一个在使用的AI聊天机器人。有了Nano Banana Pro带来的图像生成能力，还有新推出的引导学习模式，说实话我根本找不到什么理由还得切换回别的工具。 其实在很长一段时间里，我几乎没怎么碰过Gemini里的深度研究功能。当时觉得它对我的工作流程帮不上多大忙，甚至有时候反而给我添乱。不过这种情况到了最近有了大变化，因为我开始用那个和Google Workspace整合的新功能。 那么，这个所谓的深度研究和Google Workspace的集成到底是个什么东西呢？就在11月份，谷歌把原来的深度研究功能扩展了一下，新增加了几个选项，能直接连到Gmail、Drive还有Google Chat这些应用上面。Drive里面除了文档、幻灯片、表格之外，还能连上你存着的所有PDF文件。这意味着深度研究能直接从你个人存的文件里抓信息，拿来搞高质量的报告。 这种集成最大的改变是把这个功能从一个单纯的网页爬虫变成了一个能把你自己的文档和聊天记录都整合进来的工具。这样生成的报告也就更准更靠谱了。你只要去Gemini页面点击一下工具选项卡，再从下拉菜单里选深度研究就能找到它。接着点那个来源标签页，你就能看到链接其他资源的地方。 如果你之前没用过这个功能的话，其实它就是为了帮你做那种结构化的多步骤搜索而准备的。正如名字里说的那样，“深度研究”就是要让你挖得深一点。在开始搜索之前，它会先给你画个全流程的路线图，等你看完确认满意了才动手干活。 接下来它就会去爬几百个网站甚至是Reddit这样的论坛收集资料，最后生成一份很全面的报告。虽然在理论上听起来很厉害，但我用的时候最大的槽点在于（不管是用哪个AI工具都这样），它很难区分高质量和低质量的来源。 照我的经验来看，这些报告往往都挺空泛的，里面的内容我其实随便谷歌搜两下就能找到。要是为了要猜这份报告里到底哪块是对的哪块是真有用的，那我真的是节省了时间吗？虽说这是个AI功能里的通病吧，但放在这个深度研究上就特别明显，因为它本来就是要做一份整合的大报告。要是里头混进了误导人的信息或者垃圾数据，那错误很容易就被写进最终的输出里了。 不过这个新的集成倒是帮我省了不少折腾的时间。刚开始我在谷歌的The Keyword博客上看到这个消息时还以为是把NotebookLM那种基于来源的做法直接搬到了Gemini里呢。毕竟NotebookLM本来就是设计用来让用户跟上传的资料严丝合缝地互动的。但等我自己试了一下才发现没那么简单。 这个功能最棒的地方在于它能把Google Workspace的应用和网上的结果拼在一起用。最终的报告既参考了外面的公开信息，又能调用你在云端硬盘里保存的那些隐私文档。 举个例子吧，假如我在做一门历史课的项目时已经在云端硬盘里攒了一堆材料——比如我的访谈记录或者老师给的笔记什么的——虽然历史这东西面儿太广了光靠自己这点资料肯定不够用（但它们是很重要的背景），幸亏有这个整合功能，Gemini可以自动把网上相关的内容还有我云端硬盘里的东西全扒拉出来一块儿分析。 这就让它能在这两拨资料里找到联系（要是让我自己手动整理恐怕还得漏掉不少），最后呈现出一个更全面细致的视角。 另外它也是个很好用的云端硬盘搜索神器。我这人吧不太爱收拾东西，所以我的谷歌云端硬盘乱得像个窝。想在里面找东西简直是噩梦一件，除了硬记文件名或者关键词之外根本没别的招。像我这种记性还不如金鱼的人很少能记住确切的文件名或者术语，找文件变得特烦人。 这时候深度研究就能大显身手了。跟普通的搜索栏不一样，Gemini能懂我想要啥上下文含义，然后它会直接翻你的文档、表格、幻灯片和PDF的正文内容。因为生成报告用的那些来源都列得明明白白的，我就轻松地把以前找不到的文件找出来了，也不用再费劲翻那没完没了的文件夹了。 现在啊Gemini的深度研究功能绝对是我的最爱。幸亏当初我给了它第二次机会去试试。要是没有这次机会的话，我肯定错过这么个让研究变得特轻松的好东西！