虽然大多数人听到“人工智能”这个词时仍然默认使用ChatGPT，但我更喜欢谷歌的Gemini聊天机器人。随着Gemini 3的发布，它几乎成为我唯一使用的AI聊天机器人。从图像生成（感谢Nano Banana Pro）到它的新引导学习模式，我真的看不出有什么理由要切换回去。
很长一段时间里，我几乎不碰的Gemini功能是深度研究。它对我的工作流程并没有增加太多价值。在某些情况下，它带来的麻烦甚至比解决的问题还要多。至少，情况一直是这样的，直到我开始使用最近推出的深度研究与Google Workspace的集成。
那么，Gemini的深度研究工作区集成到底是个什么东西呢？
在11月，谷歌扩展了深度研究并添加了一个选项，使其能够连接到以下Google Workspace应用：Gmail、Drive和Google Chat。Drive包括文档、幻灯片、Google表格，还有您账户中保存的任何PDF文件。这意味着深度研究可以从您的个人文件中提取信息，并用它们来创建高质量的报告。
这种工作区集成把这个功能从一个普通的网页抓取工具变成了一个可以整合您自己文档和沟通内容的工具，使得生成的报告更加准确和相关。您可以去Gemini，点击工具选项，然后从下拉菜单中选择深度研究来找到这个功能。然后，您只需点击来源选项卡，您将看到连接到其他来源的选项。
如果你以前没有使用过深度研究，它基本上是为你希望进行更结构化的多步骤搜索而设计的。正如这个功能的名称所暗示的，深度研究的目的是进行“更深入”的搜索。在开始研究过程之前，它会制定一个完整的计划，说明如何执行每一步。
只有在你确认满意它的研究计划后，它才会开始这个过程。然后，它会扫描数百个网站以收集信息，比如像Reddit这样的社区论坛。最后，它生成一份全面的报告，将所有发现以易于理解的方式组织起来。
虽然深度研究在理论上听起来令人难以置信，但我使用这个功能时遇到的最大问题（无论我使用哪个AI工具）是，它没有真正的方法来区分高质量和低质量的来源。根据我的经验，这些报告通常都太泛泛而谈，包含的信息是我通过几次有针对性的谷歌搜索就能找到的。如果我不得不对报告中的哪些部分是准确的或实际上有用的进行二次猜测，我真的有节省时间吗？
虽然这是几乎所有你使用的 AI 功能中普遍存在的问题，但在这里尤其成问题，因为 Deep Research 旨在生成一份完整的综合报告。如果包含低质量或误导性的来源，错误可能会被固化到最终输出中。
这个集成让我节省了原本要花在切换标签上的几个小时
当我第一次看到谷歌在他们的 The Keyword 博客文章中添加这个功能时，我以为这只是谷歌把 NotebookLM 的基于来源的方法引入到 Gemini 中。毕竟，NotebookLM 是为了帮助用户与他们上传的来源进行严格互动而设计的。
然而，在我自己尝试之后，我意识到这远不止于此。这个集成的亮点在于它能将 Google Workspace 应用和网络结果结合起来。最终的研究报告可以同时参考公开的信息和你的安全私密文件。
例如，假设我正在为一门历史课程做一个项目，我已经在我的云端硬盘中保存了一堆信息，比如我进行的访谈、讲师提供的笔记等。当然，考虑到历史这一主题的广泛性，我自己的资料可能不够用（但它们是重要的背景信息）。
多亏了这种集成，Gemini 可以自动提取相关的网络资源以及我云端硬盘中的所有信息，并同时分析这些信息，生成一份连贯的报告。这使得 Gemini 能够在这两组资源中找到联系（如果我手动整理所有内容，可能会错过一些链接和模式），并呈现出更完整、更细致的主题视角。
这也是一个很好的搜索你云端硬盘的方法
我不是个很有条理的人，我的谷歌云端硬盘完美地体现了这一点。不幸的是，这意味着在我的文件夹里找东西真是太麻烦了。找文件的唯一办法就是输入文件名或文件里的关键词。
作为一个记忆力比金鱼还差的人，我很少能记住确切的文件名或特定的术语，这使得找到我需要的东西变得令人沮丧。这就是深度研究派上用场的时候。与传统的搜索栏不同，Gemini 能够理解我所寻找内容的上下文，并扫描我的文档、表格、幻灯片和 PDF 的内容。
因为它生成报告时使用的所有来源都列出来了，我可以轻松找到之前找不到的文件，并在不需要翻阅无尽文件夹的情况下访问我所需的信息。
现在，Gemini 的深度研究功能是我最喜欢的
我很高兴自己给了它第二次机会。如果我没有这样做，我会完全错过一个真正让研究变得轻松的功能！
热门跟贴