Gemini Deep Research

核心用法

Gemini Deep Research是一个专门用于执行复杂、长周期研究任务的Agent工具。它通过将复杂查询拆解为多个子问题，系统性进行网络搜索，并将发现综合成全面报告。典型使用场景包括：竞品分析、市场研究、技术深度调研、多源信息合成等需要系统性信息收集与分析的任务。

显著优点

1. 自动化研究流程：自动分解问题、执行搜索、综合结论，大幅降低人工研究成本
2. 结构化输出：支持自定义报告格式，可生成包含数据表格的执行摘要
3. 可选文件搜索：支持与私有文档库对比分析，扩展研究深度
4. 流式进度反馈：--stream参数提供实时进度更新，便于监控长任务
5. 完整元数据留存：同时输出Markdown报告与JSON完整交互记录，便于审计与复用

潜在缺点与局限性

1. 认证门槛高：必须使用Google AI Studio获取的独立Gemini API key，不支持Antigravity OAuth，增加了配置复杂度
2. 时间成本高：任务可能持续数分钟至数小时，不适合实时性要求高的场景
3. API成本不确定：依赖用户配额，复杂研究可能产生较高费用
4. 预览版稳定性：Agent标识为deep-research-pro-preview-12-2025，存在API变更风险
5. 输出可控性有限：虽有格式模板，但最终内容由模型自主决定，需人工复核关键结论

适合人群

• 市场分析师、战略研究员、投资分析师
• 技术尽职调查人员
• 需要快速获取行业全景的咨询顾问
• 学术研究人员（初筛文献与竞争态势）

常规风险

| 风险类型 | 说明 |

|---------|------|

| API密钥泄露 | GEMINI_API_KEY需妥善保管，避免硬编码提交至代码仓库 |

| 信息时效性 | 搜索结果依赖模型快照，关键决策需二次验证 |

| 成本失控 | 复杂查询建议先小规模测试，监控API用量 |

| 合规边界 | 涉及竞品敏感信息时，注意遵守相关法律法规 |

核心用法

gemini-deep-research 是一款封装 Google Gemini Deep Research Agent 的命令行工具，专为需要系统性、多步骤信息整合的复杂研究场景设计。其核心工作流程包括：将复杂查询拆解为子问题 → 执行多轮网络检索 → 自动综合信息 → 输出结构化研究报告。

基础调用：

scripts/deep_research.py --query "研究主题" --stream

进阶功能：

• --format：自定义报告结构（如强制包含数据表格、风险分析章节）
• --file-search-store：结合私有文档库进行RAG增强研究
• 结果自动保存为时间戳命名的 Markdown 报告与 JSON 元数据

显著优点

1. 研究自动化程度高：无需人工逐站搜索，Agent自主规划检索策略，显著降低重复劳动
2. 输出结构化：原生支持自定义格式模板，便于直接嵌入商业汇报
3. 实时进度可见：--stream 模式提供流式状态更新，长时任务（分钟至小时级）可感知进展
4. 合规性良好：仅调用Google官方API，HTTPS加密传输，无敏感信息硬编码

潜在局限

• 耗时较长：复杂主题可能需要数小时完成，不适合即时响应场景
• 成本不可控：按查询复杂度计费，大规模研究前难以预估费用
• 数据外发必然性：所有查询内容必须发送至Google服务器，存在合规敏感场景限制
• T2来源风险：社区维护项目，长期更新稳定性弱于官方或企业级方案

适合人群

• 投资分析师、市场研究员（竞争格局、技术趋势调研）
• 企业战略部门（行业报告自动生成）
• 学术研究者（文献综述初步框架搭建）
• 咨询顾问（客户尽职调查快速背景扫描）

常规风险

| 风险类别 | 说明 | 缓释建议 |

|---------|------|---------|

| 数据隐私 | 查询内容上传至Google服务器 | 避免输入客户机密、个人敏感信息 |

| API成本 | 复杂任务可能产生高额费用 | 设置配额告警，先小范围测试 |

| 输出质量 | 依赖Gemini模型能力，可能产生幻觉 | 关键结论需人工交叉验证 |

| 服务可用性 | 依赖Google API稳定性 | 关键任务预留备用方案 |