核心用法
Gemini Deep Research 是一个调用 Google Gemini Deep Research Agent API 的命令行工具，专为复杂、长周期的研究任务设计。用户通过 scripts/deep_research.py 脚本提交研究查询，Agent 会自动将问题拆解为多个子问题，系统性搜索网络信息，最终合成结构化报告。支持自定义输出格式、文件搜索存储关联以及流式进度查看，结果自动保存为带时间戳的 Markdown 报告和 JSON 元数据文件。
显著优点
1. 自动化研究流程：无需手动整理搜索关键词，Agent 自主规划研究路径，大幅降低信息搜集的认知负担。
2. 多源信息整合：能够跨网页、文档进行综合分析，输出带有引用来源的完整报告，提升研究可信度。
3. 灵活输出控制：支持通过 --format 参数自定义报告结构，满足学术、商业、技术等不同场景的呈现需求。
4. 进度可感知：--stream 模式提供实时进度反馈，长时任务（数分钟至数小时）的执行状态透明可见。
5. 与私有数据结合：可选接入 Gemini File Search Store，实现公开网络信息与内部文档的交叉分析。
潜在缺点与局限性
1. API 成本不可控：研究任务的 token 消耗与搜索轮次正相关，复杂主题可能产生较高费用，且难以预先估算。
2. 执行时间不确定：任务耗时从数分钟到数小时不等，缺乏明确的上限保证，不适合时效性极强的场景。
3. 依赖 Google 生态：必须使用 Google AI Studio 申请的 Gemini API key，不支持 Antigravity OAuth 等第三方认证方式。
4. 网络与地区限制：受 Google API 服务可用性影响，部分地区可能需要额外网络配置。
5. 结果质量波动：虽然能生成完整报告，但深度推理和事实核查仍依赖模型能力，关键结论建议人工复核。
适合的目标群体
- 市场分析师：需要快速产出竞品分析、行业趋势报告
- 学术研究人员：进行文献综述、技术路线调研
- 产品经理：评估技术可行性、追踪新兴技术动态
- 咨询顾问：生成客户交付物初稿，加速信息整理
- 技术写作者：收集技术背景资料，构建知识库内容
使用风险
- API 配额与计费：未设置用量上限可能导致意外账单，建议在 Google Cloud Console 中配置预算告警
- 输出目录权限：脚本需写入文件系统，若指定系统敏感路径可能引发权限问题
- 长时任务中断：网络波动或 API 服务异常可能导致研究任务失败，需做好重试准备
- 数据隐私：研究查询内容会发送至 Google 服务器，涉密信息需谨慎评估