Gemini深度研究

技能简介

基于Google Gemini的异步深度研究工具，通过Interactions API实现自主调研。支持本地文件RAG检索、成本预估、结构化JSON输出及自适应轮询，兼容Claude Code、Amp、Codex等30余种AI代理。

业务背景

Gemini深度研究为业务团队提供自动化调研能力，将复杂信息收集工作从数小时人工检索压缩为异步任务。支持本地文档RAG检索确保答案有据可依，内置成本预估避免预算超支，结构化输出便于直接嵌入决策流程，适配主流AI代理生态实现无缝协作。

落地案例：市场部门需分析竞品技术路线，启动深度研究任务并上传内部产品白皮书作为知识库，设定成本上限后系统自动轮询生成报告。研究员通过状态ID随时查看进度，最终获得带引用来源的Markdown分析报告，既保证结论可靠性，又避免敏感文档长期驻留云端的风险。

能做什么

• 启动针对复杂问题的深度研究任务
• 上传本地文档构建RAG知识库进行 grounded 问答
• 预览API调用成本，避免意外支出
• 输出Markdown、HTML或PDF格式的研究报告
• 管理研究会话状态，支持断点续查

使用说明

安装依赖

# 安装uv（Python包运行器）
curl -LsSf https://astral.sh/uv/install.sh | sh

# 配置API密钥
export GOOGLE_API_KEY='your-key-from-aistudio.google.com'

基础用法

# 执行深度研究
uv run scripts/research.py start "量子计算最新进展"

# 带本地文件的RAG研究
uv run scripts/research.py start "认证机制分析" --context ./src --output report.md

# 仅预览成本不上传
uv run scripts/research.py start "问题" --context ./docs --dry-run

# 查询已上传文档
uv run scripts/store.py query <store-name> "具体问题"

输入与输出

见下方输入与输出表格。

风险提示

• API密钥通过环境变量读取，需妥善保管避免泄露
• –context参数会将本地文件上传至Google临时存储，敏感文档慎用
• 非交互模式下确认提示自动跳过，需配合–dry-run和–max-cost限制风险
• 研究状态保存在.gemini-research.json本地文件，含交互ID和存储映射

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/24601/agent-deep-research/SKILL.md
来源类型：GitHub开源项目