谷歌在 Gemini 中推出 Deep Research

背景

Gemini 是谷歌的 AI 助手，Deep Research 是其中面向付费 Advanced 层级推出的一项能力。发布时机的安排有明确用意：同一天，谷歌还介绍了 Gemini 2.0 Flash Experimental，并将其称为「智能体时代（agentic era）」的开端——这个说法用来描述那些不是回答单个问题、而是围绕一个目标连续执行一系列动作的 AI 系统^[2]。Deep Research 是谷歌在这一名义下交付给 Gemini 用户的最早功能之一。

发生了什么

谷歌于 2024 年 12 月 11 日发布 Deep Research。发布由 Gemini 应用产品管理高级总监 Dave Citron 在一篇标注同日日期的谷歌博客文章中宣布^[1]。谷歌把这个功能称为替用户跑腿的研究助手——所谓「跑腿」，指向的正是研究中最耗神的部分：打开大量页面、彼此比对、并记住每条说法出自哪里^[1]。

怎么工作

Deep Research 分阶段运行。它先制定一份多步骤的研究计划，用户可以在检索开始前修改或批准这份计划^[1]。之后它才开始浏览和分析网络，这个过程需要几分钟，而不是几秒^[1]。最终产出是一份报告，报告中带有回到原始来源的链接，读者可以据此核对每一部分背后的材料^[1]。

谷歌表示，检索和分析由 100 万 token 的上下文窗口（context window）支撑^[1]。上下文窗口指模型一次能纳入视野的文本量；窗口越大，系统就能同时参考更多抓取到的页面，而不是在步骤之间把它们丢掉。

使用方式与细节

发布时，用户需要在模型选单中选择「Gemini 1.5 Pro with Deep Research」来使用它，语言为英文，可在桌面端和移动网页端使用^[1]。报告可以导出到 Google 文档，因而能像其他文档一样被编辑和分享^[1]。谷歌还表示，Deep Research 将在 2025 年初进入 Gemini 移动应用和 Workspace 账户^[1]。

为什么重要

这些设计选择说明了谷歌对它的定位。计划审批这一步，让模型在花上几分钟干活之前仍把用户留在流程中，这与「一句提示、一个回答」的方式不同。带来源链接的报告，把输出当作需要核对的东西，而不只是用来阅读的东西。导出到 Google 文档，则把结果放进了文字工作通常被完成的那套工具里。

把 Deep Research 与被称为智能体时代开端的 Gemini 2.0 Flash Experimental 放在同一天发布，使它在消费级产品中成为这一思路的早期示例：系统先做计划，再在数分钟内行动，最后交回一件成品^[2]。这个名字后来也成了一个类别——一种愿意花几分钟替用户浏览、而不是立即作答的研究模式。