Deep Research Mac 版:多步骤 AI 研究,不离开桌面
Deep Research 是 Google 为 Gemini 构建的最具野心的功能。它不从训练数据回答问题,而是实际去研究——搜索网络、阅读多个来源、追踪线索,将发现综合为带引用的结构化报告。
问 Gemini 一个问题和让它深度研究一个问题的区别,就是「回答」和「调查」的区别。回答是训练数据的最佳猜测,调查是系统化地查找当前信息、交叉验证、以可检验的方式呈现发现。
API 文档:ai.google.dev/gemini-api/docs/deep-research。
TL;DR 快速参考
- 触发方式:完整聊天窗口(
⌥ ⇧ Space)→ 输入栏左侧「工具」菜单 → 选择「Deep Research」 - 工作流:四步 Agent(研究计划 → 多步搜索 → 来源阅读 → 综合报告)
- 耗时:简单主题 3–5 分钟,复杂主题 10–20 分钟
- 产出:Markdown 报告 + 带编号引用 + 来源元数据
- 来源数量:典型 15–40 个来源,比浏览器搜索的「前三个结果」深得多
- 模型要求:Gemini Advanced 订阅(Gemini 2.5 Pro/Gemini 3),免费版不可用
- 速率限制:订阅用户约每天 20 次、每小时 5 次(具体以 Google 为准)
- 不同于聊天:异步任务,可在后台执行,完成后通知
- 官方 Mac app 首发:支持,但无本地 Markdown 导出、无离线查看、无知识工具联动
工作原理
四步 Agent 工作流:
研究计划——生成结构化大纲:子问题、来源类型、报告结构。执行前展示,你可审查修改。
大纲通常包含 5–10 个子问题,每个子问题会独立搜索并交叉验证。你可以在这一步追加问题、删除不相关的分支、改写措辞——它直接决定了后续阅读的来源质量。这也是 Deep Research 区别于「一次 prompt 就出答案」的关键:研究是有结构的,结构值得让人类先看一眼。
多步骤搜索——用不同查询表述执行多次搜索,不够则重新表述再搜。人类可能搜三四次就疲倦,Deep Research 例行十到二十次。
来源阅读——阅读完整页面而非搜索摘要,提取信息、记录来源、识别需交叉验证的声明。十到二十个完整页面,人类需数小时,它几分钟。
综合报告——执行摘要、分主题章节、行内引用、共识与分歧、信息空白。
官方 Mac App 状态
Gemini for Mac 落地页列出了 Deep Research。网页端已为 Advanced 订阅者支持。但原生 Mac App 首发时的完整程度不明确。API 显示它使用专用模型和 google_search 工具配置,是独立于标准聊天的能力。
根据 2026-04-15 发布的 Gemini for Mac 首发版本:
- 支持:通过工具菜单触发 Deep Research、查看报告、在聊天内追问
- 不支持:导出为本地 Markdown 文件、离线查看历史报告、API 可编程调用
- 受限:仅 Apple Silicon、macOS 15+、Gemini Advanced 订阅用户
具体操作步骤
- 打开 Gemini for Mac 完整窗口(
⌥ ⇧ Space) - 确认右上角模型选择器为 Gemini 2.5 Pro 或 Gemini 3
- 在输入栏左侧点「工具」图标,下拉菜单里勾选「Deep Research」
- 输入研究题目,例如「2026 年 AI Agent 在企业 RPA 领域的落地情况」
- 点提交后,Gemini 返回一份研究计划——10 条左右的子问题
- 审查计划:可以说「加上对比一下 Anthropic Claude Agent 的应用」「删掉第 3 条」
- 确认后点「Start research」,任务进入后台执行
- 状态栏显示进度:搜索中(X/Y 条)、阅读中(X/Y 篇)、综合中
- 完成后推送通知(需在 macOS 通知中心开启 Gemini),报告在对话中展开
- 报告顶部有目录、中部分章节、底部有全部引用列表(编号+链接)
- 复制报告:目前只能手动选中文本复制,或整页截图保存
任务队列与后台执行
Deep Research 是 Gemini for Mac 里为数不多的异步任务——发起后你可以关掉窗口、做别的事,任务在 Google 服务端继续跑,完成后通知你。
- 并发上限:同时最多 2–3 个研究任务跑在后台
- 超时:单个任务最长约 20 分钟,超时自动返回部分结果
- 断网:任务在云端执行,本机断网不影响;但你收不到完成通知,回到在线后查看
- 关闭 app:任务继续,重开 app 后状态会恢复
- Mac 休眠:任务继续,醒来后通知会推送
实战建议:把「长研究」拆成多个小任务并行跑。与其让 Gemini 研究「XXX 行业 2020–2026 全景」,不如分 6 个「每年的变化」并发,最后手动整合——更快且粒度更可控。
速率限制
速率限制是 Deep Research 最容易踩的坑:
| 用户等级 | 每天上限 | 每小时上限 | 单任务最长时间 |
|---|---|---|---|
| 免费 | 0(不开放) | — | — |
| Gemini Advanced($19.99/月) | 约 20 次 | 5 次 | 20 分钟 |
| Gemini Ultra($249.99/月) | 约 100 次 | 15 次 | 30 分钟 |
| API 调用(AI Studio) | 按配额 | 按配额 | 按配额 |
官方数据可能调整,以 Google 账户设置里的实际配额为准。触发限流时 Gemini 会返回「Research quota exceeded」错误,显示下次可用时间。
对比 Perplexity Deep Research
这是 2025–2026 年用户最频繁的对比维度:
| 维度 | Gemini Deep Research | Perplexity Deep Research | ChatGPT Deep Research |
|---|---|---|---|
| 发布 | 2024 Q4 | 2025 Q1 | 2025 Q2 |
| 来源数量 | 典型 15–40 个 | 典型 30–100 个 | 典型 20–60 个 |
| 平均耗时 | 5–15 分钟 | 3–8 分钟 | 5–15 分钟 |
| 引用精度 | 高,编号式 | 极高,每句都带引用 | 高 |
| 模型 | Gemini 2.5 Pro / Gemini 3 | Sonar + GPT/Claude | GPT o1/o3 |
| 免费额度 | 无 | 每天 5 次 | 每月 10 次 |
| 导出 | 复制/截图 | 导出 PDF、Word、Markdown | 复制/PDF |
| 价格 | $19.99–249.99/月 | $20/月 Pro | $20–200/月 |
| 独特优势 | Google 搜索生态、Canvas 联动 | 来源最多、引用最细 | 可在 agent 工作流中编程调用 |
经验选择:
- 要深度调研报告给老板看 → Perplexity(引用最严谨,导出格式最多)
- 要在产品开发里快速补充资料 → Gemini(与 Canvas、Gmail、Docs 联动)
- 要让 AI 自主规划任务并做决策 → ChatGPT(o3 推理链可观测)
为什么桌面端更重要
Deep Research 产出数千字报告配几十条引用,天然是桌面场景:
- 阅读:大屏幕、报告与来源并排验证。手机上不断滚动和微小引用链接很痛苦
- 保存:报告是参考文档,Markdown 存入 Obsidian 成为知识库。聊天历史中的报告实质上是临时的
- 迭代:报告催生追问,桌面可一窗口看原报告、另一窗口做后续研究
- 分享:通过邮件、Slack、共享网盘发给同事。聊天线程中的报告难以分享
官方 Mac app 虽然有 Deep Research,但报告只在聊天历史里,没有「导出」按钮——研究结果与消息被混在一起,难以结构化管理。
故障排查
- 「Deep Research」选项灰色或看不到:模型不对,切到 Gemini 2.5 Pro 或 Gemini 3;或没有 Gemini Advanced 订阅,免费版不开放。
- 任务卡在「正在生成研究计划」:网络波动导致首次调用超时。重试即可;若反复失败,检查防火墙是否放行
generativeai.googleapis.com。 - 研究计划生成后不能编辑:只在「Start research」之前可编辑,启动后不能改。卡在这步时直接重新提交一次。
- 完成通知没收到:macOS「系统设置 - 通知」里 Gemini 的横幅/警示被关了。重新授权;也可以在 Gemini 设置里打开「研究完成声音提示」。
- 报告引用链接打不开:少数来源在研究完成后站点挂了或改了 URL。截图保存重要内容;官方未提供「快照备份」。
- 内容出现明显幻觉:让 Gemini 基于引用重写那段。Deep Research 的幻觉比聊天少但非零,引用越多越要人工抽检。
- 导出不了 Markdown:官方 Mac app 没有导出功能。变通:全选报告文本复制、粘贴到 Obsidian/Typora;或截图整屏保存。
- 速率限制频繁:把几个研究合并成一个大 prompt 里多个子问题、减少独立任务数。
进阶技巧
- 用中文问中文资源、用英文问英文资源:Gemini 会根据 prompt 语言选来源语系,混合需求请明确「同时检索中英文资料」
- 指定权威来源:「优先引用 arXiv、Nature、ACM Digital Library 的资料」比「找学术资料」更可控
- 排除低质来源:「不引用 Wikipedia、Reddit、Quora」——适合做严肃调研
- 指定时间范围:「只引用 2024 年 1 月后的资料」避免过时信息
- 多轮追问:报告出来后继续问「第 3 节提到的 XXX 有没有更新的研究」,Gemini 会基于已有报告做增量研究(比重做省时间)
- 与 Canvas 联动:「把这份报告做成一页信息图」——Deep Research 产内容,Canvas 做可视化
- 输入原始资料:上传你已有的 PDF/链接,说「以这几份资料为锚点,扩展研究」——变成有根据的定向研究
GeminiDesktop 的方案
GeminiDesktop 将 Deep Research 作为一等桌面功能:
直接 API 集成——完整流水线进度可见,执行前审查计划,接收带引用元数据的报告。
本地 Markdown 保存——每份报告自动存为 Markdown 文件,含完整文本、引用链接、元数据。你选保存位置。与浏览器端的根本区别:不需手动复制粘贴。
离线访问——本地文件,无需网络。昨天的研究今天在飞机上可用。
知识工具集成——Obsidian 索引搜索,VS Code 语法高亮,任何编辑器可打开。报告融入现有知识基础设施。
额外差异化:
- 支持多模型研究:一个任务用 Gemini 3 跑大纲,用 Claude Opus 跑引用摘要,取两者长处
- 报告对比视图:同一主题让不同模型分别研究,并排对比发现偏差
- 自动归档:报告按
~/Documents/GeminiDesktop/Research/YYYY-MM/结构化保存,搜索友好 - 增量研究:对已完成的报告点「扩展研究」,只追加新信息而不重跑
Windows 用户如何用 Deep Research?
Google 没有为 Windows 出原生 Gemini 桌面客户端,Windows 上的 Google app for desktop(2026-04-14 发布)专注搜索和文件,不含 Deep Research。详见 Google 没做 Gemini Windows app 和 Gemini Windows app vs Google app for desktop 对比。
Windows 用户的选项:
- 浏览器版 gemini.google.com 的 Deep Research 与 Mac 功能一致
- GeminiDesktop for Windows 用 Tauri 原生封装,支持本地 Markdown 导出、离线访问——参考 原生 Gemini Windows app 与 Gemini Windows 安装指南
- Perplexity Desktop for Windows 提供同类 Deep Research 功能,来源更多、引用更严
FAQ
Q1:Deep Research 能替代专业分析师吗? 不能替代,但能节省 60–80% 的信息收集时间。分析师的价值在于判断、提问、结构化假设,这些 Deep Research 仍然做得不够好。合理用法:让 Deep Research 做一轮初步扫描,分析师基于报告做深度思考。
Q2:报告里的引用都是真的吗? 引用链接是真实的 URL(不是幻觉),但引用内容的准确性仍需核查——有时 Gemini 会对一段话标错来源,或把 A 来源的观点当作 B 来源的。关键数据请点开链接自己确认。
Q3:可以做中文互联网的深度研究吗? 可以。Gemini 用 Google 搜索,中文资源覆盖包括微信公众号部分文章、知乎、B 站文字内容、百度百科、36 氪、界面、财新等。但对墙内纯中文站点覆盖不如专门的中文搜索引擎。
Q4:Deep Research 会用来训练 Google 模型吗? 付费订阅用户默认不用于训练,免费用户数据可能用于训练——Deep Research 仅对付费用户开放,因此默认不参与训练。
Q5:Intel Mac 能用 Deep Research 吗? Google 的 Gemini for Mac 仅 Apple Silicon。Intel Mac 用户用浏览器版;或参考 Gemini for Mac Apple Silicon 限制与替代方案。GeminiDesktop 支持 Intel Mac,Deep Research 功能等同。
Q6:Deep Research 和「搜索摘要」有什么区别? 搜索摘要基于前 3–5 条搜索结果的片段快速回答,一分钟内出;Deep Research 打开每个来源读完整内容、跨源验证、生成结构化文档。前者适合「快速问答」,后者适合「需要说服别人的资料」。
延伸阅读
研究报告不是聊天消息,是需要保存、组织、引用、分享的文档。浏览器当它是临时对话,桌面应当它是持久知识资产。试试 GeminiDesktop。