Personal Intelligence 是 Gemini 的个性化系统，让 AI 助手随时间适应你。三大支柱：记忆（从对话中学习事实和偏好）、关联应用（通过扩展和 MCP 集成 Google 服务）、Gemini 指令（用户定义的显式偏好和规则）。三者结合将通用助手变为私人助手。

TL;DR 核心要点

身份定位：Gemini 的个性化框架，让 AI 从“千人一面”进化到“懂你的助手”。
三大支柱：记忆（被动积累用户事实）+ 关联应用（主动接入 Gmail/日历/Drive）+ 指令（显式定义回复风格）。
协同工作：指令设定基线、记忆随时间累积、关联应用提供实时数据，三者叠加才是真个性化。
数据主权：记忆可在设置中查看、编辑、删除，用户保留完整控制权。
竞品锚点：对标 Apple Intelligence（设备端私有）、Microsoft Copilot Recall（系统级回溯）、ChatGPT Memory（OpenAI 的类似方案）。
隐私考虑：Personal Intelligence 在 Google 云端处理，不同于 Apple Intelligence 的设备端路线，隐私模型不一样。

三大支柱

记忆（Memory）

Gemini 记忆存储对话中的事实、偏好和上下文，跨会话持续。告诉 Gemini 你是素食者，之后生成食谱它会自动排除肉类；提到你做市场营销，解释某个商业模型时它自动偏向营销语境举例。

两种模式：自动记忆（自然对话中提到工作、地点、家庭、偏好时自动捕获，用户会看到“已记住：xxx”提示）和显式记忆（直接指示“记住我的团队用 Jira”“记住我的口味偏辣不吃香菜”）。所有记忆可在设置中列表查看、单条编辑、单条或批量删除。

与聊天历史的本质区别：历史是说过什么的日志（完整对话流水），记忆是从中学到了什么（结构化事实）。历史会随上下文窗口淡出，记忆持久保存并在未来对话主动注入。

关联应用（Connected Apps）

将 Gemini 延伸到你的 Google 生态。连接 Gmail 后可以搜索邮件、总结邮件线程、带完整上下文草拟回复；连接 Google Calendar 可以查看日程、建议会议时间、处理邀请；连接 Drive 可以阅读 Docs/Sheets/Slides 内容并基于它们回答问题；连接 Photos 可以搜索“去年在京都拍的照片”。

连接机制基于 Google 内部扩展框架和 MCP（Model Context Protocol）模型上下文协议。MCP 是 Anthropic 提出并逐渐成为跨模型标准的协议——它让 Gemini 也能接入非 Google 服务（Notion、Slack、GitHub、Figma 等支持 MCP server 的第三方），打破 Google 生态围墙。

Gemini 指令（Instructions）

设置中定义的显式规则，应用于每次对话：回复风格（“总是用要点”、“回答简短直接”、“加上例子”）、领域专长（“我是用 Python 的数据工程师”、“我是 UX 设计师”）、语言偏好（“中文回复但技术术语保留英文”）、行为规则（“始终包含代码示例”、“不要用 emoji”）。指令覆盖模型默认行为，是最直接的个性化方式——类似 ChatGPT 的 Custom Instructions 或 Claude 的 Style Preferences。

三者协同

指令设定基线行为，记忆随时间积累上下文，关联应用提供实时数据。实际场景：你设置指令偏好详细解释；记忆知道你做数据科学、用 Python、在柏林；问“帮我准备明天的演示”时，Gemini 通过关联应用查 Calendar 找会议详情、引用 Drive 里对应文档、按指令给详细解释加代码示例、按记忆用数据科学语境。单一支柱做不到，三者结合才真正个人化。

具体的上下文类型示例

Personal Intelligence 处理的“上下文”可以细分为以下几类，理解这些分类能帮你更好地利用它：

日历上下文：Calendar 事件标题、参会人、会议链接、时间段。Gemini 通过这些数据能回答“我下周和谁有会”“今天之后的空档在哪里”“这个周会一般讨论什么”。在被问及建议会议时间时，它会综合考虑你已有的密度安排，而不是简单找个空位。

邮件上下文：Gmail 的邮件线程、发件人、标签、附件列表。这是 Personal Intelligence 最频繁访问的数据源——处理“给张三回邮件，引用他之前提过的需求”这类请求时，Gemini 会搜索你们过去的邮件线程，把关键上下文注入到回复草稿里。

文档上下文：Drive 里 Docs/Sheets/Slides 的内容。问“我那份竞品分析报告最后一次结论是什么”时，Gemini 会打开文档扫描最新版，引用原文段落回答你。

浏览上下文：Chrome 浏览历史和书签（需用户授权）。Gemini 能理解“我上周读的那篇讲 Transformer 优化的文章”指的是哪一篇，并基于那篇文章继续深入问答。

记忆上下文：你主动告诉 Gemini 的或它从对话中自动捕获的个人偏好。这是最“贴身”的一类，对一个“懂你”的助手最关键。

这五类上下文的组合才构成完整的“个人化”——单独任何一类都只是“有一点信息”，五类叠加才真正像个懂你的助手。

与竞品个性化系统对比

产品	厂商	记忆位置	应用集成	用户控制	隐私模型
Personal Intelligence	Google	Google 云端	Gmail/日历/Drive + MCP	可查看/编辑/删除	云端处理
Apple Intelligence	Apple	设备端 + Private Cloud Compute	Mail/Calendar/Contacts	系统级，可关闭	设备端优先
Microsoft Copilot Recall	Microsoft	本地 PC（加密）	Windows 系统活动	可关闭	本地截屏 + AI 索引
ChatGPT Memory	OpenAI	OpenAI 云端	有限（GPTs / Actions）	可查看/编辑/删除	云端处理
Claude Memory	Anthropic	Claude 云端	MCP 原生	可查看/编辑	云端处理

定位差异：Apple Intelligence 隐私第一（设备端处理、Private Cloud Compute），但能力上限受限；Copilot Recall 深度集成 Windows 系统活动（连续截屏做 OCR），能力最广但隐私争议最大；Personal Intelligence 在“云端能力 + 用户数据主权”之间取平衡——能力强、用户可管、但数据在 Google 云；ChatGPT Memory 功能类似但集成范围窄（主要靠 GPTs 和 Actions）；Claude Memory 原生拥抱 MCP 标准，生态可扩展性强。

隐私模型的深度对比：Apple Intelligence vs Microsoft Copilot Recall

三种主流个性化系统的隐私模型差异值得单独展开：

Apple Intelligence 的“设备端优先”：大部分请求在本地 Neural Engine 处理，复杂请求才送到 Private Cloud Compute（PCC）服务器。PCC 的技术承诺是“请求处理完即销毁，Apple 也无法读取”，每次请求都带端到端可审计的证明链。代价是能力上限——因为设备算力有限，模型规模比 Gemini/GPT 小一个数量级，复杂任务表现偏弱。

Microsoft Copilot Recall 的“本地截屏 + AI 索引”：这是争议最大的路线。Recall 会定期给你的 Windows 桌面做截屏，做本地 OCR 和 AI 索引，建立一个“你在 PC 上看过什么”的可搜索时间线。优点是能回答“上个月我在看什么文档”这类问题；缺点是截屏里包含密码、银行卡、私密对话等所有可见内容，一旦 PC 被黑或文件泄露，损失比直接被盗号还大。Microsoft 在初版 Recall 发布后因隐私争议紧急推迟并重做——加入了端到端加密、默认关闭、可视化审查机制——但公众对它的信任度始终没完全恢复。

Gemini Personal Intelligence 的“云端 + 显式授权”：数据确实在 Google 云，但每一类上下文（邮件、日历、文档）都需要用户 OAuth 显式授权，且可随时撤销。相比 Recall 的“全屏幕截屏索引”，Gemini 的数据来源更可预测——它只能看到你授权的应用和你给它说过的话。

数据存储位置总结：Apple Intelligence 大多数在 on-device，少量在 PCC 云端；Copilot Recall 截屏文件存 on-device（加密），但 AI 索引可能同步到 Microsoft 云；Gemini Personal Intelligence 全部在 Google 云端。对隐私要求最高的用户，选择顺序是 Apple > Microsoft > Google > OpenAI。

关闭/启用的控制方法

Personal Intelligence 的各项功能都可以独立开关，不需要整体关闭：

关闭自动记忆：Gemini 应用 → 设置 → Personal Intelligence → 记忆 → 关闭“从对话中自动学习”。开关后，只有你主动说“记住 xxx”才会创建记忆条目。

关闭特定应用集成：设置 → 关联应用 → 逐项关闭 Gmail、Calendar、Drive、Photos 等的授权。撤销一个应用的连接后，Gemini 将无法再访问该应用的数据。

清空历史记忆：设置 → 记忆 → 导出所有记忆（便于备份）→ 清空所有记忆。全清空后 Gemini 会回到“陌生助手”状态。

禁用数据参与训练：设置 → 数据和隐私 → Gemini App Activity → 关闭“用你的活动改善 Google 服务”。关闭后你的对话不会被用于训练未来的 Gemini 版本。

完全退出 Personal Intelligence：在账号级别关闭整个功能，Gemini 回退到无状态助手模式。

真实用例

日常工作助手：周一早晨说“我今天的计划是什么”，Gemini 通过 Calendar 知道有 3 个会议、通过 Gmail 发现需要回复的 5 封邮件、通过 Drive 读了准备会议的 deck、按记忆知道你习惯上午处理深度工作下午开会——给出结构化的时间安排建议。

个性化学习：记忆里存了你的学习目标（“想在半年内掌握机器学习”）、已学过的内容（“看完了吴恩达课程前三周”）、时间安排（“每天有 1 小时学习时间”），询问“今天该学什么”时给出下一步针对性建议。

写作助手：指令定义“学术风格、引用 APA 格式”，记忆知道你研究方向是自然语言处理，连接 Drive 可读你之前的论文——让 Gemini 帮你写新论文时能延续你的学术语言风格。

旅行规划：记忆里存了“预算中等、喜欢小众美食、避免人挤人的景点”，连接 Gmail 可以读机票确认邮件、Calendar 避开已有行程、Docs 里有往年旅行笔记——直接给出与你品味契合的行程。

跨语言工作：指令设定“回复用中文但专业术语保留英文”，记忆知道你做国际市场营销、同时运营中英双语社区，Gemini 自动适配你的双语写作场景。

限制与边界

目前做不到：完全设备端处理（Apple Intelligence 路线，隐私敏感用户会觉得遗憾）、跨账号合并（个人 Gmail 和企业 Workspace 的记忆和数据无法统一）、跨厂商 AI 助手迁移（记忆是 Gemini 专属，切到 Claude/ChatGPT 需要重建）、实时屏幕感知（不同于 Copilot Recall 的系统级截屏，Personal Intelligence 只基于对话内容和授权应用数据）。

隐私考虑：记忆数据默认参与 Google 产品改进（可在设置中关闭）；关联应用授权需明确同意，可随时撤销；记忆条目可单独删除，但历史对话的缓存可能仍存在一段时间。对隐私高度敏感的企业用户建议走 Workspace Enterprise 或 Vertex AI 走专属合约；个人用户若对云端存储顾虑大，可考虑 Apple Intelligence 设备端路线（但能力受限）。

已知边界：记忆条数上限（一般是几百条，超出时旧条目可能被淡化）；部分关联应用（如 Notion、Slack 的 MCP 接入）功能完备度仍在演进；中文本地服务集成（如微信、飞书）目前不在官方集成列表，需等待 MCP 生态扩展。

Windows 情境

Google 至今没有原生 Gemini Windows app——2026-04-14 发布的 “Google app for desktop” 只是 Alt+Space 搜索浮窗（对应 Option+Space 在 Mac 端的角色），不支持 Personal Intelligence 的完整关联应用和记忆管理 UI，还有 20MB 上传限制。Windows 用户要完整使用 Personal Intelligence——管理记忆、配置关联应用、设置指令——建议用 GeminiDesktop，原生 Windows 二进制提供完整设置界面，记忆和指令在所有设备同步。详见 Windows 安装指南和与 Google app 对比。

常见问题

Q：Personal Intelligence 的数据保存在哪里？ A：Google 云端。记忆存在用户 Google 账号下，应用集成走 OAuth 授权。可在 myactivity.google.com 查看和管理。这与 Apple Intelligence 的设备端路线不同。

Q：可以关闭记忆吗？ A：可以。设置 → Personal Intelligence → 记忆中可以关闭自动记忆、或完全禁用记忆功能。禁用后每次对话都是“新鲜”状态，类似无记忆的标准 AI。

Q：记忆在不同设备会同步吗？ A：是的。记忆、指令、关联应用设置跨 Web、Android、iOS、桌面端同步——设一次处处生效，是 Personal Intelligence 的关键价值。

Q：Personal Intelligence 会被用来训练 Google 模型吗？ A：取决于账号类型。个人账号默认部分数据参与产品改进，可在“数据和隐私”设置中关闭；Workspace 企业账号默认不参与模型训练。

Q：支持第三方应用集成吗？ A：通过 MCP 协议可以接入支持 MCP server 的第三方（Notion、Slack、GitHub 等）。集成广度在快速扩展，但仍以 Google 生态应用最完整。

Q：和 Gems 是什么关系？ A：Gems 是带预设指令的自定义 Gemini 角色（类似 ChatGPT 的 GPTs），本身是 Personal Intelligence 指令系统的进阶形式——用户可以创建多个 Gem（“代码审查员”“写作编辑”“学习导师”）并在场景间切换。

桌面端体验

GeminiDesktop 将 Personal Intelligence 带到跨平台桌面——macOS Intel + Apple Silicon、Windows、Linux 二进制。记忆、关联应用和指令在所有 Gemini 客户端同步——在桌面设一次，手机、Web、桌面处处生效。相比 Google Windows 搜索客户端（对比）的英文限制、20MB 上限、无完整 Personal Intelligence 界面，GeminiDesktop 提供中/日/韩文 UI 和完整记忆/指令管理能力。下载：geminidesktop.app。

什么是 Gemini Personal Intelligence？记忆、应用和指令