Gemini 深度研究

要解决什么问题

工程师和分析师经常需要带引用的长篇研究报告：市场与竞争格局、技术选型前的文献梳理、投资或合作前的尽职调查。手工拆题、多轮检索、摘录与综合往往要数小时，且容易漏源或口径不一致。本技能把「规划 → 搜索 → 阅读 → 综合」收成一条可重复执行的自主研究流水线，默认产出人类可读的 Markdown 报告，也可按需导出结构化 JSON。

技能如何工作

技能在本地通过 Gemini API 驱动研究任务，典型流程是：用 --query 提交研究问题 → 后台自主拆解子问题并检索、阅读来源 → 你可用 --stream 看实时进度，或用 --status / 等待完成拿到结果 → 对同一课题用 --continue 追问或加深。输出除默认报告外，还支持 --json（程序消费）与 --raw（原始 API 响应）。文档给出的量级参考：单任务约 2–10 分钟，token 约 250k–900k 输入、60k–80k 输出，成本因复杂度约在 $2–5/任务（以实际账单为准）。

适用边界与注意点

• 依赖：需配置 GEMINI_API_KEY（Google AI Studio），运行环境为 Python 3.8+ 及 httpx 等依赖。
• 适合：市场/竞品分析、技术文献综述、尽职调查、历史时间线、框架或产品比较等「需要广度检索 + 综合叙述」的场景。
• 不适合替代：需要访问你内网/私有库、严格合规存档或人工签核的正式结论；复杂任务仍应人工核对关键引用与事实。
• CLI 语义：成功退出码 0；配置/API/超时等为 1；Ctrl+C 为 130。