專案報告、年度復盤 AI 助手應用實測： Gemini Deep Research 連結 Gmail、 Google Drive
2024 年底時 Google Gemini 加入了 Deep Research 功能（延伸教學：Google Gemini Deep Research 實測比較：自動蒐集資料、推理分析、撰寫報告的 AI 研究助理），而且免費帳戶也可以有一定的使用額度，透過「深度研究」，可以驅動一個研究型 AI 根據研究計畫「自動完成」數十篇網路資料的分析整理與撰寫數千字的研究報告。這個過程大約 10 分鐘左右，都由 AI 代理程式自主完成。
Deep Reseach 這樣的功能，除了可以讓 AI 自動化完成多步驟的工作，幫助人空出時間外，還有一個特色就是可以「一口氣分析非常大量的資料（上下文）」，並且「一次完成更多層次、更多細節的內容輸出」。而這是一般單純的聊天型 AI 問答無法達到的文字處理量。（我的應用：先用 Deep Research 掃清認知盲區，再用 Google 搜尋，我的 6 種學習新流程）
但是之前 Google Gemini 的 Deep Research 只能搜尋網路資料，少了像是 ChatGPT 的 Deep Research 可以直接連結 Google 雲端硬碟與 Gmail 帶來的工作強度。（延伸教學：ChatGPT 串連 Gmail、Google 雲端硬碟、 Outlook 行事曆，我的 8 種高效工作新應用）
而現在 Gemini 的 Deep Research 終於補上了對自家 Google 雲端硬碟資料、 Gmail 郵件的支援，搭配 Deep Research 原本「一次處理大量上下文」的輸入、輸出能力，可以做出非常強大有效的應用。
- 原本 Deep Research：
- 主要是「看網路 + 你手動上傳的檔案」，幫你做長篇研究報告。
- 新版 Deep Research：
- 可以額外讀：
- Gmail 信件內容與對話脈絡
- Google Drive 裡的 Docs、Slides、PDF
- Google Chat 討論紀錄
- 你可以在 Deep Research 視窗中，勾選要使用的來源：
- Search（公開網路）
- Gmail
- Drive
- Chat
可以把這樣的功能用在什麼應用上呢？下面我分享幾個自己實測的成果。
- 課程說明報告：把 Gmail 往來、Drive 講義與簡報整合→輸出結構化說明報告。
- 年度復盤→次年規劃：掃描 Drive 的簡報、講義，照 KPT 產出可執行的明年方案。
- 合作歷程報告：依關鍵字回溯多年郵件＋文件＋Chat，整理時間軸、決策點與下一步提案。
延伸補充：近期 Google NotebookLM 也加入了「用 Deep Research （或比較簡單版的 Fast Research ）」，導入大量資料研究後的專案報告的功能，同樣可以連結網路搜尋，或是 Google 雲端硬碟內容。
這時候，一樣可以利用下述的方法，在 NotebookLM 導入有效的研究報告、資料整理，建立有效的 AI 資料庫。（例如搭配我的這個方法，可以建立更專業強大的知識庫：用 NotebookLM 實踐 AI 卡片盒筆記法：輸入、學習、輸出、復盤 6 步驟流程教學）
分析 Gmail 討論與 Google 文件、簡報，完成一份課程說明報告：
近期我跟「大人學」一起合作開發一堂「用 AI 提升工作效率的實戰工作坊」的課程，過程中我們在 Gmail 中有很多來回的細節討論郵件，在 Google 雲端硬碟中有多份演練、講義、問答、簡報相關企劃文稿。
現在課程正式上線了，我想要整理上述資料，完成一份課程說明報告。
於是我在 Gemini Deep Research 中透過下面指令，啟動 Gmail 與 Google 雲端硬碟文件的深度研究：
你是電腦玩物站長Esor，協助我撰寫一份「大人學：用 AI 提升工作效率的實戰工作坊」的介紹說明。請一步一步處理：
1.需求：讓電腦玩物讀者了解這堂課程的特色、解決問題、限制，讓讀者明確知道這堂課程適合或不適合自己，以即可以獲得什麼收穫。
2.處理流程：
2.1 根據 Gmail 中「【大人學】用 AI 提升工作效率的實戰工作坊」郵件討論，掌握這堂課程的設計目的與現況。
2.2 根據 Google Drive 中「【大人學】用 AI 提升工作效率的實戰工作坊」資料夾理的文件資料，掌握課程設計、演練的基本架構。
2.3 搜尋 Google Drive 中「簡報」資料夾內的 AI、 ChatGPT 課程相關最新資料，獲得更豐富的演練案例。
2.4 處理前面內容，整理出跟讀者說明的架構、邏輯、內容重點，並列出。
3. 最後一段，依據上傳的「電腦玩物社群貼文範本.md」範本，把上述整理好的內容，再改寫成符合範本格式、風格、用語的貼文內容。
在 Gemini 的工具選單啟動「 Deep Research 」，選擇不要在網頁中搜尋資料，而是直接讀取我的 Gmail、 Google 雲端硬碟（根據我的指令）。
我甚至還搭配「上傳」了一份課程說明範本的 markdown 文件。
我想試試看讓 Gemini 的 Deep Research 一口氣分析十幾份文件、十幾封郵件，和一個範本檔案，是不是還能更根據我的指令，有效完成工作報告。
第一階段處理研究計畫時， Deep Research 會先做基本搜尋，先找出可能要找的資料範圍。
從研究計畫中，我可以判斷 Gemini 的 Deep Research 是否已經有正確找到需要的郵件、文件，如果有，就可以按下開始研究。
這一點我覺得很棒，就像是這個 AI 研究助手會先做基本的資料掃描，然後跟我確認他找到方式對不對，讓我有即時修改調整的空間。
下面是我這個案例的實測結果，讓我來分析幾個「表現得很棒」的細節。
- 很明確根據指令要求，相對沒有之前的長篇大論毛病，只輸出指令要求的：結構重點整理、貼文內容。
- 確實可以找出並研究相關郵件、文件
- 深入到文件資料的細節，有邏輯的分析重點
- 整份輸出成果中，每一段都有明確引用來源，點擊後可以打開明確的文件、郵件
- 很強大的統整、分析能力，不只整理資料，也能延伸推理，獲得有啟發的結果。
- 明確根據範本輸出。
明確依據我的指令輸出結果，現在的 Gemini Deep Research 比較不會像是早期那樣長篇大論太多廢話。
Gemini 可以確實的研究大量相關郵件、文件，一次處理的資料量可以很大。
結果中，可以看到 Gemini Deep Research 深入到文件資料的細節，再轉化出有邏輯的重點分析。
而且每一段會有原始文件資料來源，這可以讓我方便確認這一段分析的「正確性」。
Gemini Deep Research 在大量解析文件後，進一步也有延伸論述的能力，不只是做資料摘要整理。
例如下圖中對我規劃的課程重點分析，甚至還有一些我自己沒有想到的說明方式。
前面在深度研究時，還記得我另外上傳了一個範本檔案，讓 AI 遵循這個範本做產出嗎？
Gemini Deep Research 可以在已經分析了大量郵件、雲端文件後，依然可以明確根據範本輸出成果。
表示善用 Deep Research 的自動代理、大量上下文運算能力，我們可以給出更複雜資料、分析更多樣資料、多步驟自動化產出結果。
比較看看 ChatGPT 版本，其實也能達到差不多效果。（延伸教學：ChatGPT 串連 Gmail、Google 雲端硬碟、 Outlook 行事曆，我的 8 種高效工作新應用）
關鍵不是工具，而是我們的使用方式與工作流程。
統整今年度大量工作文件、郵件，完成年度復盤與明年度規劃：
根據上面應用案例，當 Gemini Deep Research 可以一次處理分析這麼多郵件、文件資料，就可以變成一個有效的年度復盤規劃助手。
我利用下面指令，請 Deep Research 總結我今年的各種課程資料，做一個 KPT 復盤與新年度規劃。
你是電腦玩物課程規劃的專家，請根據 2025 年我的相關的課程簡報、講義，製作一份今年度課程復盤、明年度新課程規劃的企劃報告。請一步一步處理：
1.需求：了解今年度課程的主題、特色，分析可以延伸的變化、議題。
2.處理流程：根據 Google Drive 中的「13-簡報」資料夾內的資料，分析相關簡報、講義內容，梳理今年度的課程細節資料。
3.根據KPT原則，分析可以保持的特色，需要解決的問題，延伸出明年度可以新增的下一步規劃行動。
4.最後延伸出 2026 年度新課程規劃的具體建議。
同樣的可以看到， Deep Research 把我散亂的課程簡報、課程講義、課程討論郵件等，做了初步分析，設定了一個我覺得很有效的研究計畫，也正確的區分出我目前的兩大課程主軸： AI 工作術、防彈筆記法。
接著就讓 Deep Research 依照這個研究計畫去做分析。
下面是結果的一部分策略分析，我自己看了覺得很棒，確實找出了目前課程特色，也分析出可以更好的問題點，還提出了具體建議。
年度復盤可以做到這樣的程度，無論是用在工作，還是用在「自己個人復盤」，都會非常有效。
分析散落的郵件、文件，建立工作歷程報告：
如果我們進行一個專案時，郵件、文件都散落在不同的地方，需要掌握這個專案目前進度，或許也可以試試看用 Google Gemini Deep Research 的功能來整理分析。
例如下面這個應用，我設定好利害關係人的關鍵字，請 Deep Research 去我的郵件、文件系統中尋找相關討論資料，重新梳理更明確的時間軸與工作歷程。
你是電腦玩物站長Esor，整理和「富邦 共學」相關講堂的歷年合作資料，完成一份工作歷程報告。請一步一步分析：
1.需求：完成歷年富邦共學講座的主題系列、內容細節、合作資料的統整分析。
2.從我的 Gmail 中搜尋相關合作郵件，整理郵件中的相關資訊。
3.完成合作歷程時間軸、主題設計、合作形式的整理。
4.設計下一階段可以推出的系列主題。
這是一個已經進行三年的工作歷程， Deep Research 有沒有辦法準確地把過去幾年的資料找出來，並且做出有效分析呢？
結果還真的可以！ Deep Research 不只可以一次爬梳大量資料，只要我們設定好關鍵字，也能深入挖掘資料架內的資料細節，甚至過去多年的散落資訊。
善用這個挖掘資料能力，可以更有效的做出專案分析、復盤與規劃。
總結一下上面幾個案例，我的 Deep Research 操作細節重點，提供大家參考：
- 進 Deep Research 前：先想清楚資料邊界（要勾 Gmail/Drive/Chat 哪些）、研究目標（說明？回顧？提案？）與輸出格式（報告、貼文、簡報大綱）。
- 指令結構：需求→處理流程（來源、資料夾、關鍵字）→輸出規格（框架/範本）。
- 研究計畫頁：務必檢視是否抓到對的郵件串與資料夾，必要時補關鍵字或縮小範圍再跑。
- 成果檢核：優先抽查每段落的來源鏈結，確認引用無誤、時效正確，再決定修改幅度。
有需要的朋友，也可以模擬上述流程，試試看！
大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：
- 2024/6 最新著作上市，歡迎支持：《高效人生工作法圖解》
- 大人學最新 AI 課程：用 AI 提升工作效率的實戰工作坊
- 「個人數位生產力」線上課程（可使用電腦玩物老讀者折扣碼 ESOR500 ，獲得 500 元折價喔！）。
- 時間管理、筆記系統、AI 工具相關課程：「課程介紹連結」
- 著作：《防彈筆記法》
- 訂閱追蹤 podcast 節目：「高效人生商學院」（Apple podcast 訂閱、 Google Podcast 訂閱）
- 訂閱「電腦玩物電子報」，不定期出刊。
我的電子郵件是 esorhjy@gmail.com ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。
（歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：專案報告、年度復盤 AI 助手應用實測： Gemini Deep Research 連結 Gmail、 Google Drive）
留言
張貼留言
為了避免垃圾廣告留言過多，開始測試「留言管理」機制，讓我可以更容易回應讀者留言，並更簡單過濾掉廣告，但只要不是廣告留言都會通過審核。