Gemini 深度研究，一键 RAG 检索与成本可控 - Deep Research (Gemini)

Google Gemini 深度研究 API 封装，支持本地文件 RAG 检索、成本预估和结构化输出，兼容 30+ AI 代理。

基本信息

• 技能名称?Deep Research (Gemini)
• 中文名称?Gemini 深度研究，一键 RAG 检索与成本可控
• 作者?24601
• 分类?专业技能
• 版本?2.1.3
• 标签?gemini, deep-research, rag, ai-research, google-ai, document-analysis, cost-estimation

使用方法

使用说明
核心功能
deep-research 是 Google Gemini 深度研究能力的异步封装工具，通过 Gemini Interactions API 实现无需 Gemini CLI 的独立研究流程。核心用法包括：启动研究查询 ( research.py start )、基于本地文件上下文的 RAG 检索 ( --context )、成本预估预览 ( --dry-run )、结构化 JSON 输出及自适应轮询等待。
显著优点
广泛兼容性 ：明确支持 Claude Code、Amp、Codex、Gemini CLI 等 30+ AI 代理，提供结构化 onboarding 和 AGENTS.md 指南
成本透明 ： --dry-run 提供启发式成本估算， --max-cost 可设置硬性预算上限
RAG 原生 ：自动创建临时文件搜索存储，支持 36 种 MIME 类型，智能排除敏感文件（ .env 、私钥、凭证等）
输出灵活 ：支持 Markdown、HTML、PDF 格式， --output-dir 生成包含报告、元数据、引用来源的结构化目录
自适应轮询 ：基于历史完成时间学习，动态调整轮询间隔，减少 API 调用与等待时间
安全设计 ：无埋点、无混淆代码、无凭证日志，临时存储自动清理（ --keep-context 可保留）
潜在局限
依赖 Google API ：需有效的 Google/Gemini API 密钥，国内网络环境可能受限
成本黑盒 ：估算为启发式，实际计费以 Google 账单为准；深度研究（15-45 分钟）可能产生较高费用
非交互模式风险 ：CI/代理调用时自动跳过确认提示，需配合 --dry-run 和路径限制防止意外上传
Python 生态依赖 ：依赖 uv 和 google-genai SDK，需 Python 环境支持
适合人群
AI 代理开发者、研究人员、需要自动化深度调研的技术团队，特别适合已将 Gemini API 集成到工作流的用户。
常规风险
API 密钥泄露、敏感文件意外上传（虽有自动排除机制但仍需审查 --context 路径）、长时间阻塞任务占用资源。建议配合 --timeout 和 --max-cost 使用。