让 Gemini 当你的研究分析师：这个 Deep Research Skill 能替代多少工作量？

你有没有过这样的经历——老板突然甩给你一个课题：「调研一下今年全球 AI Agent 的市场格局」，给你两小时。

然后你打开搜索引擎，一个一个关键词地扒，一篇一篇地读，最后复制粘贴到文档里，格式还是乱的。

如果我告诉你，现在有一个 Skill，能让 Google Gemini 代你完成这一切——不只是给你一个答案，而是像专业分析师一样自主规划搜索策略、抓取信息、提炼观点，最后输出一份带引用来源的完整报告——你信吗？

今天要介绍的这个 Skill，就叫 deep-research。

它不是让你问 Gemini 一个问题然后等答案。它把 Gemini 3 Pro 的 Deep Research 能力做成了一个命令行工具，接入你的本地环境。你跑一条命令，它就开始工作了：

python3 scripts/research.py -q "分析 2025 年全球 EV 电池市场竞争格局"

它会自动规划研究路线，执行数十次搜索读取，迭代分析，最终给你一份结构化的报告。整个过程 2~10 分钟，标准任务成本只要 2~3 美元。

它能做什么？

市场分析、技术调研、竞品尽职调查、文献综述……只要是需要「扒大量资料再总结」的场景，都适用。比如你要对比 React/Vue/Angular 三个框架，不用自己一个个查文档，它直接给你整理好性能、生态、学习曲线三个维度的对比表。

它和普通 AI 问答有什么不同？

普通 LLM 是「你问我答」，几秒钟出结果，但信息深度有限。deep-research 是「分析师模式」——它会主动规划研究路径，判断哪些信息源更可靠，对一个话题进行多轮搜索和验证，输出的报告附带引用来源。这才是真正的研究级输出。

有什么局限？

它只能访问公开网页，不能登录内部系统或付费数据库。每次任务成本 $2~$5，极端复杂任务可能触达 60 分钟超时。另外它不支持自定义工具调用，输出格式主要靠提示词工程引导 JSON 结构。

适合谁用？

独立研究员、产品经理、投资分析师、内容创作者——任何经常需要「快速搞懂一个领域」的人。

GitHub 仓库 359 颗星，技能包来自 sanjay3290 的 ai-skills 项目，安装只需三步：克隆仓库、安装依赖、配好 GEMINI_API_KEY。官方文档有详细的环境变量配置和错误处理说明，上手门槛不高。

如果你经常被「快速调研」类任务困扰，这个 Skill 值得一试。

GitHub：
https://github.com/sanjay3290/ai-skills

GitHub: https://github.com/sanjay3290/ai-skills