Gemini 使用技巧：Gems、Deep Research 与多模态怎么用
Gemini 使用教程进阶篇：Gems 用来固化角色与指令，Deep Research 用来做多来源的长篇调研，多模态能力覆盖图片、文件、语音与视频理解。本文给出每项功能的操作步骤、适用场景与常见坑，并说明长任务对节点稳定性的要求与 Gemini 机场的选择要点。
直接答案
Gems 是你自定义的 Gemini 分身，把反复使用的角色设定与指令固化下来；Deep Research 让 Gemini 自动检索多个来源并生成带引用的长篇报告，适合调研而非闲聊；多模态指上传图片、文件、音频或视频让它理解内容。三者都在网页版与应用内可直接使用，部分功能的可用范围与订阅层级相关，以官方页面为准。
很多人把 Gemini 当成「另一个聊天框」，问一句答一句，然后觉得它和其他 AI 工具没什么区别。实际上 Gemini 最值得用的三项能力都不在普通对话里：Gems 解决「每次都要重复交代背景」的问题，Deep Research 解决「要查十几个网页才能得出结论」的问题，多模态解决「内容不是文字」的问题。本文逐项说明怎么用、适合什么场景、哪里容易踩坑，最后讲清这些功能对节点的要求。基础注册与地区问题请先看 Gemini 使用教程。
三项功能一览
| 功能 | 解决的问题 | 运行时长 | 对节点的要求 |
|---|---|---|---|
| Gems | 重复交代角色与规则 | 与普通对话相同 | 普通 |
| Deep Research | 多来源调研与长篇报告 | 数分钟 | 高，需长连接稳定 |
| 多模态 | 图片、文件、音视频理解 | 取决于文件大小 | 中，上传依赖稳定带宽 |
三者在网页版与手机应用中都可以使用，免费版可用范围与付费层级的差异以官方页面为准，本文只讲操作方式。
Gems：把常用设定固化下来
Gems 相当于你自定义的 Gemini 分身。你可以给它一个名字、一段角色说明和一组固定规则，之后每次打开这个 Gem 都不用再重复交代。创建步骤：
- 在左侧菜单进入 Gems 管理页面，点击新建。
- 填写名称，例如「英文邮件润色」。
- 在指令框里写清角色、任务、输出格式与禁忌，越具体越好。
- 在右侧预览区发几条测试消息，根据效果回头修改指令。
- 保存后，Gem 会出现在侧栏，点击即可开始对话。
一段可直接复用的指令模板：
你是一名外贸业务员的英文邮件助手。
任务：把我提供的中文要点改写成正式但不生硬的英文邮件。
格式：先给主题行，再给正文，正文不超过 150 词。
规则：不使用缩写，不添加我没有提到的承诺，保留所有数字与日期。适合做成 Gem 的场景：固定格式的周报、特定风格的文案、某个项目的代码规范审查、面向孩子的学习辅导。不适合的场景是一次性任务，直接对话更快。提示词本身的写法与 ChatGPT 相通，可以参考 ChatGPT 提示词入门。
💡 提示
Gem 的指令里写「不确定时先问我」这一句，可以明显减少它自行脑补的情况。对需要准确性的场景（合同、数据、代码）尤其有效。
Deep Research：让它替你查资料
Deep Research 不是更长的回答，而是一种不同的工作方式：你给出一个研究问题，Gemini 先列出调研计划，经你确认后自动检索多个来源、交叉比对，最后生成一份带引用链接的长篇报告。使用步骤：
- 在输入框附近选择 Deep Research 模式（入口位置可能随版本变化，找工具或模式选择区）。
- 输入研究问题，尽量包含范围与目的，例如「比较三种开源向量数据库在中小团队中的适用性，重点看运维成本」。
- Gemini 会给出调研计划，可以修改范围后再确认开始。
- 等待数分钟，期间可以离开页面，但不要关闭浏览器或切换节点。
- 报告生成后，先看引用来源是否可靠，再决定采信程度。
适合的场景是需要综合多个来源的问题：选型对比、行业概况、政策梳理、文献综述的初稿。不适合的是时效性极强或需要内部数据的问题。
⚠️ 注意
Deep Research 是异步长任务，运行期间浏览器会与服务端保持连接。节点在此期间断线或切换，任务可能直接失败且不保留进度。开始前先确认节点稳定，不要在晚高峰用不稳定的中转节点跑长任务。
多模态：图片、文件与音视频
Gemini 的多模态能力指它可以直接理解非文字内容。常用输入方式与注意事项：
| 输入类型 | 怎么用 | 效果最好的做法 | 常见坑 |
|---|---|---|---|
| 图片 | 点击上传或直接粘贴 | 原图、光线清晰、文字可辨 | 压缩过度的截图识别率低 |
| PDF / 文档 | 上传后提问 | 文字可复制的 PDF | 扫描件需先 OCR |
| 表格截图 | 上传后要求转成表格 | 一张图一个表 | 多表拼接容易串行 |
| 语音 | 应用内按住说话 | 安静环境、语速正常 | 专业术语需手动纠正 |
| 视频 | 上传或提供链接（范围以官方为准） | 短视频、重点明确 | 长视频只取片段分析 |
几个实用的问法：上传一张电路板照片问「这是什么型号的开发板，接口分别是什么」；上传一份合同 PDF 问「列出所有涉及违约金的条款并解释」；粘贴一张图表问「把数据提取成表格，并指出趋势」。
多模态的上传环节对网络最敏感。文件上传失败、进度条卡住，几乎都是节点丢包导致的，与文件大小关系不大。此时先换节点再重试，不要反复点上传。
这些功能对节点的要求
进阶功能比普通对话更依赖网络稳定：Deep Research 需要几分钟的长连接，多模态需要稳定的上传带宽，Gems 对话则与普通对话一致。遇到功能不可用时，排查顺序是：
- 确认节点在受支持地区（日本、新加坡、美国等）。
- 确认不在晚高峰，或换到专线节点再试。
- 核对 Google 账号地区与节点一致。
- 最后才考虑是不是订阅层级的限制，以官方页面为准。
前三步的详细操作见 Gemini 网络错误排查指南。按长连接与丢包指标筛选过的品牌可以在 Gemini 机场推荐 栏目查看，其中 极连云 对 AI 服务做了专门分流，宇宙云 的 IEPL 专线在晚高峰表现更稳。延迟、丢包与抖动分别影响什么，见 AI 工具网络延迟与连接稳定性分析。
总结
Gems 省掉重复交代，Deep Research 省掉逐个翻网页，多模态省掉手动转录——这三项功能才是 Gemini 与普通聊天框拉开差距的地方。它们的共同前提是一个地区正确、长连接稳定的节点，否则再好的功能也会卡在等待与上传失败上。想在终端里使用 Gemini，可以继续看 Gemini CLI 入门，更多技巧见 Gemini 教程栏目 与 Gemini 专题页。
总结
- Gems 适合固化重复性的角色与规则，一次写好、随时调用，免费版即可创建。
- Deep Research 是异步长任务，运行期间需要节点稳定，中途断线会丢失进度。
- 多模态输入优先用清晰的原图与可复制文字的 PDF，扫描件效果明显下降。
- 进阶功能的可用性以官方页面为准，遇到不可用先确认地区与节点再确认订阅层级。
常见问题
Q机场能用 Gemini 吗？Deep Research 也能用吗？
能。Deep Research 与普通对话走同一套服务，节点在受支持地区即可。区别是它运行时间较长，页面会持续等待结果，节点中途断线可能导致任务失败，所以更依赖节点稳定性。
Q机场晚高峰卡顿正常吗？
普通中转节点在晚高峰出现卡顿是常见现象，原因是国际出口拥塞。对 Gemini 的影响是回答逐字输出变慢、图片上传失败、Deep Research 等待超时。可以避开高峰使用，或选择专线节点。
Q机场为什么有些节点不能用 AI 工具？
Gemini 场景下主要是节点地区不在支持列表，或出口 IP 被判定为异常。表现为页面提示地区不支持或反复要求验证。换到日本、新加坡、美国等地区且 IP 稳定的节点通常就能解决。
Q机场节点延迟怎么看才和 Gemini 体验对应？
客户端里的延迟数字只反映连通性。对 Gemini 更重要的是丢包与抖动，它们决定流式输出是否流畅、长任务是否中断。延迟 150 毫秒但零丢包的节点，体验好于延迟 60 毫秒却丢包 3% 的节点。
Q机场速度慢是什么原因？
Gemini 本身对带宽要求低，慢多半来自节点拥塞或丢包，而不是套餐带宽不够。先换时段测试，再换节点；如果专线节点也慢，才考虑本地网络或客户端规则的问题。
参考资料与信息来源
- Google Gemini 官方帮助中心 · Gems、Deep Research 与多模态功能的可用范围与订阅层级以官方页面为准，本文不列具体价格与上线日期。
