（11192期）Deep Research (Gemini) – Gemini 深度研究，一键 RAG 检索与成本可控

Gemini 深度研究，一键 RAG 检索与成本可控 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。 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。 原始说明 Async deep research via Gemini Interactions API (no Gemini CLI dependency). RAG-ground queries on local files (--context), preview costs (--dry-run), structu...