Gemini从入门到精通保姆级教程

身边很多朋友听说 Google 的 Gemini 很强，甚至花钱订了 Google AI Pro 会员，结果每天只拿它在网页里写写周报、翻译几句话。这就像买了一台顶配跑车，却只坐在车里听收音机，至少浪费了它八成的功力。

这篇教程专门为从零起步的新手编写，一路带你升级到高阶效率玩家。我们开头不讲晦涩的技术黑话，而是掰开了、揉碎了，手把手教你：

• Gemini 最基础的功能到底怎么用，写东西有多快，怎么读几百页的 PDF，怎么看没字幕的视频和会议录屏。
• 买了 Google AI Pro 之后，哪几个核心功能千万不能漏掉。
• Chrome 浏览器里边说话边看屏幕的功能怎么开，它和电脑自动操作的 Computer Use 有什么区别。
• 怎么用 Google 官方的桌面端软件 Antigravity，以及怎么实现账号双开甚至多开。
• 怎么把 GitHub 上官方支持的 Skills 技能包装进电脑，一键把 B站、YouTube、小红书、播客、公众号变成你的私人知识库。

一、 小白入门篇：零门槛认识 Gemini 的基础功能

如果你以前没怎么用过 Gemini，或者只用过早期的 ChatGPT，你只需要记住一点：Gemini 最大的特点是速度快、容量大，而且天生自带眼睛和耳朵，能直接看视频、听音频、读文档排版。

1.1 打开网页端，界面上的按钮都是干嘛的

打开浏览器访问 gemini.google.com，登录你的 Google 账号，你会看到一个很清爽的聊天界面，核心就四个地方：

• 左上角的模型切换器
  • Flash 模型：日常主力，快到飞起。它的特点就是闪电般的速度，像 Gemini 3.7 Flash 或 3.8 Flash，你让它写一篇文章、润色简历、总结会议记录，几乎在敲下回车的一瞬间，几千字就刷出来了。
  • Pro 模型：慢工出细活的老教授。遇到非常复杂的逻辑题、写复杂代码、或者对比两份合同的细微漏洞时，再切到 Pro。
• 左下角的加号按钮：点这个加号，可以直接从电脑上传 PDF 文档、Word、Excel 表格、图片、音频、甚至整段视频，也可以直接连上你的 Google Drive 云端硬盘。
• 输入框下方的 Deep Research 深度研究：当你想了解一个陌生的行业，比如澳洲 2026 年新能源补贴政策全解析，点一下这个按钮。它不会立刻瞎编，而是先给你列一个研究计划，你点同意后，它会自己去全网翻阅上百个中英文网页，几分钟后交给你一份几千字、带所有网页出处链接的专业报告。
• 输入框下方的 Canvas 画布模式：平时和 AI 聊天改文章最烦的是，你让它改第一段，它把整篇文章重新吐一遍。打开 Canvas 后，屏幕会变成左右分屏，左边跟它说话，右边就像一个 Word 文档。你可以用鼠标选中右边文章里的某一句话，直接让它把这句话改得更委婉一点，其他地方完全不动。

1.2 小白最常用的三个基础场景

场景一：直接读几百页的 PDF，不用切碎整本吞下

很多其他 AI 工具传一个 50 页的 PDF 就报错说字数超限。而 Gemini 拥有高达 100 万到 200 万 Token 的超大容量，相当于能一口气读完 150 万汉字，或者两整套《三体》全集。

怎么用：直接把几百页的英文教材、租房合同、公司财报 PDF 拖进输入框。

怎么问：请帮我通读这份 PDF，不要泛泛而谈。帮我找出里面所有关于违约赔偿和押金退还的条款，标注出在第几页，并用中文列成一张表格给我。

场景二：直接读视频、读没有字幕的会议录屏

这是我亲自做过深度测评后最推荐的功能。平时我们录了网课，或者开完 Zoom、Teams 会议录了屏，往往既没有字幕，主讲人说话还带口音。更要命的是，主讲人在屏幕上展示 PPT、指着表格或敲代码，如果只靠语音转文字软件，转出来的全是口水话，屏幕上的干货全丢了。

怎么用：直接把录好的视频文件或者截取的关键画面拖给 Gemini。

为什么强：因为 Gemini 是原生视觉模型，它不仅听声音，还在用眼睛一帧一帧看你的视频画面。哪怕这个视频完全静音、没有任何字幕，只要画面里闪过了 PPT、表格或代码，它都能一个字一个字给你精准抄下来、总结成笔记。

场景三：用 Gems 捏一个你的专属分身

如果你每天都要干同一件事，比如每天把中文笔记改写成小红书文案或英文邮件，不用每次都重新打一遍要求。

怎么用：点击网页左侧边栏的 Gem 管理器，点击新建 Gem，给它起个名字叫周报润色大师，把你的固定要求写进去保存。以后点开它，直接贴原始内容就能秒出结果。

二、 会员回血篇：买了 Google AI Pro 之后千万别漏掉的四个功能

很多人每个月花 20 美金开通了 Google AI Pro，以为只是把网页版升级了。其实下面这四个隐藏权益才是真正值回票价的地方，漏掉任何一个都亏了：

• 在 Chrome 浏览器里直接唤起 Gemini 实时语音和看屏幕，下文会重点拆解。
• 直接免费使用 Google 官方桌面端神器 Antigravity：很多人完全不知道，买了 Google AI Pro 后，可以直接下载登录 Google 的独立桌面端软件 Antigravity，用会员包含的高级模型额度直接在电脑本地干活。
• NotebookLM Plus 私人知识库与双人播客生成：访问 notebooklm.google.com，你的会员会自动解锁 Plus 版，容量翻五倍。把你攒的几十份 PDF、网页链接、YouTube 视频全塞进去，它只根据你给的资料回答问题，绝不瞎编。点一下右上角的 Audio Overview，它还能把枯燥的复习资料变成两个主持人一唱一和的播客节目，通勤路上戴着耳机就能听。
• 2TB 云盘与 Gmail、Docs 侧边栏召唤：会员直接送 2TB 的 Google Drive 空间。打开 Gmail 写邮件或打开 Google Docs 写文档时，右上角会多出一颗星星图标，点一下就能让它直接读取网盘里的历史文件帮你回邮件。

三、 网页黑科技：Chrome 实时语音看屏对比 Computer Use

这是目前在 Chrome 网页端非常好用、但很容易被新手忽略的交互方式：Gemini in Chrome 实时人机语音沟通与屏幕感知。

3.1 它是怎么工作的

当你打开 Chrome 浏览器，面对一个密密麻麻的全英文网站、复杂的报税系统、或者满屏报错的后台页面，不知道该点哪里时：

1. 点击 Chrome 右上角的 Gemini 图标，或者在网页端开启 Gemini Live 语音模式并打开屏幕共享。
2. 直接张嘴跟它说话，支持中文实时对话，你可以随时打断它。
3. 最关键的一步是，它可以实时截取并看到你整个 Chrome 当前页面上有什么东西。

你直接问它：你看看我现在的网页，我想申请这个项目的延期，但我找不到入口，上面这几行红字是什么意思，我下一步该点哪里？

它会立刻看懂你网页上的所有按钮、排版和文字，用语音实时告诉你：那几行红字是提示你还没上传身份证明，你看页面中间偏右有一个蓝色的 Upload Document 按钮，先点它上传 PDF，然后再点最底下的提交就可以了。

3.2 它和 Codex、Claude 的 Computer Use 有什么不一样

很多关注 AI 的朋友听说过 Claude 或 OpenAI Codex 的 Computer Use 电脑接管功能。这两个东西看起来都是看屏幕解决问题，但实际用起来体验差别很大：

• 操作方式：Codex / Claude Computer Use 是 AI 抢走你的鼠标和键盘，你在旁边看着鼠标自己晃动点击；Chrome 端 Gemini 实时语音看屏是你握着鼠标，AI 看着屏幕用语音指导你点哪个按钮。
• 反应速度：Codex / Claude Computer Use 慢，每点一下都要截图、算坐标，等十来秒才动一下；Chrome 端 Gemini 实时语音看屏是秒级响应，边看边聊，你滑到哪它看到哪，嘴上立刻解答。
• 安全感：Codex / Claude Computer Use 提心吊胆，怕它看走眼点错按钮删了重要邮件或直接付款；Chrome 端 Gemini 实时语音看屏安全可控，它只负责读页面、出主意，决定权永远在你手里。
• 适合人群：Codex / Claude Computer Use 适合程序员用来跑枯燥的自动化测试脚本；Chrome 端 Gemini 实时语音看屏适合普通人、新手、开发者日常查资料、填表、学软件、排查报错。

四、 王炸桌面端：Antigravity 保姆级上手与多开方法

很多朋友用语音输入法聊这款软件时，经常把 Antigravity 反重力识别成反代理。大家口中那个功能强大的 Gemini 桌面端 App，指的就是 Google 官方推出的 Google Antigravity。

4.1 为什么有了网页版还要装这个桌面端 App

在网页版里跟 Gemini 聊天，它哪怕再聪明，也只能给你出文字，你得自己动手新建 Word、自己复制粘贴、自己一个一个改文件名。

而当你把 Antigravity 桌面端装到电脑上之后，Gemini 就变成了一个住在你电脑里的全能秘书。你把电脑上的一个文件夹交给它，跟它说：帮我把这个文件夹里 30 个乱七八糟的文件按日期分类建好文件夹，再把里面的 5 个会议视频整理成笔记存好。它会自己动手在你的电脑里建文件夹、读文件、写笔记、跑脚本，你只需要等着看结果就行。

4.2 买了 Google AI Pro 后怎么一步步用起来

很多买了 Google AI Pro 的朋友不知道怎么激活使用它，跟着下面三步走就能搞定：

第一步：下载并登录账号

访问官方地址 antigravity.google 下载安装桌面端应用。打开软件点击登录，直接用你购买了 Google AI Pro 的那个 Google 账号登录，你的会员额度会直接打通。

第二步：认识左侧栏的四个核心区域

打开 App 后，看左边那一排菜单，每一个都很实用：

• Projects 项目工作区：点这里，选你电脑上的任意一个文件夹，比如在桌面建一个叫我的知识库的文件夹。选好后，AI 就能直接读写这个文件夹里的所有东西了。
• New Conversation 新建对话：开始给它派活。在顶部可以随时切换模型，日常选 Gemini Flash，速度极快；遇到大工程选 Pro。
• Scheduled Tasks 定时任务：这是最容易被漏掉的功能。你可以让它定时自动干活，比如对它说：每天早上 8 点，自动帮我去抓取科技圈和推特上的最新 AI 资讯，整理成一份中文早报保存在我的文件夹里。它就会在后台每天准时帮你跑。
• Skills & Customizations 技能中心：这里可以查看你给它装了哪些外挂技能包。

第三步：学会两个偷懒符号 @ 和 /

在桌面端的聊天框里打字时，记住这两个符号：

• 敲一下 @ 键：会弹出一个菜单，你可以直接点选电脑里的某篇文档、某个文件夹、甚至上一次的聊天记录。比如输入 @合同初稿.pdf 帮我看看第三页有什么风险，根本不用手动上传。
• 敲一下 / 键：会弹出一排内置指令：
  • /goal：当你有一个很大的任务，比如帮我把这 20 篇英文资料全部翻译并汇总成一本电子书，输入 /goal，它就会开启死磕模式，自己定计划一步步干，直到彻底干完才停下。
  • /schedule：直接用大白话设一个定时闹钟任务。
  • /browser：让它自己打开内置浏览器去网页上帮你查东西。

4.3 怎么实现双开甚至多开账号：强烈推荐开源神器 ParaGravity

当你用顺手之后，经常会遇到这种情况：手头有个人号、工作号好几个 Google AI Pro 账号，想同时挂着跑不同的项目，或者想突破单个账号的额度限制。但默认情况下，电脑上的 Antigravity 只能登录一个账号。

这里强烈推荐一个专门为 Antigravity 打造的开源多开神器 ParaGravity。它不仅支持 Mac 和 Windows，而且完全基于官方原生沙箱机制，不改软件底层代码，没有任何封号风险。

ParaGravity 为什么好用

• 真正的原生多账号双开与多开：它能帮你在电脑上生成多个完全独立的 Antigravity 应用图标。你可以同时打开两三个窗口，每个窗口登录不同的 Google 账号，聊天记录、工作区和缓存完全隔离，互不干扰。
• 原生桌面启动体验：在 Mac 上创建一个分身后，它会自动在应用程序里生成一个独立的 App 图标，平时直接按 Cmd + Space 用聚焦搜索就能秒开。
• 一键继承你的原有技能和配置：新建的分身不需要从零配置，加一个参数就能把你主账号里装好的 Skills 技能包、MCP 工具和快捷键设置全部自动继承过去，唯独把账号登录信息隔离开，非常省心。

小白三步上手安装

如果你用的是 Mac，打开终端复制粘贴下面这一行命令就能装好：

curl -fsSL https://raw.githubusercontent.com/edison-land/paragravity/main/install.sh | bash

装好之后，只需要记住两条最常用的命令：

• 创建一个新分身并直接启动：比如你想建一个专门用来干活的分身叫 work，并自动继承主程序的配置和技能包，直接运行：
  pgrav create work -i --launch
• 查看当前所有的分身和绑定的账号：
  pgrav list

除了用 ParaGravity 实现桌面端多开之外，你还可以配合另外两种方式一起用：

• 桌面端内部召唤多个子智能体同时干活：在同一个 Antigravity 窗口里，直接对它说帮我同时派 3 个分身 Subagents 分别处理不同的文件夹，它就会在后台并发执行。
• Chrome 浏览器多个人资料隔离：点击 Chrome 右上角头像添加新个人资料，就能在网页端也同时挂着多个 Google 账号。

五、 外挂技能包：接入 GitHub 官方支持的 Skills 收割全网内容

很多朋友平时用语音输入说官方支持撕开的那个 GitHub，这里的撕开其实就是英文 Skills 技能包的谐音。

5.1 什么是 Skills，为什么它能帮小白省大事

以前你想抓取 B站视频字幕、下载小红书无水印图文、或者把小宇宙播客转成文字，得自己学写代码、配环境，新手看到命令行就直接放弃了。

现在 Antigravity 官方原生支持 Agent Skills 标准。简单来说，开发者已经把怎么抓视频、怎么转文字、怎么整理笔记的步骤写成了现成的技能说明书放在 GitHub 上。你只需要让桌面端 App 把这个 GitHub 仓库下载下来，你的 Gemini 就立刻学会了这门手艺。

5.2 怎么把 GitHub 上的开源技能包装进电脑

在 GitHub 上有很多支持 Agent Skills 标准的开源技能库，涵盖了视频转文字、播客转录、图文保存、私人知识库整理等各种实用工具。

你甚至不需要自己懂怎么装软件，直接打开 Antigravity 桌面端 App，新建一个空文件夹，然后在聊天框里把你需要的 GitHub 技能库链接发给它，对它说：

请帮我把这个 GitHub 技能仓库克隆到当前文件夹，并帮我自动检查和配置好本地运行环境。

接下来你会看到 Antigravity 自己打开终端、自己下载代码、自己检查电脑缺什么组件、自己装好所有工具，最后向你汇报环境已经全部配好，直接发链接或指令就能用了。

六、 真实测评复盘：我是怎么用它啃下 40 小时无字幕视频与播客的

最后分享我最近亲手实测的两个真实案例，以及可以直接复制使用的提示词口令。

案例一：不到半小时，搞定 24 节课共 40 小时无字幕课程录像

我手头有 24 节高密度的内部技术培训录像，整整 40 个小时，不仅完全没有字幕，而且老师在屏幕上一会儿打开代码编辑器敲命令，一会儿画架构图，一会儿切到网页后台点配置。

以前的做法是自己开两倍速硬看，边看边暂停截图记笔记，至少要花两周时间；如果用传统语音转文字软件，里面的英文专业词和屏幕上的代码全军覆没。

现在的做法是，在 Antigravity 桌面端里，让它用极速抽帧工具，仅用 5 秒多就把 24 节课每个阶段的关键高清画面全部抓了出来，然后调用 Gemini Flash 的视觉能力，单张画面只要两秒多就看懂了。不到半小时，24 篇结构清晰、连屏幕角落里最小的一行代码和架构图走向都还原得一字不差的深度复习笔记就全部生成好了。

案例二：三秒榨干两小时大佬播客访谈，拒绝流水账总结

平时我们看 YouTube 上的长访谈，比如硅谷投资人 Naval 聊怎么致富、或者黄仁勋的演讲，如果只跟 Gemini 说一句帮我总结一下，它只会给你吐出一堆正确的废话。

下面这段三段式提示词口令建议直接保存，不管是读长文章、读 PDF 还是看视频逐字稿，复制粘贴就能逼出 Gemini 的真实水平：

请仔细阅读我发给你的这份资料，不要做泛泛的流水账总结。请严格按照以下三个维度，帮我把里面的核心干货提炼出来：

1. 底层心智模型：主讲人或作者思考问题最核心的底层逻辑是什么？请提炼成一个好记的概念并通俗解释。
2. 反常识观点：他指出了普通人最容易踩的哪个认知误区？请挑出最有力的一句原话。
3. 今天就能做的行动清单：如果我是一个普通人，今天看完立刻想改变，请给我两个最小可执行动作，并按照面临场景、第一步具体动作、预期成果的顺序写出来。

总结：给新手朋友的今日三步行动清单

看完这篇教程，今天花十分钟做完这三件事，就能真正把这套工具用起来：

1. 体验速度与大容量：打开 gemini.google.com，切到 Flash 模型，找一份手头最头疼的长 PDF 或没字幕的会议视频扔进去，用上面的三段式口令试一次。
2. 开启 Chrome 实时副驾：在 Chrome 浏览器里唤起 Gemini 语音和屏幕感知，找一个复杂的全英文网页，张嘴让它看着屏幕教你操作一次。
3. 装好桌面端 Antigravity 与 Skills：如果你开通了 Google AI Pro，去把 Antigravity 桌面端装上，挂载你需要的 GitHub 开源 Skills 技能包，开始搭建属于你自己的全自动私人知识库。

关于作者 Kimberly ｜

@king1818888

AI-Native Builder，每天用 AI 建系统、做内容，也是 X 创作者。