Gemini 多模态研究工作流：整理图片、PDF 和网页资料

这个工作流解决什么问题

研究任务经常不是只有一段文字，而是混合了多种资料：

PDF 报告
网页文章
产品截图
演示文稿
数据表格截图
会议笔记
竞品页面

Gemini 适合处理这类多模态输入。这个工作流帮助你把零散资料整理成可复用的研究结论，而不是只得到一段普通摘要。

最终产出

完成这个工作流后，你应该得到：

资料清单
每份资料的一句话摘要
核心观点和证据
图片 / 截图中的关键信息
不同资料之间的共同点和冲突点
可用于文章、报告或产品决策的洞察
待验证问题
下一步行动建议

Step 1：先定义研究问题

不要一上来就把所有资料丢给 AI。先说明你到底想回答什么问题。

我正在做一个研究任务，请先帮我明确研究问题和资料整理框架。

研究主题：
[填写主题]

我希望回答的问题：
[填写 3-5 个问题]

最终用途：
[文章 / 报告 / 产品决策 / 竞品分析 / 学习笔记]

请输出：
1. 推荐的资料分类方式
2. 每份资料需要提取的信息字段
3. 最终研究结论建议结构
4. 需要特别注意的风险

这一步能避免 Gemini 只做“泛泛总结”。

Step 2：建立资料提取表

对多模态资料，建议固定提取字段，方便后续合并。

请按以下字段阅读和整理我接下来提供的资料：

1. 资料名称
2. 资料类型：PDF / 网页 / 图片 / 截图 / 表格 / 笔记
3. 一句话摘要
4. 关键事实
5. 关键观点
6. 支撑证据
7. 与研究问题的关系
8. 可能的偏差或限制
9. 可引用内容
10. 待验证问题

如果资料中没有明确证据，请标记“未提供证据”。

每次上传一份或一组资料后，都要求 Gemini 按这张表输出，避免后面难以汇总。

Step 3：处理图片和截图

对于产品截图、图表或页面截图，不要只问“帮我总结”。更好的方式是让 AI 从视觉信息中提取结构。

请分析这张图片 / 截图。

请输出：
1. 画面中包含哪些主要信息
2. 信息层级和重点
3. 可能对应的用户场景
4. 可以支持哪些研究结论
5. 哪些信息不能仅凭图片判断
6. 需要回到原始来源确认的内容

如果是产品页面截图，可以增加：

请重点分析：页面目标、主行动按钮、信息层级、功能卖点、信任信息和潜在转化路径。

Step 4：处理 PDF 或长文报告

对于 PDF 报告，建议分两轮处理。

第一轮只做结构识别：

请先阅读这份报告，不要直接总结全文。
请输出：
1. 报告主题
2. 章节结构
3. 每章主要内容
4. 可能与我的研究问题相关的章节
5. 建议重点阅读的位置

第二轮再提取结论和证据：

请基于这份报告，提取与我的研究问题相关的信息。

输出结构：
1. 关键结论
2. 支撑数据或案例
3. 原文中的限制说明
4. 可引用段落
5. 对我的研究主题的启发
6. 不能直接下结论的地方

这样可以减少遗漏，也能避免 AI 把长报告压缩成一段没有证据的摘要。

Step 5：合并多份资料

当你处理完多份资料后，让 Gemini 做横向合并。

请汇总以上所有资料，围绕我的研究问题输出综合分析。

请按以下结构输出：
1. 资料覆盖范围
2. 多份资料共同支持的结论
3. 只有单一资料支持的结论
4. 不同资料之间的冲突点
5. 证据强度排序
6. 仍需验证的问题
7. 可以写入报告的核心洞察
8. 不建议直接引用的内容

要求：
- 不要把单一来源结论写成普遍结论
- 每个核心结论都要标记证据来源
- 对证据不足的地方明确说明

Step 6：生成研究输出

最后根据用途生成对应输出。

用于文章选题

请基于以上研究资料，生成 10 个内容选题。
每个选题包含：标题、目标读者、核心观点、可用证据和需要补充的信息。

用于产品决策

请将研究结论整理为产品决策简报。
请包含：背景、用户问题、关键证据、机会点、风险、建议动作和待确认问题。

用于竞品分析

请将资料整理为竞品分析表。
字段包括：竞品名称、目标用户、核心功能、差异点、证据来源、优劣势和对我们的启发。

示例：研究一个新 AI 工具赛道

假设你要研究“AI 会议纪要工具”，资料包括：

3 个竞品官网截图
2 篇测评文章
1 份行业报告 PDF
5 条用户访谈记录

你可以按下面流程处理：

先让 Gemini 明确研究问题：用户为什么需要 AI 会议纪要工具？
上传竞品截图，提取页面卖点和功能重点。
上传测评文章，提取真实使用问题。
上传报告 PDF，提取市场趋势和数据。
粘贴访谈记录，提取用户痛点。
最后合并所有资料，输出机会点和风险。

人工复核重点

多模态研究很容易出现“看起来合理但证据不足”的结论。人工复核时重点检查：

图片中的信息是否被过度推断？
PDF 数据是否有年份、样本和来源？
网页内容是否过时？
多份资料之间是否存在冲突？
AI 是否把营销文案当成事实？
最终结论是否能回溯到原始资料？