// Beginner's Guide · 2026

Google Gemini
生態系工具入門指南

Antigravity、NotebookLM、AI Studio、Gem 各有何不同?我該用哪一個?從零開始的完整教學。

Antigravity NotebookLM AI Studio Gem
最後更新 2026-05-29
↗ NotebookLM
① 點 PDF 匯出檔案,或 Copy Link 複製網址 ② 開 NotebookLM →「新增來源 → 網站」貼上,加入你的筆記本
// 目錄
  1. 一眼看懂四大工具
  2. Antigravity 詳解
  3. NotebookLM 詳解
  4. Google AI Studio 詳解
  5. Gem 詳解
  6. 四者完整比較
  7. 我該選哪一個?
  8. 立刻開始:上手路徑
// 01

一眼看懂四大工具

Google Gemini 生態系不只是一個聊天機器人,而是四個定位截然不同的工作平台。選錯工具等於事倍功半,以下是最快的心智模型。

🤖

ANTIGRAVITY

自主型 Agent 平台。從零開始自動完成整個軟體專案,支援多代理人平行協作。給工程師。

📚

NOTEBOOKLM

閉環文件研究知識庫。AI 只在你上傳的資料範圍內作答,附精確來源引述,零幻覺風險。

🧪

AI STUDIO

API 原型開發沙盒。測試各種 Gemini 模型、調校提示詞、取得 API Key、一鍵生成程式碼。

💎

GEM

輕量客製 AI 分身。幫自己或團隊建立固定角色的專屬助手,無需程式知識,點擊即用。

💡

一句話記憶法:Antigravity 是自動做軟體、NotebookLM 是研讀文件、AI Studio 是測試 API、Gem 是建立個人助手


// 02

Antigravity

Antigravity 是 Google 推出的自主型 Agent 開發平台,核心概念是「你給目標,它自己想辦法完成」。不只是程式碼建議,而是能跨多個 repo、在隔離沙盒中獨立執行整個開發流程的代理人系統。

🤖

Antigravity — 自主型 Agent 開發與協調平台

AUTONOMOUS AGENT MODE
核心能力
隔離 Linux 雲端沙盒執行 Bash / Python / Node.js;動態派生平行子代理人(Multi-Agent);自動生成實作計畫、任務清單與瀏覽器錄影作為可驗證產出物
驅動模型
Gemini 3.5 Flash(自主多輪推理)
使用介面
獨立桌面應用程式(Windows / macOS / Linux),不依附 IDE 外掛
適合誰
軟體工程師、DevOps 人員、系統架構師——需要自動化大規模開發或跨 repo 重構的技術人員
資料安全
支援 GCP 企業條款,資料不外流至公有模型訓練

📖 實際使用情境

  • 「從零開始,建立一個帶有 JWT 認證的 REST API,含測試與 Docker 配置」
  • 「跨三個 repo 將所有 Python 2 程式碼遷移至 Python 3,保留測試通過率」
  • 「設定每晚凌晨 2 點自動執行的資料庫備份與清理排程工作流」

Step-by-step:Antigravity 第一次使用

01

下載桌面用戶端

前往 Antigravity 官方頁面,下載對應平台(Windows / macOS / Linux)的安裝包,以 Google Cloud 憑證登入。

02

建立專案並設定目錄

點選「New Project」,指定本地工作目錄,設定 Agent 的存取權限範圍(可限制在特定資料夾內)。

03

選擇執行模式後下達任務

兩個核心斜線指令:/goal(直接自主執行至完工)或 /grill-me(Agent 先提問釐清需求再動手)。複雜任務建議先用 /grill-me

04

在 Manager View 監控進度

Agent 執行時,Manager View 實時顯示沙盒狀態、子代理人分工、已完成步驟清單與產出的 Artifacts。

05

核對 Artifacts 後確認部署

檢查自動生成的程式碼、測試結果與錄影記錄,確認符合預期後點擊「Deploy」完成交付。

# 下達任務的指令範例(Antigravity 終端機) /goal "建立一個 FastAPI 專案,含 /users CRUD endpoints、PostgreSQL ORM 與 Pytest 測試,最終輸出 Docker Compose 配置" # 需要 Agent 先提問再動手 /grill-me "重構 ./src 底下所有模組,改善可測試性"

// 03

NotebookLM

NotebookLM 是「閉環式 AI 研究助手」——它的所有回答都嚴格限制在你上傳的文件範圍內,不會去猜測或引用外部知識,這讓它成為處理機密文件或需要精確來源的場景中最安全的 AI 工具。

📚

NotebookLM — 智慧研究與寫作知識庫

CLOSED-LOOP RESEARCH MODE
核心能力
單一筆記本支援高達 600 個來源文件;所有回答附精確頁碼引述;一鍵生成雙人對話式音訊總覽(Audio Overviews)
支援格式
PDF、Google 文件、Google 試算表、Markdown、音訊逐字稿等多元格式
使用介面
網頁版(notebooklm.google.com),無需安裝
適合誰
研究員、學生、法務、市場分析師——任何需要從大量文件中快速提煉知識的人
資料安全
嚴格限定在上傳文件範圍內,不使用使用者資料進行模型訓練

📖 實際使用情境

  • 「上傳 30 篇學術論文,問:這些研究對 X 理論的共識和分歧各是什麼?」
  • 「上傳公司內部的所有 SOP 文件,建立一個新人問答知識庫」
  • 「將這學期的所有筆記上傳,自動生成考試複習指南與模擬測驗題」
🎧

Audio Overviews 是隱藏的殺手功能:一鍵將數百頁文件轉化為兩位主持人的深度對話音訊,通勤途中也能「聽懂」複雜報告。

Step-by-step:NotebookLM 第一次使用

01

建立筆記本

前往 notebooklm.google.com,以 Google 帳號登入,點選「New Notebook」建立一個研究主題專屬的筆記本。

02

匯入來源文件

在左側「Sources」面板點擊「+」,上傳本地 PDF 或連結 Google 雲端硬碟的文件。可一次匯入多個來源(上限 600 個)。

03

開始提問(含引述溯源)

在中央對話框輸入研究問題,回答會自動附上 [來源文件名稱,第 X 頁] 的引述標籤,點擊可直接跳轉到原文位置。

04

生成音訊總覽

點擊右側「Audio Overviews」,系統自動生成約 10–20 分鐘的雙人對話音訊,整合所有上傳文件的核心洞見。


// 04

Google AI Studio

AI Studio 是開發者和技術人員的「Gemini 實驗場」——你可以在這裡測試各種模型、調整參數、設計提示詞,然後一鍵取得可直接用於生產環境的程式碼。

🧪

Google AI Studio — API 原型快速開發環境

DEVELOPER SANDBOX MODE
核心能力
百萬級 Token 上下文視窗沙盒;內建提示詞藝廊與系統指令設定;支援 Temperature 等參數調校;一鍵生成 Python / Go / JavaScript SDK 程式碼;可匯出至 Antigravity 繼續開發
支援模型
Gemini 3.5 Flash、Gemini 3.1 Pro、Gemini Flash Live(實時影音互動)等全系列模型
使用介面
網頁版(aistudio.google.com),需 Google 開發者帳戶,可連結 Google Play Console 直接發布 Android App
適合誰
獨立開發者、AI 產品經理、資料科學家——需要快速驗證 AI 功能、取得 API Key、建立原型的技術人員

📖 實際使用情境

  • 「測試不同 Temperature 值對文章創作多樣性的影響,找到最佳參數」
  • 「設計一個客服 Chatbot 的 System Instruction,測試各種邊界情境」
  • 「取得 API Key,下載 Python 範例程式碼,整合進自己的後端服務」

Step-by-step:AI Studio 第一次使用

01

進入操練場並取得 API Key

前往 aistudio.google.com,登入開發者帳戶。點選左側「Get API Key」→「Create API Key」,複製備用。

02

選擇模型並設定系統指令

右側面板選擇目標模型(一般任務用 Flash,複雜推理用 Pro)。在「System Instructions」欄位填入 AI 的全域行為規則(如角色設定、回答格式)。

03

調校提示詞與參數

在中央輸入測試資料(文字 / 圖片 / 程式碼),調整 Temperature(0 = 確定性高,1 = 創意性高)觀察輸出差異,找到最佳配置。

04

匯出程式碼或轉移至 Antigravity

測試滿意後,點「Get Code」複製生產環境程式碼;或點「Export to Antigravity」將所有上下文帶入本地 Agent 流程繼續開發。

# AI Studio 匯出的 Python 程式碼範例 import google.generativeai as genai genai.configure(api_key="YOUR_API_KEY") model = genai.GenerativeModel("gemini-3.5-flash") response = model.generate_content("你的提示詞") print(response.text)

// 05

Gem

Gem 是最平易近人的入口——不需要任何技術背景,在 Gemini 的網頁介面就能建立一個擁有特定角色、知識庫和回答格式的專屬 AI 助手,儲存後一鍵啟用。

💎

Gem — 客製化 Gemini 智慧體

PERSONA CUSTOMIZATION MODE
核心能力
透過「角色 / 任務 / 背景 / 格式」四維指令結構客製 AI 行為;附加專屬知識文件或連結 Google 雲端硬碟;內建 AI 輔助指令優化(自動將口語化需求轉為結構嚴謹的提示詞)
使用介面
gemini.google.com 消費端網頁 或 Google Workspace 商業端,無需安裝
適合誰
一般辦公人員、內容創作者、行政管理人員——任何有高頻重複性任務、希望固定化 AI 回答風格的人
資料安全
依據 Google 帳戶條款(個人帳戶或 Workspace 企業帳戶)保護

📖 實際使用情境

  • 建立「週報生成器」Gem:每週五貼入重點,自動輸出固定格式的週報
  • 建立「Code Review 專家」Gem:上傳公司 coding style guide,讓它以特定標準審查程式碼
  • 建立「英文對話導師」Gem:設定為只用英文回應、每次糾正語法錯誤

Step-by-step:Gem 第一次建立

01

進入 Gem 建立流程

登入 gemini.google.com,點選左側欄「探索 Gem(Explore Gems)」,然後選擇「新增 Gem(New Gem)」。

02

命名並撰寫指令

為 Gem 命名,在指令方塊填入四要素:角色(你是什麼專家)、任務(主要做什麼)、背景(有哪些限制或假設)、格式(輸出要長什麼樣)。

03

用 AI 優化指令(選用)

如果不確定怎麼寫,點擊魔杖圖示「使用 Gemini 重寫指令」,用口語描述你的需求,AI 自動轉化為結構化提示詞。

04

掛載專屬知識庫(選用)

點擊「Knowledge」欄位的「新增檔案」,上傳這個 Gem 需要參考的文件(如公司規範、產品手冊),或連結 Google Drive 資料夾。

05

測試後儲存

在右側 Preview 視窗進行多輪測試對話,確認輸出格式和語氣符合預期後,點擊「儲存(Save)」,Gem 即常駐於左側工具欄,隨時一鍵啟用。


// 06

四者完整比較

比較項目 🤖 Antigravity 📚 NotebookLM 🧪 AI Studio 💎 Gem
主要定位 自主型 Agent 平台 閉環文件研究庫 API 原型沙盒 客製 AI 分身
操作介面 桌面 App 網頁 網頁 網頁
需要技術背景 ✓ 建議有 ✗ 不需要 △ 基礎即可 ✗ 不需要
讀寫本機檔案 ✓(沙盒隔離)
知識限縮在自有文件 ✓(核心特色) △(可附加文件)
來源引述 / 溯源 ✓(精確頁碼)
多代理人協作
生成 API 程式碼 ✓(核心功能)
固定角色 / 人格 △(System Prompt) ✓(核心功能)
支援 Linux ✓(網頁) ✓(網頁) ✓(網頁)

// 07

我該選哪一個?

🌿 決策樹:根據情境選擇工具

我想自動化整個軟體開發流程
Antigravity
我要跨多個 repo 做大規模重構
Antigravity
我有大量文件要研究,需要精確引述
NotebookLM
我要建立公司內部知識庫,AI 只能回答文件範圍內的問題
NotebookLM
我要測試 Gemini API、取得 API Key、建立原型
AI Studio
我想設計一個固定格式的日常 AI 助手(週報、程式審查等)
Gem
我沒有技術背景,想快速體驗 AI 工具
Gem 或 NotebookLM
🔗

工具可串聯使用:常見工作流是 NotebookLM 整理研究 → AI Studio 設計 API 原型 → Antigravity 自動實作。Gem 則是日常輔助,與其他工具並行。


// 08

立刻開始:上手路徑

根據你的身份與目標,選擇最直接的入門路徑:

PATH A — 完全新手 / 辦公室使用者
  1. 前往 gemini.google.com,用 Google 帳號登入
  2. 先體驗基本對話,熟悉 Gemini 的回應方式
  3. 建立第一個 Gem:選擇一個你每週都會重複做的任務(如寫週報),把固定格式寫入指令
  4. 需要研究文件時,改用 NotebookLM 上傳 PDF 提問
PATH B — 研究員 / 分析師 / 學生
  1. 前往 notebooklm.google.com,建立一個新筆記本
  2. 上傳你的研究文件(PDF / Google Doc 均可)
  3. 先問「這些文件的主要論點是什麼?」測試引述功能
  4. 點擊「Audio Overviews」,體驗一鍵生成音訊摘要
  5. 熟悉後,試著建立「來源比對」查詢:「文件 A 和文件 B 對 X 的看法有何差異?」
PATH C — 開發者 / 產品經理
  1. 前往 aistudio.google.com,取得你的 API Key
  2. 在 Prompt Gallery 找一個接近你需求的範例,在沙盒中直接修改測試
  3. 調整 Temperature 值,觀察不同參數對輸出的影響
  4. 點「Get Code」取得 Python 範例,整合進你的專案
  5. 需要完整實作時,點「Export to Antigravity」移交 Agent 繼續
PATH D — 軟體工程師 / DevOps
  1. 下載 Antigravity 桌面 App,以 GCP 憑證登入
  2. 建立新專案,指向一個現有的小型 repo
  3. 第一個任務用 /grill-me:「幫我分析這個專案的架構弱點,先提問再行動」
  4. 觀察 Manager View 的執行過程,熟悉沙盒行為與 Artifacts 產出
  5. 確認可信賴後,再用 /goal 執行完整的功能開發任務
🎯

給所有新手的通用建議:每個工具的第一個任務,選擇一個你已知道答案的工作——這樣你能快速判斷輸出是否正確,建立對工具的信任感,再逐步挑戰更複雜的任務。

關於 · 編輯原則與方法論