KeyFrame內部研究專用

Google Docs x Gemini 最新2026教學|唔識呢5個 AI 秘技,每日返工浪費幾多時間?

DMP深度學習·7月18日週六·7 min中文

三句話摘要

Google Docs 隱藏功能與 AI 自動化技巧教學 掌握 Google Docs 的 AI、自動化與版本管理功能,可將這個免費工具轉化為完整的個人工作系統,功能和效率超越多數付費專業軟體。 OCR 掃描與跨平台同步:手機 Google Drive App 拍照掃描實體文件,Docs 自動啟動文字辨識轉為可編輯文字;手機和電腦版本實時同步,語音輸入可即時在電腦顯示,大幅提升輸入效率。

重點整理

重點
  • 1

    OCR 掃描與跨平台同步:手機 Google Drive App 拍照掃描實體文件,Docs 自動啟動文字辨識轉為可編輯文字;手機和電腦版本實時同步,語音輸入可即時在電腦顯示,大幅提升輸入效率。

  • 2

    Gemini AI 賦能內容生成:內建 AI 可重寫文本結構、將雜亂筆記轉表格、根據 Google Drive 檔案自動填入個人化內容(署名、電話、公司),讓專業文案生成秒速完成。

  • 3

    變數與版本管理:使用 @ 符號設置變數,修改一次全篇自動同步;文件比較功能秒速找出版本差異;版本歷史可隨時回溯,審批流程中鎖定檔案防止未授權修改。

  • 4

    自動化與模板系統:預設模板(專案追蹤器、內容規劃器)省去排版時間;Google Apps Script 可自動批量處理(如轉換員工資料輸出 PDF),提供比 AI 更準確的機械化執行。

實用技巧與重點

乾貨
  • OCR 步驟:Google Drive 手機拍照 → PDF 右鍵「開啟工具」選 Doc → 自動辨識
  • 手機語音輸入:實時同步到電腦版本
  • Gemini AI 功能:重寫、製表、文案生成、提取個人資訊
  • 文件比較:新舊版本對比找差異
  • 不分頁模式:避免分頁線中斷
  • 預設模板:專案追蹤器、內容規劃器、已配置格式與顏色
  • @ 符號變數:支援人名、日期、檔案連結、會議事件,一改全篇同步
  • 下拉選單:追蹤進度與項目狀態
  • 版本歷史:隨時回溯任何時刻
  • 協作編輯與審批流程:完整時間記錄、檔案鎖定
  • Google Apps Script:自動化重複工作,確保 100% 準確性
  • 生態整合:日歷、電郵、聯絡人、Drive 檔案無縫連結

結論

結論

掌握 Google Docs 的 AI、自動化與版本管理功能,可將這個免費工具轉化為完整的個人工作系統,功能和效率超越多數付費專業軟體。

完整解析

詳細

Google Docs 已遠超傳統文字編輯工具,演變成完整的內容生產平台。講者首先介紹 OCR 掃描功能——透過手機 Google Drive 應用拍照掃描實體紙張,系統自動啟動文字辨識將手寫內容轉為可編輯電子文本,大幅減少手動輸入時間。跨平台同步是核心優勢,手機和電腦版本實時同步,用戶可在手機進行語音輸入,文字會即刻在電腦版出現,對於長期打字工作者效率提升明顯。

Gemini AI 的整合大幅增強內容生產力。除基本的文本重寫和表格製作,AI 能根據使用者 Google Drive 中的其他檔案智慧提取背景資訊,自動填入署名、電話、公司等個人化細節。對於會議散亂記錄,AI 可瞬間整理成結構化表格。透過提示詞框架指導,AI 還可扮演特定角色生成符合語境的專業文案,這種功能對商務寫作尤其實用。

版本管理與協作方面功能完整。文件比較功能能在數秒內找出不同版本間的所有差異,對檢查合約是否被偷改特別有用。變數功能透過 @ 符號設置一次後,修改會自動同步至全篇出現的相關內容,完全消除手動逐一修改的遺漏風險。版本歷史允許隨時回溯任何過去時刻,審批流程中可鎖定檔案防止未授權修改,整個審批過程有完整的時間記錄。

外觀與使用體驗方面推出不分頁模式解決分頁線困擾,預設模板(專案追蹤器、內容規劃器等)已預先配置格式與色彩方案,使用者直接套用無需自己設計排版。下拉選單功能讓文件成為動態工具,可追蹤項目進度與狀態變化。進階用戶可利用 Google Apps Script 進行自動化,向 AI 描述需求後複製生成的程式碼並授權,即可執行批量處理工作。相比依賴 AI 結果可能不夠準確,使用 Script 進行機械化操作(如自動轉換員工資料並輸出 PDF)能確保 100% 準確性。

Google Docs 的真正威力在於其整合的生態系統——日歷、電郵、檔案管理、聯絡人無縫協作,整個系統功能已接近 AI Agent 水準,大幅提升工作效率與產出品質。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。