KeyFrame內部研究專用

99% 的人不知道!强制开启 Chrome 隐藏版 Gemini 的绝招

YAHA学堂·6月19日週五·5 min中文

三句話摘要

Chrome內置Gemini AI助理的6個實用功能演示及Skill技能創建教學。 Chrome的內置Gemini結合正確的提示詞和Skill功能,能顯著提升日常瀏覽、比較、整理資料的效率,而這一切完全免費且原生內建。 Gemini是Chrome原生功能,無需購買或安裝擴充。啟用需三個條件:Chrome版本147以上、登入Google帳號、年滿18歲帳號。若按鈕未顯示,終端指令關閉Chrome進程後重啟即可解決。

重點整理

重點
  • 1

    Gemini是Chrome原生功能,無需購買或安裝擴充。啟用需三個條件:Chrome版本147以上、登入Google帳號、年滿18歲帳號。若按鈕未顯示,終端指令關閉Chrome進程後重啟即可解決。

  • 2

    總結功能的進階用法是要求「用條列式整理重點、給一句話結論、補充原文未提及的盲區」,這樣不只濃縮原文,還能發現自己忽視的知識缺口,比單純「幫我總結」實用得多。

  • 3

    多頁面比較時在輸入框輸入@符號會顯示已開分頁清單,選定要對比的分頁(最多10個)後,Gemini自動生成比較表並給出推薦理由,省去手動開分頁來回比對的麻煩。

  • 4

    Skill功能讓用戶將常用提示詞保存為卡片,下次任何網頁都能一鍵套用,支援編輯和自動優化,徹底解決重複輸入冗長指令的問題。

實用技巧與重點

乾貨
  • Chrome版本最低要求:147以上
  • 啟用條件:登入Google帳號、年滿18歲帳號、非無痕模式
  • 按鈕未顯示解決方案:終端指令關閉Chrome進程後重啟
  • @符號用途:在輸入框輸入@,列出當前開啟分頁供選擇
  • 分頁上限:一次最多10個標籤頁
  • Skill功能:保存提示詞模板、自動優化提示詞品質、一鍵套用

結論

結論

Chrome的內置Gemini結合正確的提示詞和Skill功能,能顯著提升日常瀏覽、比較、整理資料的效率,而這一切完全免費且原生內建。

完整解析

詳細

Chrome瀏覽器在窗口右上角隱藏著一個免費的AI助理——Gemini,無需安裝任何付費擴充即可使用。首先要確認三個啟用條件:Chrome版本更新至147以上、已登入Google帳號、使用年滿18歲的帳號(無痕模式不適用)。這是許多用戶容易踩雷的地方。若滿足條件但仍未見到Gemini按鈕,可以通過終端指令徹底關閉Chrome進程,再重新啟動瀏覽器,按鈕就會出現。

Gemini最基礎的功能是內容總結,但單純說「幫我總結」的效果有限。更實用的做法是給具體指令:「用條列式整理這篇的重點,最後給我一句話的結論,還有它沒講到但我該注意的點。」這種精準的提示詞不只濃縮原文內容,還能補充你可能忽視的知識漏洞。這招對YouTube影片也同樣有效,能快速判斷視頻是否值得完整觀看。

多頁面比較是另一個強大功能。很多人習慣開一排分頁來回比對價格或產品特性,現在只需在Gemini輸入框輸入@符號,就會跳出當前所有開啟分頁的清單。選擇要比較的分頁(最多支援10個),Gemini會自動產生一張比較表格,包含名稱、價格、優缺點等欄位,還會給出具體的推薦理由。這個小技巧大幅提升了決策效率。

表格整理功能則適合需要整理數據的用戶。網頁上的任何表格都可以直接提交給Gemini加工處理。比如維基百科的台灣行政區人口列表,你可以要求它「多算一欄總計、標出最高跟最低的那一列」,Gemini不只會複製表格,更重要的是它讀懂了表格邏輯並進行運算,最後直接複製貼到試算表就能使用。

最後是Skill功能——Chrome Gemini的隱藏殺手鐧。如果經常使用某個長提示詞,可以把它保存為一張技能卡片。下次在任何網頁打開Gemini時,都能一鍵套用這個技能,完全無需重新輸入。保存後還能點擊修改按鈕調整內容,或使用自動優化功能改進提示詞的質量。

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。