KeyFrame內部研究專用

Gemini in Workspace 让你准时下班的5个效率神技

YAHA学堂·8月7日週五·7 min中文

三句話摘要

利用 Google Gemini 和 Canvas 功能快速整理混亂數據、自動生成進度表、報告與互動式儀表板。 ## Canvas 是 Google Workspace 中被隱藏的超強功能,只需切換到英文介面就能解鎖,將靜態表格轉為完全互動的儀表板系統,大幅提升數據管理和決策效率。 Gemini in Workspace 獨立系統 — 此工具與網頁版 Gemini 完全分離,設置、語言設定、回應風格各不相通。需分別在兩套系統配置偏好格式和角色設定,否則設置不會生效。

重點整理

重點
  • 1

    Gemini in Workspace 獨立系統 — 此工具與網頁版 Gemini 完全分離,設置、語言設定、回應風格各不相通。需分別在兩套系統配置偏好格式和角色設定,否則設置不會生效。

  • 2

    結構化數據處理三大技巧 — 先用 AI 生成初版分類和下拉菜單,再根據實際需求調整。例如處理客戶反饋時,Gemini 能自動從混亂對話中萃取任務、負責人和進度狀態,並生成可視化圖表。

  • 3

    簡報生成已支援中文且可編輯 — 新版 Gemini 先詢問簡報用途、頁數、內容細度,再一次到位生成完整內容。與舊版生成死圖不同,現在每個文字和版型都可直接修改,時間從一小時降至五分鐘。

  • 4

    Canvas 是隱藏超級功能,需英文介面開啟 — 此功能只在英文账户語言下才會在下拉菜單出現,可將靜態表格轉化為完全互動的儀表板,甚至支援在儀表板內新增數據自動回寫到原表格,打造迷你報銷系統。

  • 5

    ##

實用技巧與重點

乾貨
  • 系統與工具
  • Gemini in Workspace(工具欄內的聊天工具)
  • 網頁版 Gemini APP(兩套系統設置不互通)
  • Create Images:侧邊欄藏著的圖片生成工具(會產生死圖,需用其他入口才能生成可編輯內容)
  • Canvas:互動頁面生成功能(需英文账户語言)
  • 效率數據
  • 會議逐字稿:40 分鐘 → 30 秒產生進度表
  • 客戶反饋分類:60+ 條反饋 → 2 分鐘完成
  • 簡報製作:1 小時 → 5 分鐘
  • 處理流程與細節
  • 發票混雜時轉成 PDF 上傳(紙質發票掃描也可),Gemini 自動提取發票號、類別、金額等
  • 中文創作功能:官方 7 月中宣布支持中文(分批推送),未收到者可先翻譯成英文讓 Gemini 生成再翻譯回中文
  • Canvas 數據輸入:支援新增按鈕臨時填寫漏掉的數據,自動同步回原表格
  • ##

結論

結論

Canvas 是 Google Workspace 中被隱藏的超強功能,只需切換到英文介面就能解鎖,將靜態表格轉為完全互動的儀表板系統,大幅提升數據管理和決策效率。

完整解析

詳細

會議結束後甩來一份 40 分鐘的逐字稿,裡面任務、負責人、進度全混在對話裡,從前得花一小時才能整理成進度表。現在只需在 Google 雲端中打開逐字稿文件,點擊右上角 Gemini 圖標,要求它整理成工作進度表,系統會在左側實時預覽生成過程,30 秒內就能產生一張任務條列完整、負責人已自動標註、狀態欄採下拉菜單設計的進度表。

處理大量非結構化數據時,關鍵是善用 AI 的分類和視覺化能力。以 60+ 條混合正評、負評和需求的客戶反饋為例,直接告訴 Gemini「分析這些反饋」,它會自動生成分類圖表,然後進一步要求它把反饋文本內容按類別填入對應的列(正面反饋、業務需求、客服需求等)。結果雖不是完美,但可以立即調整——比如把文字類別改成下拉菜單,Gemini 也能快速完成,原本需要一個下午的工作變成 2 分鐘。

發票處理則展示了 Gemini 在結構提取上的優勢。公司和個人發票混雜在一起,過去得逐筆手敲進表格;現在全部轉成 PDF(紙質的話用手機掃描也行)丟進雲端,Gemini 自動識別發票號、金額、類別,還能把類別做成下拉菜單。這張表後續會成為最終隱藏功能的原料。

報告和簡報生成也有重大升級。新版 Gemini 支援中文創作(官方 7 月中已宣布分批推送),如果沒收到,可先把指令翻成英文讓它生成,再用 Gemini 翻譯回中文。更關鍵的是,生成流程已不是悶頭就寫,而是先提問給誰看、要幾頁、內容細度如何,再按需一次到位,生成的簡報版型和顏色會完美複製原風格,每個字都能編輯——從前做一份彙報簡報要一小時,現在五分鐘搞定。但要特別留意:侧邊欄工具菜單裡的「Create Images」會生成死圖,若想要可編輯的內容,得走另一個創建對話的入口。

最後也是最精彩的部分是 Canvas 功能,它將靜態表格變成互動儀表板。這個功能「隱藏」的原因是只在英文账户語言下才會在下拉菜單出現。啟用後,根據當前表格生成一個可交互的支出儀表盤——可點擊、可篩選。最猛的是新增按鈕功能,發現漏了一張發票時無需重新生成,直接在儀表盤上填數據,它會自動寫回表格。這已經不是表格,而是一套完整的報銷系統,且一行代碼都沒寫。

##

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。