Gemini 聊天框里直接改 Docs 和 PDF：谷歌把「文件」变成对话的一部分

过去用 AI 做文档，流程是这样的：在聊天框里让模型写一版，把内容复制出来，粘到 Docs 里排版，发现某张表格不合适，再回到聊天框描述一遍，再复制一次。整个过程里，AI 是个「代笔」，你不是。

10 月 29 日，谷歌把这个循环砍掉了。Gemini 现在可以直接在应用内生成、预览和编辑 PDF、Google Docs、Google Sheets、幻灯片、Markdown、TXT 以及代码文件——不用跳出去，也不用下载再上传。

一分钟速览

• Gemini 支持在应用内直接生成、预览与编辑多种文件格式，即日起对所有 Gemini 用户开放。
• PDF 的预览与编辑在网页端和移动端都可用，其余格式目前仅限网页端。
• 支持全屏展开文档编辑；可以选中文本后直接向 Gemini 提问或要求修改。
• 典型用法：选中一张表格，让 Gemini 把它转成图表。
• 此前 Gemini 已能生成并下载文件，这次补上的是「闭环编辑」。

被砍掉的不是功能，是往返

这个更新的技术含量不算高，但它改的是一件很关键的事：上下文。

当编辑发生在聊天框之外，模型看不到你的修改。你在 Docs 里调整了段落顺序、改了某个数字、删掉一段，再回到聊天框里说「把结论部分再收紧一点」，模型只能基于它上一版的输出理解你的意思——它不知道你已经改过什么。

把编辑搬进同一个界面之后，文件本身成了上下文的一部分。你选中的那段文字、你正在看的那个表格，都可以直接变成指令的作用对象。谷歌举的例子很具体：选中一张表格，让 Gemini 把它变成图表。

这类操作的共同点是「所指明确」。人类之间的协作大量依赖指代——「这里」「这个表」「上面那段」——而 AI 助手过去很难接住这种指代，因为它看不到你指的到底是什么。可视化的选区，就是把指代变成了明确的对象引用。

格式清单透露的策略

支持的格式列表值得读一遍：PDF、Docs、Sheets、幻灯片、Markdown、TXT、代码。

这份清单几乎覆盖了一个知识工作者的全部产出物。PDF 放在第一位很有意思——它是最难编辑的格式，也最常被当作「最终交付物」。能在 PDF 上做预览与编辑，说明谷歌想覆盖的不只是创作环节，还有审阅与修订环节。

而移动端只开放 PDF，其余格式限网页端，说明复杂格式的渲染与编辑在移动端仍有工程代价。这个限制短期内不会消失。

和 Workspace 集成的区别

有人会问：Gemini 不是早就能在 Google Docs 里帮忙改东西了吗？

是，但那是「在 Workspace 应用里调用 Gemini」。这次的更新是反过来的——「在 Gemini 里操作文件」。前者是把 AI 塞进已有工具，后者是把工具塞进 AI 的对话流。

两种形态对应两种使用习惯。文档工作者习惯前者：我在写东西，顺手让 AI 帮个忙。而越来越多的任务是从一句话开始的：我要一份报价单、我要一份周报、我要把这份 PDF 里的表格提出来。这类任务的起点是意图而不是文件，把它们留在对话里更自然。

Anthropic 今年早些时候也推出了从对话中生成和编辑文档、演示文稿的能力。两家在这个方向上的动作几乎同步，说明这不是某一家产品经理的灵感，而是对同一个使用模式的判断。

真正的战场在「谁来承载工作」

把这几件事串起来看，脉络很清楚：聊天机器人正在从「回答问题的地方」变成「完成工作的地方」。

一旦文件能在对话里生成、编辑、预览，下一步自然是保存、共享、协作、审批。而这些正是办公套件的核心资产。谷歌的优势在于它同时拥有 Workspace 和 Gemini，可以把两端缝起来；它的风险也在这里——缝得太紧，会让不想把全部工作搬进谷歌生态的用户犹豫。

对普通用户来说,这次更新最实际的好处是省掉了复制粘贴。对行业来说,它是一个坐标：AI 助手的竞争，正在从「模型有多强」转向「工作流有多短」。