谷歌 Gemini 升级：支持在对话中直接生成与编辑多格式文件

谷歌近日宣布对对话式 AI 模型 Gemini 进行功能升级，推出全新的文件内直接修改能力。自即日起，所有 Gemini 用户在网页端与移动端均可实时生成、预览并全屏编辑多种主流文件格式，不再局限于导出文件。

此次升级覆盖 PDF、谷歌文档、谷歌表格、幻灯片、Markdown 文件、TXT 文本以及代码文件。谷歌称，这标志着大模型正从内容生成工具向沉浸式协作工作台演进。

升级内容与覆盖范围

谷歌官方公布的细节显示，不同格式在端侧的落地节奏并不一致：PDF 的预览与编辑功能同步支持网页端和移动端，其余格式目前主要落地于网页端。

这意味着用户在移动端上暂时只能对 PDF 进行完整的预览与编辑，文档、表格、幻灯片等格式的同类能力仍以网页端为主。谷歌并未在公布的信息中说明其余格式何时向移动端扩展。

从功能定位看，Gemini 此前在文件场景中的角色偏向生成内容后导出，用户需要离开对话界面到其他应用中打开和调整。此次升级把生成、预览、编辑三个环节收拢到同一界面内，改变了文件在对话中的流转方式。

在实际操作中，用户无需退出应用即可直接对生成的文件内容进行深度修改。界面提供全屏编辑模式，用户可以在其中对文件内容逐处调整，而不必先下载文件再借助外部工具处理。

除整体编辑外，该功能还支持选中文本后定向提问。用户圈定文件中某一段内容，即可就该部分向 Gemini 发起追问，把修改意见直接反馈到当前文件上，形成选中、提问、修改的连续操作。

表格场景中还提供交互式的表格转图表功能。用户可以在对话内把表格数据转换为图表形式，用于查看数据呈现效果，这一能力同样被归入此次文件内直接修改的升级范围。

谷歌此次升级并非孤立动作。此前，谷歌已在 Workspace 生态及侧边栏中深度整合相关能力，把 Gemini 的辅助功能嵌入到文档、表格等办公工具的使用流程中。

竞争对手 Anthropic 此前也在 Claude 对话窗口中上线了类似的文档与演示文稿编辑功能。两家厂商在对话界面内直接处理文件的方向上出现重合，表明这一交互形态正被主流厂商共同采用。

从时间线看，谷歌在 Workspace 侧的整合与此次 Gemini 对话内的文件编辑能力构成前后衔接，前者面向办公套件内部，后者面向对话窗口本身，覆盖的是用户与 AI 交互的不同入口。

谷歌将此次升级描述为大模型从内容生成工具向沉浸式协作工作台演进的一个标志。文件不再只是对话的产出物，而是可以在对话过程中被反复查看和调整的对象。

随着各大主流 AI 厂商持续强化人机交互的闭环体验，对话式办公正逐渐成为大模型应用落地的重要行业趋势。厂商的竞争重点也从单次生成的质量，延伸到生成之后用户如何继续操作和修改。

这一趋势若延续，用户的日常数字工作流程可能随之调整：文件处理、内容追问与格式转换等环节有望集中在同一对话界面内完成，减少在多个应用之间切换的步骤。