用途：基于 Google Gemini File Search 构建文档问答与可检索知识库，无需自建向量数据库、分块逻辑或嵌入代码。上传 PDF、Word、Excel、PowerPoint、Markdown、JSON、CSV 及多种代码文件后，用自然语言查询，系统自动完成智能分块、嵌入、语义检索与引用生成。
主要能力：支持 100+ 文件格式；自动使用 Gemini Embedding 模型生成向量；基于语义的向量检索；内置 grounding 引用；每文档最多 20 个自定义元数据键值对用于过滤；可配置分块 token 数与重叠；一次索引按 $0.15/1M tokens 计费，存储与查询时嵌入免费（有层级上限）。
使用方式：需 Google AI API Key（https://aistudio.google.com/apikey）与 Node.js 18+（建议 20+），安装 npm install @google/genai。用 GoogleGenAI 初始化客户端，创建 fileSearchStores，再 uploadToFileSearchStore 上传文件并轮询 operation 直至 done。查询时调用 generateContent，model 需为 gemini-2.5-flash 或 gemini-2.5-pro，并在 tools 中传入 fileSearch。
适用场景：客服知识库、内部文档搜索、法律合规分析、研究工具、代码文档搜索、产品资料检索等静态文档、重视引用与低成本全托管 RAG 的场景。
限制：文档索引后不可修改，更新需删除并重新上传；存储约为输入体积 3 倍；免费层 1GB 存储、1500 请求/天、100 万 tokens/分钟；不支持自定义嵌入、流式更新、BM25/混合检索、高级重排，仅支持 Gemini 2.5 Pro/Flash，且仅做文本提取，不解析图片或表格。部分细节资料未完整提供。