必须激活secure cloud compute权限才能运行代码：需google ai ultra或workspace企业账号，启用vertex ai与sheets api，上传csv/xlsx等结构化文件后通过df等变量调用，首次运行须手动点击▶按钮并授权。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
想在Gemini Notebook 3.1里直接跑Python清洗销售数据、用SQL查Excel里的客户表、画出带交互的Plotly图表，又卡在“找不到运行按钮”“点不动代码块”“提示权限不足”——这不是功能没开，而是安全云计算机（Secure Cloud Compute）模块尚未激活或未正确挂载上下文。
确认账户是否已开通代码执行权限
打开gemini.google.com → 登录你的Google账号 → 进入任意一个已创建的笔记本 → 在编辑区任意位置输入三反引号后敲回车，观察是否自动弹出语言选择菜单（Python/SQL/Java/Markdown+Mermaid）。【若无任何下拉响应，说明当前账号未获准使用安全云计算机】。该权限目前仅对Google AI Ultra用户、Workspace企业客户中拥有AI Ultra Access或AI Expanded Access权限的账户开放，网页版Pro用户尚在分批推送中，截至7月24日仍未全量覆盖。
检查路径：点击右上角头像 → “管理您的Google账户” → 左侧选“安全性” → 查看“API与服务”中是否启用“Vertex AI API”和“Google Sheets API”。未启用则代码执行无法调用外部数据源。
上传支持解析的原始文件
方法一：拖入结构化文件
将CSV、XLSX、Google Sheets链接、可复制文字的PDF（非扫描件）直接拖进笔记本正文区。系统会在右下角显示“正在解析为变量…”提示，完成后你可在代码块中直接调用df、sheets_data等默认变量名。
方法二：粘贴纯文本表格
复制Excel中某一片段（含表头）→ 在笔记本中新建段落 → 粘贴 → 系统自动识别为DataFrame并生成变量table_1。这一步不依赖文件上传，适合快速测试小样本逻辑。
【注意：PNG/JPEG截图中的表格、手写笔记PDF、密码保护的Excel均无法被解析为可计算变量】
编写并执行第一段Python代码
第一步：在笔记本中新建代码块
输入```python → 换行 → 输入print("Hello from Secure Cloud Compute") → 再次换行输入```。
第二步：点击右上角“▶ 运行”按钮（非键盘Enter）
首次运行会弹出权限确认浮层：“允许此笔记本访问安全云计算机？该环境通过ISO/IEC 27001与SOC 2 Type II双认证”，点击“允许”。【此授权不可跳过，且每个笔记本需单独确认一次】。
采用三层架构开发，前台集成了产品在线展示，用户注册、在线调查、在线投稿后台有类别管理\图书管理\订单管理\会员管理\配送范围管理\邮件列表\广告管理\友情链接管理等后台添加图书时自动生成缩略图和文字水印主要参考了petshop的设计架构、使用了Asp.net2.0中很多MemberShip、master等新功能后台管理地址/web/admin/ 超级管理员账号密码均为aspx1特别提示：该系统需要
第三步：等待状态栏从“启动中…”变为绿色“已完成”
输出区将显示Hello信息，并附带执行耗时（通常
调用上传文件中的数据做真实分析
在新代码块中输入以下内容：
```python
import pandas as pd
print(df.shape)
print(df.columns.tolist())
df.head(3)
```
点击“▶ 运行”。如果df未定义，说明前序上传的CSV/XLSX未成功解析——请返回第二阶段重新拖入文件并等待“解析完成”提示出现后再试。
执行成功后，输出区将显示行数列数、字段名列表及前三行数据。此时你已真正进入“数据源即代码上下文”工作流，无需导出、另存、切换工具。
生成动态图表并嵌入笔记本
方法一：Plotly交互图
```python
import plotly.express as px
fig = px.scatter(df, x='sales', y='profit', color='region', title="区域销售利润分布")
fig.show()
```
运行后图表直接渲染在输出区，支持缩放、悬停查看数值、下载PNG/SVG。
方法二：Chart.js静态图（兼容性更强）
```markdown
```chart
{
"type": "bar",
"data": {
"labels": ["Q1","Q2","Q3"],
"datasets": [{
"label": "Revenue",
"data": [12000,19000,15000]
}]
}
}
```
```
这段混编语法无需Python环境，直接渲染为响应式柱状图。
