Gemini Spark详解：功能任务、技能、日程安排、安全性与定价。
Google的全天候 Gemini Spark智能体在Gmail、日历和文档中的功能，其安全机制的运作方式，使用成本，被限制使用的地区，以及适合采用它的群体。
想象这样的场景：午夜时分，你让人工智能帮忙审核三个月的信用卡账单，找出那些被遗忘的订阅服务。到了早上7点，整理好的电子表格已经存放在云端硬盘中，取消订阅的邮件也已拟好，每笔定期扣费都被标注上了日期。你没有编写任何代码，也没有设置自动化流程，更无需熬夜监控。
这就是Google自2026年5月推出的Gemini Spark。多年来人们一直期待完全自主的智能代理，可它总在明年才会出现，而Google推出的这款产品却没有像ChatGPT发布时那样引发诸多争议。它并非更出色的聊天机器人，而是一种不同类型的软件；人们是否愿意将其用于管理自己的电子邮件和日历，这才是关键问题。
Spark是什么
Google在2026年的I/O大会上推出了Spark，它是一种全天候运行的自主智能体。无需打开聊天窗口或发送请求来获取答案，它是在Google Cloud上持续运行的工作进程，即便你关闭了相关标签页，它仍会继续执行多步骤任务。
Spark基于Gemini 3.5 Flash运行，并搭配Google新开发的名为Antigravity的运行时环境。其设计十分简单：每个任务都在独立的虚拟机中启动，可在Google的各项服务间协同工作，保存自身状态，任务完成后自动关闭。你可以用通俗的语言与它交流，无需编写脚本、使用Zapier工具，也不需要YAML格式。
比较一下ChatGPT和Claude这两种咨询型工具：提出问题后会得到答案，对话窗口关闭后交流即告结束。而Spark则是执行型工具——你把任务交给他，它就会开始处理，无论你是否在场，任务都会继续进行。前者侧重于对话，后者则专注于任务。谷歌对这类工具的定义转变，是从解释如何做某事转变为在用户不在场时仍能完成该任务。可以将其比作参考图书管理员与个人助理：两者都能提供帮助，但满足的需求不同。
任务、技能与日程
有三个核心要素构成了这款产品。
任务
任务是一种自然语言指令，智能体会将其拆解为多步骤计划。模型会决定调用哪些谷歌服务、按何种顺序调用以及存在哪些依赖关系。这是一种对工作流程的动态推理，而非简单的条件判断规则。
假设任务是将过去一个季度的所有外卖订单汇总到电子表格中，并为可取消的订阅服务撰写取消邮件。处理流程如下：
- Gmail搜索。查找三个月内来自外卖服务平台的订单确认邮件，包括可能包含收据的PDF附件。
- 实体提取。读取每封邮件中的供应商、日期和金额信息，将不同格式的数据转换为结构化数据。
- 周期性检测。按供应商对费用进行分类，识别出如固定金额、固定间隔等订阅模式。
- 电子表格制作。创建一个电子表格，设置日期、供应商、金额、频率等列，以及一个用于评估该费用属于订阅服务的概率的得分列。
你需要审核的是结果而非流程。Spark会隐藏具体操作方式，只展示结果：这里列出了已发现的内容，这里列出了已生成的内容，这里列出了已草拟的内容，你可以选择批准或修改。
技能
技能是最有趣的功能。它们是可在不同会话间重复使用的行为模板，有点像数字生活中的宏指令，使用次数越多效果越好。
创建一个名为 /ghostwriter 的技能，将其设置为你过往的写作内容（邮件、文章、Slack 消息，甚至是推文），这样 Spark 就能学习到你的写作风格：句子长度、词汇范围、正式程度、标点使用习惯，甚至你常用的结尾语。只需说“使用 /ghostwriter 回复这封客户邮件”，回复内容就会显得像是你亲自撰写的，而非那种千篇一律的专业语气。
这些技能的功能不仅限于写作，它们还包含各种累积起来的上下文偏好设置：
- 在周一会议前预留15分钟的准备时间。
- 过滤掉飞行转机时间少于90分钟的情况。
- 为财务表格的C列设置交替的行颜色以及货币格式。
- 将“紧急”一词视为提升优先级并降低确认阈值的信号。
经过数周乃至数月的使用，该工具会形成专属的自动化层级。Spark会通过实际表现而非设置菜单来成为属于你的工具，就如同人工助手会适应你的工作方式一样。这是一种通过观察实现的个性化，而非通过手动设定。
日程安排
日程安排能让Spark从按需使用的工具转变为主动执行任务的工具。你可以设置基于时间或事件的触发条件，它就会在无需进一步提示的情况下持续执行这些任务。例如：每周一至周五早上7点，自动扫描Gmail中来自孩子学校的邮件，汇总日期、截止日期及待办事项，然后发送给两位家长。
一旦保存，它就会持续运行。你不再需要主动查看，系统会主动通知你。那些关于是否有学校布置的任务被遗漏的琐碎担忧也会消失，直到Spark发现有值得关注的情况。这就是工具转变为智能代理的关键时刻：工具等待指令，而智能代理则能预判需求。
谷歌的优势在于其自有应用
Spark与OpenAI的Operator、Anthropic的Computer Use以及众多正在开发AI执行助手的初创公司不同之处在于其深度集成能力。它并非由一堆API连接器、OAuth接口或浏览器自动化技巧组成，而是能够直接访问数亿用户日常使用的应用程序。
Gmail
电子邮件功能能让其价值在最初五分钟内就显现出来。该智能代理可以：
- 根据自然语言标准扫描并总结收件箱内容，例如昨日邮件中的待办事项。
- 以您自己的风格起草回复，依靠技能与真实风格的学习而非模板。
- 查找营销邮件并启动取消订阅流程，逐一处理各类新闻简报、促销列表以及“想念您”的消息。对大多数人来说，这能让原本需要数小时才能完成的杂务在几分钟内解决。
- 根据您设定的重要性规则对发件人进行排序，让重要邮件显示在前面，而无关信息则隐藏起来。
取消订阅这一功能恰恰体现了人工客服与聊天机器人的区别。聊天机器人只能解释如何取消订阅，而 Spark 能真正完成这项操作，它能应对企业设计的那些刻意设计的复杂流程，处理确认页面，并报告已取消的订阅信息。这属于执行任务，而执行正是人工客服的职责所在。
日历
日历功能不仅涵盖查看可用时间及标记冲突等基础功能，还具备更多高级特性：
- 基于规则的色彩编码。可将与经理的会议标记为粉色，客户通话标记为蓝色，内部一对一交流标记为绿色，从而大幅提升查看一周日程的效率。
- 跨日历可用时间查询。在获得许可后，Spark会查看多人的日历，找出共同的空闲时间，同时会考虑时区、工作时段及缓冲时间。
- 准备时间预留。根据活动是客户演示还是非正式沟通，系统会提前预留准备时间，帮助用户保持专注。
文档与Canvas功能
2026年7月的更新加入了Canvas功能，这可以说是Spark最具创新性的用户体验设计。它的价值不在于其具体功能，而在于它改变了人类与AI的交互方式。这是一个嵌入在Google Docs中的面板，Spark会逐句在上面为你撰写内容。你可以随时暂停，选中某段文字后说“让这段话更正式一些”或“在这里添加市场规模相关的数据”，系统便会据此进行调整并继续生成内容。
它并非那种只需粘贴提示词便能等待结果的黑箱。你与AI共享光标和上下文，能够实时进行迭代，Spark始终作为辅助工具存在于作者身边，而非取代作者。Canvas可以直接编辑私人文档和共享文档，还能从搜索结果中插入图片或上传自有图片。
其他功能组件
- 表格。创建、填写、更新和分析电子表格。从7月开始可直接编辑私人表格，因此Spark不仅能生成新的财务记录表，还能修改您现有的真实财务追踪表。它还能读取表格备注，并将协作人员的反馈融入到工作中。
- 幻灯片。根据主题、日期和受众群体构建完整的演示文稿。从7月起可直接编辑私人演示文稿并读取其中的备注。
- Keep。读取笔记并将其关联到相应任务，这样Keep中的购物清单无需额外输入即可成为任务。
- 任务。与Google Tasks实现双向同步。当Spark完成某项待办事项时，会自动标记该任务为已完成。
- YouTube。支持语义化视频搜索，例如可查找三段时长均在十分钟以内的钢琴入门教程。
综合来看，它更像是一种融入您现有工具中的智能层，而非独立的应用程序。所有功能都已内置，无需安装浏览器扩展，无需处理外部API密钥，没有复杂的连接组件，也不会因网站结构变动而导致抓取脚本失效。只需用谷歌账号登录即可使用。对于已经身处谷歌生态系统中的用户而言，Spark只是现有工具上的新功能，而非需要额外掌握的新工具。
三种使用场景
个人财务管理
据称，普通美国人每月在订阅服务上的支出为219美元，其中很大一部分是无意中产生的：忘记取消免费试用、应用自动续费、长期未使用的流媒体服务。几乎没人去解决这些问题，因为检查起来十分繁琐，而且也从未显得紧迫。
任务要求是：分析过去三个月的信用卡对账单，找出所有重复出现的订阅费用，制作一个包含金额、日期和供应商信息的电子表格，并为60天内未使用过的服务起草取消邮件。
Spark会在Gmail中搜索对账单邮件（包括PDF解析），提取各项明细，通过重复检测功能将订阅服务与一次性购买区分开来；如果用户授予更多权限，它还会分析使用模式。它会生成一个分类且可排序的电子表格，并为每个供应商撰写语气恰当的取消邮件——对于可能再次使用的服务采用礼貌语气，而对于那些惯用挽留手段的服务则采用坚决语气。整个过程仅需一句话的人工输入，耗时也仅为几分钟。
家庭事务管理
需要同时工作两份职业的父母深知学校沟通带来的负担：通过电子邮件、应用程序发送的请假条、活动截止日期通知、志愿者报名表以及提前放学通知，还有夹在背包里的纸质传单，再加上孩子们不完整的记忆。总有些信息会遗漏。
解决方案是：监控学校的电子邮件，记录每一个截止日期和待办事项，每周一至周五早上7点向两位家长发送汇总信息。这样就能避免“你从来没告诉我”的矛盾，因为两位家长能同时收到结构清晰的信息。负担从查找信息（需查看多个渠道并担心有遗漏）转变为阅读汇总内容（边喝咖啡边阅读整理好的信息）。
活动策划
任何团体活动都需要付出协调成本：追踪参与者、提醒未回复的人、准备材料以及处理后勤事宜。正因如此，很多人干脆避免组织活动。
任务是：组织一场社区聚会，需要一个回复追踪工具、针对未回复者的提醒功能、活动演示文稿以及邀请邮件。Spark可以在四个应用中协同工作：Sheets可用于创建包含姓名、联系方式、回复状态和饮食需求的回复追踪表；Gmail可以识别未回复的人并发送个性化提醒；Slides可用于制作包含日期、议程和后勤信息的精美演示文稿；Docs则用于生成可供审核的完整邀请邮件。这样一来，负责人的工作就只剩下审核和发送邮件。原本需要四到六小时才能完成的零散工作，现在几分钟就能搞定，这也提升了一个人实际能够组织的活动规模。
安全与信任
“AI可以读取我的邮件”这一功能自然会引发安全问题。谷歌对此设置了多重防护措施。
权限控制。Spark最初完全无法访问您的数据。每个应用（Gmail、日历、云端硬盘、文档、表格）都需要您手动连接，且取消授权是即时、彻底且可验证的，不存在缓存访问的模糊地带。
确认机制。涉及重大操作的场合始终需要明确授权：购买行为、发送邮件、删除文件、会影响其他参与者的日历更改等。Spark绝不能擅自执行任何不可撤销或会被他人看到的操作。它会先起草操作方案、提出建议并等待确认，这是其架构中的固有设计，而非可被意外关闭的设置。
任务隔离。每个任务都在具有硬件级隔离功能的独立沙箱虚拟机中运行，因此任务间的数据不会泄露。一旦某个任务出现故障或异常行为，其对应的虚拟机就会被销毁并重新创建，从而避免任何持久状态影响后续任务的处理。
代理支付协议（AP2）。谷歌在Spark的执行引擎与各类支付API之间构建了支付安全层。未经用户明确授权且经过身份验证，Spark无法启动任何金融交易，即便它自己决定购买某物，没有人工单独批准的话，相关基础设施也会予以阻止。
训练数据排除。谷歌公开承诺，Spark产生的数据（邮件、文档、任务历史记录、用户偏好及使用习惯等）不会被用于模型训练。这一规定比许多人工智能产品所使用的模糊表述更为明确。
其结果是一种受限的权限模型：Spark只会按照您所授权的内容及方式执行操作，不会超出范围。正是这些限制使得自主代理成为可行的存在。
MCP与外部服务
除了谷歌自身的应用之外，Spark还通过模型上下文协议与外部服务相连，这是谷歌推动的开放标准，用于实现代理对服务的发现、身份验证及调用，有时也被视为人工智能代理的REST格式。
目前支持的合作伙伴包括Canva、Instacart、OpenTable、Dropbox和Zillow。未来还将支持Adobe、三星、Spotify、GitHub、Notion和Slack。
6月下旬，又出现了一个新选项：自定义MCP连接。任何兼容MCP的服务器都可以使用，包括用户自己运行的服务器，这样就能将Spark扩展到用户的工具、数据库和内部API中。开发者可以获得一个可自行扩展的自动化平台，该平台仍以自然语言驱动，而非依赖Google的代理。企业版还增加了Microsoft SharePoint、OneDrive和ServiceNow，这显然是为那些同时使用Google和Microsoft产品的组织准备的。
不过，这个第三方生态系统还比较年轻。其深度和可靠性目前还无法与Spark直接集成Google应用时的表现相媲美。如果工作流依赖于非Google工具，这会是个缺点；而如果是以Google为中心的工作流，这反倒成了优势。
定价与可用性
Spark提供三种套餐：
- Google AI Ultra每月费用为99.99美元，包含所有受支持的Gemini应用语言的所有功能。
- Google AI Pro的月费为19.99美元。2026年7月16日，该服务在美国上线，且仅提供英文版本，支持Spark功能。
- Ultra 20x的月费为199.99美元，可提升用于复杂自动化任务的使用限制。
19.99美元的Pro版本在7月中旬推出，大大降低了美国用户在不购买Ultra版本的情况下进行试验的门槛；而且以英文为主且功能较少的设定，在这个价格下也算是合理的折衷。
地域差异带来了最大的使用限制。截至2026年7月底，Spark功能已在美国的Pro和Ultra版本用户中可用，而其他地区的Ultra版本用户则正在逐步获得该功能。目前仍有10个地区无法使用，包括日本、印度、加拿大、澳大利亚、欧盟和英国，以及尼日利亚、瑞士、香港和韩国。谷歌预计将在2026年第三季度推进欧盟和英国地区的合规审查工作。
一款于6月下旬发布的macOS桌面应用具备了远程控制功能：您可以通过手机或其他设备，在不在场的情况下即可查看和操作Mac上的Spark任务。
现在就采用的理由
对于重度使用Google服务的用户而言，它能带来实实在在且日益增多的时间节省。如果Gmail是您的主收件箱，Calendar负责管理您的日程，Drive存储您的文件，那么Spark几乎无需任何设置即可从第一天起帮您节省数小时的每周行政工作量——只需描述您的需求，它便会自动规划出解决方案。
技能会随着时间不断提升。您设定的每一项偏好、提供的示例文本以及所做的修改，都会让Spark更贴合您的工作方式。经过一个月的常规使用后，它的输出结果就不再像是AI生成的草稿，而更像是您自己工作速度的加速版。
对于订阅审核、学校沟通以及活动协调这类需要高度专注的工作，它不仅能够节省时间，还能消除诸多心理负担。主动去查看某件事与有人告知有重要信息可查，这两者之间存在着明显的生活质量差异。
等待的理由
地区限制是一个不可逾越的障碍。如果你所在的国家不在服务范围内，那么订阅层级和用户热情都毫无意义。
成本也是一个重要因素：Ultra版本每月99.99美元，而Pro版本虽然功能更多且语言支持更广，但价格仅为19.99美元。对于尚未深度使用谷歌生态系统的用户来说，选择这款产品的理由就需要更加充分了。
对于所有大型语言模型而言，幻觉问题至今仍未解决；而在自主智能体中，这属于可靠性问题，而非对话中的干扰。早期测试者反馈称，Spark会自行编造文件引用、插入错误链接，还在生成的文档中出现事实错误。聊天机器人的错误很容易被发现并忽略，但智能体可能会交出看似正常但实际上隐藏着细微错误的电子表格或文档。因此必须对输出结果进行核查，而在某些应用场景中，核查成本可能接近由此带来的节省。
外部生态系统也仍处于初期阶段。如果你的工作依赖Notion而非Docs，依赖Slack而非Chat，或依赖Zoom而非Meet，那么这些工具的集成程度还远远不够，无法达到谷歌原生应用的用户体验。
结论
Spark代表了从将AI视为咨询工具到将其视为自主智能体的真正转变。它虽不完美、无法通用且成本不低，但能以每月一次的频率持续迭代优化。对于谷歌生态系统的资深用户而言，现在就有理由尝试它——因为上手速度快、见效快，且持续使用还能提升相关技能。对于其他用户来说，2026年末或2027年初可能是更合适的入门时机，到那时该技术的区域覆盖范围会更广、功能更稳定，第三方生态系统也会更加完善。
一旦你开始使用，智能体时代就已经到来。目前尚待解答的问题并非智能体是否会承担行政工作，而是何时会实现，以及你将成为早期采用者还是跟风者。
相关阅读
- DS-STAR详解：谷歌的数据科学智能体及其优势所在 — 详细介绍谷歌的DS-STAR数据科学智能体：其七个模块、DS-STAR+报告生成机制、已发布的提示词、消融实验结果以及现存的局限性。
- LangGraph、CrewAI还是Google ADK？同一任务下的三种框架对比 — 通过构建相同的研究者-撰写者组合来比较LangGraph、CrewAI和Google ADK，再通过五个关于控制能力、处理速度及端到端性能的问题帮助读者做出选择。