Gemini 中文文档Gemini Agent：谷歌的"通用工作智能体"，2026年10月8日刚发布，还能调用 Claude
先说一个让我有点恍惚的数据：接近 500 家 Google Cloud 客户，在过去一年里各自处理了超过一万亿 token。
一万亿 token 是什么概念？差不多是把一家中型公司所有的邮件、文档、会议纪要、代码库、工单，全部喂给模型，还带找零。
而在这条数据公布的同一天，谷歌说：这些 token 大部分花在了"问一句答一句"上，而真正值钱的活儿，是让 AI 把一件事从头做到尾。
2026 年 10 月 8 日，Google Cloud 在 Gemini at Work 2026 大会上发布了 Gemini Agent——CEO Thomas Kurian 的原话是，用户给它的应该是"目标（objectives），而不是指令（instructions）"。
这句话我琢磨了半天。它的意思是：以前你跟 AI 说话，得自己拆解步骤（先查这个，再写那个，最后发给谁）；现在你说"把这件事办了"，剩下的规划、选型、协调、执行，它自己搞定。
说实话，我对"通用智能体"这四个字是有点过敏的。过去两年，每隔三个月就有人宣布一次"AI 员工"诞生，然后我们在三个月后发现它连订会议室都会订错。
但这次有两个细节让我改变了一点看法：一是它居然会主动调用 Anthropic 的 Claude 模型；二是它给智能体发的是独立的企业邮箱，而不是借用你的身份。
这两件事，一件是关于"不装"，一件是关于"安全"。都是真做过企业生意的人才会做出的取舍。
什么是 Gemini Agent
一句话版本：Gemini Agent 是 Google Cloud 推出的统一企业智能体，把问答、知识工作、内容生成、写代码塞进同一个提示框和同一个 API，它自己规划任务、挑选模型、调用工具，把成品交回你正在用的文档、收件箱和开发环境里。
先把它和几个容易搞混的名字拆开：
第一，它不等于 Gemini 模型。 谷歌这次把话说得很直白：智能体和它底下的模型是分开的。目前这个智能体会在 Gemini 家族（Argon 做前沿推理、Flash 做高并发、Omni 做生成式媒体、Gemma 做轻量开源边缘场景）和 Anthropic 的 Claude 之间调度，后续还会接入更多闭源和开源模型。给每个子任务挑"够用且最便宜"的那个模型。
第二，它不等于 Gemini Enterprise。 Gemini Enterprise 是企业 AI 平台（今年 4 月就已经有了 Agent Platform）。Gemini Agent 是跑在这个平台之上的那个具体的、统一的智能体。官方数据说，接近 90% 的财富 100 强企业已经在用 Gemini Enterprise。
第三，它不是又一个聊天框。 它的入口铺得很广：网页、iOS / Android、Windows / Mac 桌面端、命令行、Google Workspace、Microsoft 365、Slack，甚至可以无界面（headless）地嵌进第三方应用里跑。你在哪儿干活，它就在哪儿出现。
六条架构原则，拆开看
官方把 Gemini Agent 的设计原则列了六条，我按"对普通人意味着什么"翻一遍：
- 统一智能体（Unified Agent）：问答、自主完成目标、写代码，同一个界面 + 同一个 API。你可以派活、设定时任务，也可以让它在事件发生时自己醒过来
- 无处不在的访问（Omnipresent Access）：网页、手机、桌面、CLI、Workspace、Microsoft 365、Slack，外加 headless 嵌入
- 持续执行（Persistent Execution）：跑在云上，你合上笔记本，任务还在跑。几小时甚至几天的活儿，换个设备接着续，不用重新讲一遍上下文
- 多智能体编排（Multi-Agent Orchestration）：遇到多步任务，它会动态创建一批临时子 Agent，各自有独立身份，并行或串行地干，能跑几小时到几天
- 深度上下文（Deep Contextual Understanding）：带着对你公司工具、数据和工作历史的理解来上班，而且越用越懂
- 模型可选（Model Choice Flexibility）：按任务挑模型，在 Gemini 和 Claude 之间做成本与质量的平衡
谷歌有个说法我觉得挺有意思：这个智能体会像新员工入职一样"自我 onboarding"——先学你是谁、团队怎么协作、工具在哪儿，然后才动手。这比"我有 200K 上下文窗口"这种宣传诚实多了，因为它承认了"知道 all 的文件"和"知道怎么干活"是两回事。
四层记忆，是这次最实在的部分
Gemini Agent 把记忆明确拆成了四类，这是过去那些"换个对话就失忆"的助手最缺的东西：
| 记忆类型 | 存什么 | 解决什么痛点 |
|---|---|---|
| Session Memory（会话记忆） | 当前任务的状态 | 长任务跑三天，中间不会断片 |
| Semantic Memory（语义记忆） | 从文档、对话、交互里沉淀的结构化知识 | 不用每次都把公司背景复述一遍 |
| Procedural Memory（程序记忆） | 学会的工作流和技能 | 上次踩过的坑，这次自动绕开 |
| Episodic Memory（情景记忆） | 过去所有交互和已完成的活儿 | 能回答"上季度那份报告是谁让它做的" |
配套的是**技能（Skills）**机制：把重复的指令、知识和工作流存成模块化的提示词。谷歌给了一个全局技能库，团队可以把自定义技能发布到公司级的共享注册表，个人也能建自己的私人技能。
这不只是"方便"，官方明确说它能直接省 token——因为不用每次执行都把长篇指令重新生成一遍。
Coworker Agents：给 AI 发一个工牌
如果说前面那些是"更强的助手"，那 Coworker Agents（同事智能体） 就是这次真正激进的部分。
区别是这样的：
- 临时子 Agent：为了某个具体任务临时创建，干完就消失。比如"去把这七个市场的数据全查一遍"
- 同事智能体（Coworker Agent）：有持续性职责，长期存在于组织里。比如一个"活动策划 Agent"，会一直盯着场地、预算、嘉宾进度
同事智能体拿到的是一整套真实的 Workspace 身份：
- 一个属于自己的 Workspace 账号和邮箱地址（
@agents.company.com这种形式） - 自己的日历、自己的 Drive 存储空间
- 公司通讯录里的一个条目——也就是说，你在通讯录里能"搜到"它
然后你可以像使唤同事一样使唤它：在 Google Chat 里 @ 它、在文档评论里给它派活、把它拉进一个聊天空间。
最关键的一条约束：同事智能体以它自己的身份行事，只能看到团队明确分享给它的内容，不会自动继承创建它的那个员工的全部权限。
这一条我要单独标粗。过去绝大多数"AI 助手"的权限模型是"借用调用者身份"，等于给 AI 发了一张你工牌的复印件——它能看的东西和你一样多，这在财务、法务、HR 场景下是灾难。谷歌这次把它改成"AI 有自己的工牌，你给它什么它才能看什么"，是这次发布里我最认可的设计。
真实场景和客户数据
谷歌在主题演讲里报了一批客户名字和数字。我挑几个有代表性的：
| 客户 | 做了什么 | 具体效果 |
|---|---|---|
| Bradesco（巴西银行） | 财政、会计、合同分析自动化 | 文档审阅从 1 小时压到 5 分钟，风险不一致率下降 60% |
| Orange Spain（西班牙电信） | 事件分诊、网络分析 | 已部署 超过 1000 个自定义 Gemini Enterprise 智能体 |
| SOMPO（保险） | 文档检索与摘要 | 建了 10000+ 个自定义智能体，模型开发周期从 1 周缩到 1 天 |
| PayPal | 多模型路由 | 每周处理 1000 万次多模型请求 |
| Santee Cooper（电力） | 财务场景建模 | 在 100 亿美元电网扩建预算上，建模速度最高提升 75% |
| BNP Paribas | 企业与机构银行业务流程 | 覆盖 65000+ 名员工 |
| Ulta Beauty | conversational 购物助手 | 数字销售转化率提升到 3 倍 |
| Wesfarmers | Bunnings 行政自动化、Kmart / Officeworks 购物智能体 | 节省 50 万小时行政工时 |
另外三个被点名的模型调度案例：**On（昂跑）**测试了动态选模型能力，Shopify 为数百万商家混合调度前沿模型，前面提到的 PayPal 则是规模最大的那个。
宏观数据三条：接近 500 家客户各自处理超一万亿 token；接近 80% 的 Google Cloud 客户在用其 AI 产品；接近 90% 的财富 100 强在用 Gemini Enterprise。
Workspace 里的三种模式
Gemini Agent 直接嵌进了 Gmail、Drive、Docs、Sheets、Slides、Chat、Calendar，带着别处同样的记忆、技能和管控。三种模式：
- 个人助理模式：它来上班时已经读过你的日历、团队和项目，不用你反复交代
- 主动委派模式：Workspace Intelligence 会识别邮件里可委派的任务（比如"把项目进展做成 PPT 发我"），给你一个一键交接按钮
- 同事模式：就是上面说的 Coworker Agent，有自己的账号和邮箱
数据技能和行业版本
这块是给"干活的人"准备的，值得单说：
数据技能（Data Skills） 让工程师用自然语言描述目标，Gemini 生成 PySpark 代码、给出可编辑可测试的 notebook、训练模型、排查管线问题。业务人员则能通过集成 BigQuery 和 Knowledge Catalog 的技能，直接问出实时运营报表；存下来的报表可以按需重跑，且不产生 token 成本。
支撑"答案不跑偏"的三件套：Knowledge Catalog（业务口径只定义一次，所有智能体统一使用，指标直接从 Databricks、dbt、LookML、SAP 里读）、Smart Storage（就地增强非结构化对象）、Borderless Lakehouse（直接查 Amazon S3 和 Azure Data Lake，无浮动出口流量费；读 Salesforce Data 360、SAP、ServiceNow、Workday 而不复制数据）。
行业版本：金融服务和法律两个版本进入预览，政府、医疗、零售版本"即将推出"。
- 金融版接入 FactSet、LSEG、SEC 申报文件以及客户自有数据仓，内置50 多个基础技能，CME Group 和德意志银行已在用
- 法律版从 NetDocuments 和 iManage 继承事项级权限和利益冲突隔离墙（ethical walls），Harvey 和 Onit 是合作伙伴，Cooley 律所正在上面搭一个机密信息脱敏智能体
安全和花钱这两件事
企业买智能体，最后卡住的从来不是能力，是这两件事。谷歌这次给的答案：
安全侧：每个智能体都有加密签名的、最小权限的独立身份，这个身份会被盖进记录其工作内容的日志里；细粒度的基于角色的权限由企业安全管理员审批；连接外部系统时身份通过 OAuth 传递；每一次动作都写进审计轨迹，署名是智能体而不是某个人；所有智能体在Agent Sandbox（有独立网络边界）里执行代码；所有流量经过 Agent Gateway——官方称其为"AI 网络防火墙"，实时执行全组织策略。
成本侧：多模型编排 + Smart Routing（自动分诊企业工作负载，让每个任务跑在性价比最优的模型上）+ Cloud Billing Console 里按项目设的实时支出上限，触发即暂停该项目的智能体。硬件侧，谷歌称最新 TPU 8i 的性价比比上一代提升 80%。
初体验：现在能用吗，怎么上手
先把丑话说前面，再说路径。
当前状态（截至 2026 年 10 月 8 日）：官方尚未公布正式可用（GA）日期，也尚未公布单独的智能体定价。有报道称其目前处于**私有预览（private preview）**阶段，面向部分 Business 和 Enterprise 套餐的 Workspace 客户扩大推广。
所以别急着去找开关，先做这几件事：
第一步：确认你在哪个盘子里。 这个智能体走的是 Gemini Enterprise 和企业级 Workspace 套餐，个人 Gmail 账号不会自动获得。企业管理员看 Admin Console，Google Cloud 侧看 Gemini Enterprise 的控制台。
第二步：把"目标"而不是"步骤"练起来。 这是这次用法上最大的转变。别写"先查销售数据再做个表"，写"给我一份上周各区域销售异常的排查结论，附证据"。你在给一个能自己规划的东西派活。
第三步：挑第一个 Coworker Agent 时，选"边界清晰"的角色。 我建议从"活动策划""周报汇总""会议纪要分发"这类错了也不致命、且天然需要跨天跟踪的活儿开始。别一上来就给它财务审批权。
第四步：先把 Skills 沉淀下来。 找一个你们每周都在重复、且每次都要重新讲一遍口径的流程，把它固化成技能发布到公司注册表。这是四层记忆里程序记忆真正发挥价值的地方，也是省 token 最直接的一招。
第五步：接外部系统优先用 MCP。 工具层已经能连 Confluence、Microsoft Office、Teams、Slack、Workspace、Git、Jira、Salesforce、ServiceNow、BigQuery、Databricks、Postgres、Snowflake，以及你本机的文件；公司网络内外的任意 MCP 服务器也支持。企业工具注册表可以让团队自建并发布给全公司。
我泼几盆冷水
第一，没有 GA 日期，也没有价格。 一个连定价都没说的企业产品，你只能当它是"方向声明"。别拿它做 2027 年的预算。
第二，跑几天的任务，失败成本是复利的。 一个跑三天的多智能体任务，第二天走岔了，你第三天才会发现。谷歌没有提供独立的、证明其长任务可靠性的对比基准——目前所有"能跑几天"都是设计目标，不是已验证结果。
第三，"能调 Claude"听着开放，也意味着依赖。 一边用竞品模型一边卖自己的企业平台，谷歌这步棋很大胆，但反过来想：你的关键工作流现在依赖两家公司的可用性了。
第四，竞争已经打成一锅粥了。 微软 9 月 25 日给 Copilot 加了常驻的 Autopilot 智能体；OpenAI 四天后推出常在线的 Dots agents；Anthropic 10 月 6 日让 Claude 原生进了 Docs、Sheets、Slides；xAI 的 Grok Bot 8 月就有了持久智能体，9 月加了团队共享的 Team Bots。大家在同一件事上撞车，说明方向没错，也说明现在进场谁都没有压倒性优势。
第五，中国大陆用户基本用不上。 Gemini Enterprise 和 Workspace 企业套件在国内的访问状况就不乐观，同事智能体还需要企业账号体系和管理员配置。这条我每次都得写，因为总有人拿个人号去试然后来问为什么没有。
但话说回来——
这轮 Agent 竞赛真正的分水岭，不是谁的模型更强，而是谁能把"身份"这件事做对。 一个能读你全公司文件、以你的名义发邮件的 AI，不管多聪明，CIO 都不敢签字。给 AI 发工牌、给它最小权限、让它的每个动作进审计日志——这些一点都不酷，但它是从"能演示"到"能上线"之间唯一的那条路。
10 月 8 日这场发布会真正的信息量，不在"一个提示框搞定所有事"这句口号上，而在谷歌终于开始按企业采购的那套逻辑来讲 AI 了。
进阶
更多开源技术干货和学习资料，关注公众号「遇码」，领取专属福利。