KeyFrame內部研究專用

7 Things Your AI Coworker Needs - Philipp Schmid, Google DeepMind

AI Engineer英文
觀看原始影片

三句話摘要

如何利用Google Gemini 2.0和Managed Agents API構建完全自主的AI同事,在隔離沙箱中獨立執行複雜的金融和商業任務。 透過Gemini 2.0和Managed Agents組合,任何人都可構建完全自主的AI同事在安全沙箱環境中獨立處理複雜的金融分析和商業決策任務。 AI同事架構的七大基礎要素對應人類員工需求:需要強大的大腦(Gemini模型)來思考、個人電腦(Managed Agents沙箱)來儲存和迭代工作成果、工作手冊(技能文檔)以理解公司流程、工具集合、身份憑證、明確規則(鉤子系統)、工作時間表(定時觸發)。完整架構讓AI具備真正的工作自主性。

重點整理

  1. AI同事架構的七大基礎要素對應人類員工需求:需要強大的大腦(Gemini模型)來思考、個人電腦(Managed Agents沙箱)來儲存和迭代工作成果、工作手冊(技能文檔)以理解公司流程、工具集合、身份憑證、明確規則(鉤子系統)、工作時間表(定時觸發)。完整架構讓AI具備真正的工作自主性。

  2. 知識分層設計降低運營成本。系統指令每次請求都計費因此需保持簡潔,技能採用按需加載機制讓代理自行判斷何時使用,參考資料和指令碼獨立存儲形成分散上下文切片,既確保代理掌握必要資訊又避免冗餘計費。

  3. 網路代理憑證管理是核心創新,憑證從不存入沙箱而由外部代理管理。代碼執行時僅獲得虛擬值,向定義的域名發送請求時代理自動替換為真實憑證,即使發生提示詞注入攻擊也無法竊取真實憑證,完全隔絕惡意MCP伺服器的竊密風險。

  4. 實際演示驗證了完整工作流:代理自動執行投資組合審計技能、更新Google Sheets數據、在Slack發佈摘要,整個流程無需人工幹預基礎設施即可在托管環境中自動運行。

實用技巧與重點

  • Gemini 2.0 Argon規格
  • 100萬token統一上下文窗口,64K+思考token用於數學推理
  • 定價:$2/百萬輸入token、$10/百萬輸出token
  • API取得:ai.studio.com/apikey(4行代碼快速開始)
  • Managed Agents核心組件
  • Agent ID、基礎代理選擇、模型指定、系統指令
  • 文件系統支援:skills、hooks、系統指令、記憶、自創技能
  • GitHub倉庫集成(公開/私有)、GCS儲存桶啟動
  • 憑證管理三模式
  • Bearer Token(API調用)、OAuth(消費者MCP服務)、環境變數(CLI工具)
  • 網路代理機制:虛擬值替換、域名級限制、防止洩露
  • 凭证一旦寫入即唯讀,無法檢索只能覆蓋
  • 工具整合方式
  • 內建工具:Google Search(無需配置)
  • MCP伺服器:Gmail、Spreadsheets、自訂服務
  • 外部函數:函數呼叫循環、代理外執行
  • 其他機制
  • 鉤子系統:正則匹配工具呼叫、受保護文件、人工審批流程
  • 觸發器:Cron定時(每月特定時間)、Webhook(第三方服務集成規劃中)
  • Google內部案例
  • Chrome團隊加速Chromium解耦、Gemma開源模型效率提升
  • Gemini生成完整3D光線追蹤器Python程式碼+TTS語音解說

結論

透過Gemini 2.0和Managed Agents組合,任何人都可構建完全自主的AI同事在安全沙箱環境中獨立處理複雜的金融分析和商業決策任務。

完整解析

從聊天機器人到今日的自主型AI同事,AI能力經歷三個進化階段。兩年前AI只能回答「法國首都是哪裡」的簡單問題,隨後學會使用電腦工具並編寫代碼執行任務,而今天的突破在於能夠給AI分配獨立電腦和任務,數小時後獲得成果。就像招聘新員工一樣,AI同事需要七大要素才能有效工作:大腦處理任務、電腦保存迭代成果、工作手冊理解流程、工具集合、身份憑證、明確規則、工作時間表。

Google最近宣布推出Gemini 2.0 Argon這次重大升級。新模型支援100萬token的統一上下文窗口,能生成高達100萬輸出token。對數學和推理任務擁有64K+token用於思考推導,性能獲得顯著提升。價格極具競爭力:輸入2美元/百萬token、輸出10美元/百萬token。Google員工已廣泛應用於Chrome瀏覽器解耦、Gemma開源模型優化等項目。甚至有工程師讓Gemini從零生成複雜的3D光線追蹤器,完全由Gemini編寫的Python代碼構成,並透過Gemini文本轉語音功能添加語音解說。

Managed Agents API簡化了傳統代理的繁瑣工具呼叫循環。不再需要重複發送請求、接收JSON函數呼叫、本地執行、返回結果的迴圈,而是提供遠端沙箱讓Gemini直接執行所有操作。系統架構上知識需分層管理控制成本:系統指令每次請求計費需簡潔,技能採選擇性加載讓代理按需使用,參考資料獨立存儲形成分散上下文切片,既保證必要資訊又避免冗費。

安全憑證管理是創新核心。API支援三種憑證方式:Bearer Token用於API、OAuth用於消費者MCP服務、環境變數用於CLI工具。關鍵創新是網路代理機制:憑證不存沙箱而由外部代理管理。沙箱代碼只獲虛擬值,當向特定域名發送請求時代理監控流量並替換為真實憑證。這完全防止了提示詞注入攻擊——即使攻擊者要求列印.env檔案也只獲虛擬值,無法竊取真實憑證。鉤子系統允許透過正則表達式守護特定工具呼叫並實現人工審批,觸發器則支援Cron定時任務與即將推出的Webhook集成。

現場演示展現完整工作流程:代理根據投資組合審計技能自動分析市場數據、更新Google Sheets資訊、在Slack發佈摘要,整個流程在托管環境中自動完成無需人工管理基礎設施。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。