KeyFrame內部研究專用

團隊生產力爆表!Gemini Spark 商業 AI Agent 自動化完整教學

漢克蔡 | Ai 集20 min中文
觀看原始影片

三句話摘要

Google Gemini Spark:從AI助理升級到自動化AI代理的實踐指南。 建立由總管AI代理協調的多層級Skill系統,才是中小企業真正發揮AI力量、自動化日常工作流程的關鍵。 AI的三層應用與Spark的位置:生成式AI是語言模型底層,AI助理需要用戶主動提問並處理單次任務,而AI代理能主動執行重複性工作並操作各系統。Spark的核心差異是它直接整合Google Workspace,AI可自動將結果寫入Gmail、Sheets、Drive,不再需要用戶手工複製貼上。

重點整理

  1. AI的三層應用與Spark的位置:生成式AI是語言模型底層,AI助理需要用戶主動提問並處理單次任務,而AI代理能主動執行重複性工作並操作各系統。Spark的核心差異是它直接整合Google Workspace,AI可自動將結果寫入Gmail、Sheets、Drive,不再需要用戶手工複製貼上。

  2. Personal Intelligence是Spark的發動引擎:啟用Memory讓AI學習用戶特性與期望,開啟Connected Apps讓代理存取各系統,在Instructions中設定輸出規則(如禁止emoji)。這三項設定使Spark逐次改進其產出,最終形成穩定的個人化AI助手。

  3. 通過Skill和Template穩定品質:每個Skill需明確定義目的、執行步驟和產出規則。重點是提供標準模板給AI,讓它每次都按同一格式輸出。例如會議記錄應包含會議資訊、目的、重點摘要、決策、後續追蹤等欄位,AI就能一致性地整理所有會議。

  4. 自動化觸發方式選擇工作流:時間點觸發(定時運行,如每週日晚上生成週報)適合非即時資訊;事件觸發(滿足條件立即執行,如客戶來信即刻回應)適合需快速反應的工作。事件觸發能把客戶回應時間從小時級降到分鐘級,顯著提高轉化率。

實用技巧與重點

  • Gemini vs Spark核心差異
  • Gemini:收集→處理→總結(需用戶手動操作應用)
  • Spark:直接自動寫入Gmail、Google Sheets、Google Docs、Google Drive
  • Personal Intelligence三項必設
  • Memory:打開,讓AI學習用戶特性
  • Connected Apps:開啟Gmail、Drive、Sheets、Docs、YouTube等
  • Instructions:輸入規則(如「禁止使用emoji」)
  • Skill的三大元素
  • Purpose(目的):技能要做什麼
  • Steps(步驟):執行流程
  • Rules(規則):輸出格式要求
  • 自動化觸發設定
  • 時間點觸發:Schedules → Create manually(設週幾、時間、頻率),或Create with Gemini(讓AI建議最佳時機)
  • 事件觸發:監控特定條件(如特定發件者的郵件),滿足立即執行
  • 示範數據
  • 客戶5分鐘內回答能提高2倍成交率
  • 航班整理任務:自動搜尋Gmail預訂、Google搜尋米其林餐廳、生成Google Sheet、寫入指定Drive資料夾
  • 會議模板:會議資訊→目的→重點摘要→確認決策→後續執行追蹤
  • Skill分享機制
  • 下載為.zip檔(含.MD檔)
  • 上傳時系統自動偵測同名Skill防重複
  • Spark.MD系統架構
  • 作為總管AI agent設定全局規則
  • 規則範例:溝通規則、產出地點規則
  • 協調多個子代理執行不同任務
  • --

結論

建立由總管AI代理協調的多層級Skill系統,才是中小企業真正發揮AI力量、自動化日常工作流程的關鍵。

完整解析

Google Gemini Spark是Google推出的AI代理工具,針對中小企業和個體戶設計,比Claude Code或OpenAI方案更易上手。其核心價值在於將AI應用從被動助理升級為主動代理,真正節省工作時間。傳統Gemini雖能收集、處理和總結資訊,卻無法直接操作Google應用,最後仍需用戶手動複製貼到Gmail、Sheets等工具。而Spark直接整合Google Workspace全套應用,AI代理可自動將產出結果寫入相應系統,形成一條龍的自動化工作流。此外,Gemini採被動互動模式需用戶提問,Spark則支持主動工作模式,用戶可設定固定時間或觸發條件讓AI自動執行。

在講者示範中,用戶僅需告訴Spark「整理我Gmail中2026年所有航班預訂,並為每個目的地找評價最佳的米其林四人餐廳」,Spark即自動搜尋Gmail預訂記錄、Google搜尋餐廳資訊,並在Google Sheet中生成完整資料表(包含日期、地點、餐廳名稱、星級評分、推薦原因),最後自動存放到指定Google Drive資料夾。這整個過程不需人工介入,體現了AI代理相較AI助理的根本優勢。要發揮Spark的威力,首先需進行三項關鍵設定:啟用Personal Intelligence中的Memory記憶功能讓AI學習用戶特性,開啟所有Connected Apps連接以便AI操作各系統,以及在Instructions中設定輸出規則(如禁止使用emoji)。

接下來,通過Skill技能創建可重複執行的工作流程。每個Skill需清楚定義目的、執行步驟和產出規則。為了穩定產出品質,應將工作的標準模板提供給AI,讓它每次都按同一格式輸出。例如會議記錄應包含會議資訊、目的、重點摘要、確認決策、後續執行追蹤等欄位,AI就能一致性地整理所有會議。Spark支持兩種自動化觸發方式:時間點觸發適合不需及時反應的定期工作(如每週生成週報),用戶在Schedules中設定執行週期和時間,或使用「Create with Gemini」讓AI建議最佳時機;事件觸發適合需要快速響應的場景(如客戶詢問),系統持續監控信箱並在滿足條件時立即執行任務。講者提到客戶詢問若在5分鐘內回答可提高2倍成交率,這正是事件觸發的優勢所在。

最高階應用是建立AI agent系統架構,即創建Spark.MD檔案作為總管AI agent,定義溝通規則、產出位置等系統規則。當用戶提交新任務時,總管代理分析任務性質,將其分配給相應的子代理和Skill執行,最終自動產出並存放到指定位置。多個子代理可共享同一個Skill(如圖表視覺化Skill),形成高度協調的自動化體系。這種架構使講者經營的AI公司能大幅降低各類工作的完成時間(Cycle Time),是中小企業快速擴大生產力的實用路徑。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。