AI實用攻略︱Google最新Gemini Spark懶人包︰聊天助手變24小時工作同事＋職場應用例子

　　以前用AI，是你問一句，它答一句；現在你關掉電腦，它仍可在背景替你整理電郵、追蹤資料、更新文件。當AI由「識答」走到「識做」，打工仔準備好把工作交給它了嗎？

 

　　試想像星期一早上，你還未回到公司，已經有一位同事替你看完上星期的電郵，抽出最重要的更新，排好本周工作優先次序，甚至在Calendar預留了幾段專心工作的時間。你不需要逐句提示，也不用坐在電腦前看著它做；你只是在之前交代一次，它便按時工作。

 

　　這位同事不會放假，也不需要一張辦公桌。它就是Google最新推出的Gemini Spark。

 

　　如果你對AI的印象仍然是「打開對話框、問一句、等一句答案」，Spark最值得留意的地方，不是它答得比以前更好，而是它開始不等你問。AI正由聊天助手，變成一位在背景持續工作的同事。

 

 

上一篇講Harness，今次它真的走進你辦公室

 

　　上一篇我提到，人與AI的溝通已由Prompt、Context走到Harness：不只交代做甚麼、提供甚麼背景，還要替AI準備工具、規則、記憶及工作流程，讓它自己完成整件事。

 

　　Gemini Spark可說是這個概念的消費者版本。它把複雜的Harness包裝成三件普通人也明白的東西：Tasks、Skills和Schedules。

 

　　Tasks是你交給它的工作；Skills是你教它一套可以重複使用的做事方法；Schedules則決定它何時自動開工。三者加起來，AI便不再只是臨時回答一條問題，而是可以按你的習慣，在指定時間持續執行工作。

 

Tasks是你交給Gemini Spark的工作

 

Skills是你教Gemini Spark一套可以重複使用的做事方法

 

　　Google在今年5月首次推出Spark，7月14日再把它擴展至更多國家和語言，香港亦不再列入排除地區。現階段主要面向合資格的Google AI訂戶，實際供應仍按地區、帳戶及推出進度而異。但方向已經非常清楚：AI Agent不再只是科技公司的示範，而是開始進入一般人的Gmail、Calendar和Google Drive。

 

一個打工仔，可以多出一位24小時同事

 

　　Spark有甚麼實際用途？最貼地的，首先是處理我們每天最花時間、但又最不值錢的重複工作。

 

　　你可以叫它每逢星期一整理收件箱，摘要重要電郵，列出要跟進的人和限期；也可以叫它長期追蹤某個行業，把一星期的重要新聞整理成一份有來源的摘要。收到客戶查詢後，它可以抽出姓名、日期和要求，寫入試算表，再在Drive建立客戶文件夾。

 

　　它甚至可以讀你過往寫過的電郵，歸納你的語氣和用字，製成一個專用Skill。下次你叫它草擬回覆，它便不只是「寫一封專業電郵」，而是按照你的方式來寫。對打工仔來說，這不是多一件玩具，而是把散落在Gmail、Calendar、Docs、Sheets之間的瑣碎步驟，交給一個懂得自己走完整個流程的助手。

 

 

　　再想像一個更常見的場景：你要為下月的公司活動找場地。傳統做法是自己逐個網站搜尋、比較價錢和地點，再把資料貼進試算表，然後來回電郵詢問同事。Spark則可以先按人數、預算和交通要求搜集選項，整理比較表，從電郵找出同事提出過的限制，再草擬一封確認信給你審批。你不是少按幾個掣，而是把一條原本散落在五六個地方的工作鏈，變成一句目標。

 

　　另一個容易被忽略的用途，是持續監察。普通Chatbot只會回答你當下的問題；Spark的Schedules可以每天或每星期重複檢查，例如追蹤競爭對手動向、留意某個政策的最新消息，或者每逢月底整理未處理的收據。以前要靠自己記得開工的事，現在可以由AI主動提醒，甚至預先做好第一輪。

 

Schedules則決定Gemini Spark何時自動開工

 

真正的分水嶺，是AI開始行動

 

　　要理解Spark帶來的轉變，可以放回整個AI Agent浪潮來看。過去一段時間，我先後使用OpenClaw、Codex、Manus、Genspark、Antigravity、Hermes和Claude Code等不同類型的AI Agent。它們功能各異，但給我最深的共同感受是：AI Agent的價值，不在於一次答案有多漂亮，而在於它能否理解目標、拆開步驟、使用工具、遇到問題再修正，最後交回一個可以驗收的成果。

 

　　這亦解釋了為何「懂不懂寫Prompt」很快不再是最重要的問題。當AI可以連續工作幾小時，真正考驗你的，是能否清楚定義結果、設下界線，以及在關鍵位置檢查。以前我們怕AI不聽話；現在更應該怕的，是自己根本沒有講清楚甚麼才算做好。

 

你敢不敢把鎖匙交給AI？

 

　　不過，背景同事能力愈大，風險亦愈大。

 

　　為了替你工作，Spark可能需要接觸電郵、行事曆、文件，甚至你已登入的網站。Google亦明確提醒，Spark仍可能犯錯，不應把登入資料、付款資料或敏感資訊直接放進任務；涉及重要決定的工作，更不應在完全無人監督下執行。尤其當任務在你離線時運行，一個錯誤動作未必能即時叫停。

 

　　所以AI Agent時代最重要的能力，可能不是「放手」，而是知道甚麼可以放、甚麼必須自己揸緊。整理新聞可以自動，發出重要電郵要先確認；分類文件可以放手，付款和刪除資料必須由人決定。真正成熟的用法，不是給AI所有權限，而是給它完成任務所需的最少權限。

 

　　由聊天助手到背景同事，Gemini Spark揭示的不是又一次功能升級，而是一段關係的改變：以前AI只給你建議，責任仍全在你手上；現在它開始替你行動，而你要學習做一個懂得授權、監督和收回權限的管理者。

 

　　當一位24小時工作的AI同事真的站在你面前，你最擔心的，是它做不到；還是有一天，它甚麼都做得到，而你卻從未想清楚，手上的鎖匙應該交出多少？

 

Leonard Lam

香港AI培訓學院

https://www.hkai-solve-academy.com/