今天，Gemini全面杀入AI办公大战！

智东西
作者 陈骏达
编辑 云鹏

智东西10月9日报道，今天凌晨，在Gemini at Work 2026大会上，谷歌云正式推出企业通用智能体Gemini Agent，试图将原本分散在办公软件、数据平台和开发工具中的任务，交给一个能够自主规划、调用工具并持续执行的智能体。

Gemini Agent的能力不再局限于回答问题或生成一段文本。用户可以直接用自然语言描述最终目标，让智能体自行拆解任务、调用企业数据、编写和运行代码、生成文档与多媒体内容，并在云端持续推进复杂工作。

面对大型任务，它还能够组织多个子智能体协同执行，甚至以拥有独立企业身份的数字同事参与团队协作。

以准备PPT材料为例，用户可以直接要求Gemini Agent制作PPT、搭建收入预测模型，并生成配套宣传视频。智能体需要自行理解目标，调用相应的技能、企业数据和生成模型，完成各个环节，再将结果交付给用户。

在这一过程中，用户仍然可以检查进度、调整要求并决定是否授权关键操作，但不必一直守在电脑前，逐步指导每个执行步骤。

为了让智能体进入企业日常工作，谷歌云还围绕Gemini Agent补齐了四重记忆机制、跨平台协作、企业数据访问、安全隔离和成本控制等能力，形成一套能够将企业任务从指令推进到执行结果的智能体系统。

Gemini Agent的这一产品形态让人联想到国内的豆包工作、腾讯WorkBuddy和阿里的千问办公等产品，同样是办公智能体平台，同样主打“自主拆解任务、调用工具、持续推进工作”。

不过，需要注意的是，Gemini Agent是一款企业级产品，目前尚未公布具体的正式商用日期与定价方案，仅面向部分企业用户开放预览。

一、从对话到执行，Gemini Agent要做企业的通用同事

过去，企业中的AI能力通常分散在不同产品中：有人使用聊天机器人撰写文案，有人借助编程助手处理数据，还有人通过办公软件中的AI功能制作演示文稿。

Gemini Agent希望把这些能力整合到统一的智能体中，让同一智能体能够处理知识问答、文档生成、代码执行和多媒体创作等不同任务。

在使用入口上，谷歌云其延伸至Web、移动端、桌面端和命令行等环境，并推动智能体与Google Workspace、Microsoft 365、Slack等工作工具协同，还可以通过MCP接入其他服务。用户可以在日常工作环境中调用智能体，而不必每次都从头交代背景。

Gemini Agent还面向金融服务和法律行业提供专业化的版本，能更好地完成相关领域的任务。

长跨度任务是Gemini Agent试图突破的另一道门槛。

普通聊天机器人通常围绕当前对话工作，一旦任务涉及多个系统、较长执行时间或反复验证，就需要用户不断跟进。Gemini Agent则依托云端运行环境维持任务状态，使部分复杂工作能够在用户离开电脑后继续推进。

例如，数据分析任务可以经历数据提取、代码生成、模型训练、结果检查和报告整理等多个阶段。智能体不必在每一步完成后都等待用户重新下达指令，而是可以按照既定目标继续执行，并在遇到需要判断或授权的环节时寻求用户介入。

谷歌云还为Gemini Agent引入动态多智能体协同机制。当任务规模较大时，系统可以将工作拆分给多个子智能体，分别处理数据、代码或内容生成等环节，再汇总执行结果。

除了由员工主动发起任务，谷歌云还提出了数字同事（Coworker Agent）的概念。

这类智能体可以拥有独立的企业邮箱、专属存储空间和公司目录身份，并参与邮件与文档协作。借助相应的授权机制，它能够以团队成员的工作身份承担持续性任务，而不只是等待员工打开聊天窗口后才开始工作。

例如，企业可以将某些周期性的资料整理、信息汇总或邮件准备工作交给智能体，让它按照既定规则持续推进。

二、四重记忆让智能体理解企业，支持Gemini、Claude等模型

要让一个智能体长期参与企业工作，仅能理解当前指令还不够。它还需要记住用户正在处理什么任务、企业内部如何定义业务指标，以及过去的工作流程通常怎样执行。围绕这一问题，谷歌云提出了四类记忆机制，并将模型选择与具体任务进一步解耦。

四类记忆分别解决不同问题：

第一类是会话记忆（Session Memory），用于保留当前任务或对话的上下文，避免用户反复解释同一件事。

第二类是语义记忆（Semantic Memory），用于组织企业知识和业务概念，帮助智能体理解公司内部的术语、数据定义与知识关系。

第三类是程序记忆（Procedural Memory），用于沉淀工作流程和执行方法，让智能体能够复用经过定义的任务步骤。

第四类是情节记忆（Episodic Memory），用于记录与过去任务有关的经历和结果，为后续工作提供参考。

这四类记忆并非简单地把所有历史对话存进一个更大的上下文窗口，而是尝试区分不同类型的信息，让智能体在需要时调用相应背景。

例如，当员工要求生成一份销售分析报告时，智能体不仅需要理解本次指令，还需要知道公司对销售额、利润率等指标的定义，了解报告应采用的格式，并参考相关历史任务中的执行经验。

对企业而言，这类能力的价值在于减少重复交代背景的成本。不过，记忆能否准确、持续地发挥作用，仍取决于企业知识质量、权限设置和信息更新机制。

在模型层面，谷歌云则希望避免企业智能体被某一个模型完全绑定。

Gemini Agent支持在谷歌自有模型以及Anthropic Claude等第三方模型之间进行选择，并通过智能路由将不同任务分配给适合的模型。相对简单的工作可以交由成本更低的模型处理，复杂推理任务则可以调用更强的模型。

谷歌云称，采用智能路由后，相关任务的综合运行成本可以降至全部使用前沿模型时的1/3，执行速度提升40%。

在底层模型方面，谷歌也提到了上周发布的Gemini 4 Argon。该模型面向复杂推理和长跨度软件工程任务，在相关基准测试及谷歌内部工程应用中取得进展，为智能体执行复杂工作提供模型能力支撑。

三、企业数据不再只是存储资产，谷歌云补齐智能体的数据底座

影响智能体能否投入生产环境的，还有它能否准确调用数据、持续执行流程，并在整个过程中遵守企业规则。

谷歌云为Gemini Agent打造了多个面向具体场景的Skill。运营报告Skill可以让用户通过简单的对话了解企业运营数据，机器学习Skill则可以在AI开发场景中发挥作用。

智能体需要自主执行任务，就必须能够理解和使用企业数据。然而，大量企业信息仍然散落在数据库、云存储、办公文档和业务系统中。即使模型本身足够强大，如果无法理解数据含义或获得适当访问权限，也很难完成端到端的业务任务。

谷歌云此次为Gemini Agent整合了Knowledge Catalog、Smart Storage和Borderless Lakehouse等能力，试图降低智能体使用企业数据的门槛。

Knowledge Catalog的重点，是帮助智能体理解数据背后的业务语义。

企业中的同一个指标，可能在不同系统中采用不同字段名称或计算方式。例如，员工提出查询“净利润率”，智能体不仅需要找到相关数据，还需要知道企业对这一指标的具体定义，以及相应的数据来自哪里。

通过Knowledge Catalog，谷歌云希望将业务概念与底层数据结构关联起来，并兼容Databricks、dbt、Looker建模体系及SAP等企业数据环境。这样，智能体在执行分析任务时，就能依据企业已有的业务定义定位数据，而不是完全依赖字段名称猜测含义。

在大会演示中，数据科学智能体根据自然语言指令提取数据、生成代码并训练XGBoost模型，展示了从业务问题到机器学习分析结果的自动化流程。

Smart Storage则将AI能力延伸至非结构化文件。图像、PDF和扫描文档通常缺少可直接用于检索的结构化信息，企业即使保存了大量资料，也不一定能快速找到真正有用的内容。

谷歌云希望借助Gemini对这些文件进行上下文理解与标注，让智能体能够从存储中的资料提取相关信息。

例如，Snap将Prism智能体与存储归档连接，用于技术诊断和故障排查。谷歌云披露，该方案将相关排查时间从30分钟缩短至30秒。日立则利用HMAX智能体比对生产现场工序前后的接线照片，帮助一线人员识别差异，获得30%的生产力提升。

另一项能力Borderless Lakehouse，针对的是企业跨云数据分散的问题。谷歌云希望在不要求企业统一搬迁数据的情况下，联合查询Amazon S3、Azure Data Lake、Salesforce和Workday等不同数据源，并减少跨云数据移动带来的成本与复杂性。

企业不必先将所有数据迁移到单一平台，再开始部署智能体，而是可以逐步让智能体访问现有数据资产。

四、智能体自主行动后，安全与成本成为关键

当AI从生成内容走向调用工具、运行代码和操作业务系统，企业面临的风险也随之变化。

一个只能回答问题的聊天机器人，通常不会直接修改生产系统；一个能够持续执行任务的智能体，却可能在获得权限后访问文件、调用接口、运行程序，甚至触发跨系统操作。

因此，谷歌云将身份管理、执行隔离、网络流量控制和成本管理纳入Gemini Agent的企业治理体系。

首先，每个智能体都可以拥有独立的身份与相应权限，其执行操作能够被记录并纳入审计，包括调用虚拟机运行代码等环节。这使企业有机会追踪智能体做过什么、访问了哪些资源，以及相关操作发生在何时。

其次，谷歌云还为Gemini Agent配备了Agent Sandbox和Agent Gateway。前者用于隔离智能体执行任务的环境，后者负责管理智能体进出系统的网络流量，并对恶意指令和不符合权限要求的数据访问进行拦截。

例如，企业可以针对特定文件设置访问限制，避免智能体因收到不当指令而读取无权访问的敏感资料。对于需要运行代码的任务，隔离执行环境也有助于降低不受控操作对其他系统的影响。

成本控制同样重要。智能体执行长跨度任务时，可能反复调用模型、工具和云端运行环境。如果没有预算约束，复杂任务很容易产生难以预估的费用。

谷歌云提供了项目级实时支出上限（Spend Caps），管理员可以设定预算阈值，并在触及上限后暂停相关任务，再根据情况恢复执行。结合模型智能路由，企业可以尝试在任务质量、响应速度与运行成本之间取得平衡。

结语：谷歌云补齐拼图，但真正的考验才刚开始

谷歌云此次发布的Gemini Agent，补齐了他们在企业级智能体赛道的业务布局。此前，OpenAI和Anthropic等AI模型企业已经先行一步押注了企业级智能体赛道，并抢占了一定的用户心智。

要在这一竞争激烈的市场里拿下更多份额，谷歌云需要证明Gemini Agent能在权限治理、跨系统集成、成本透明度等企业用户关心的场景，做出经得起生产环境检验的答案，而不只是发布会上的演示。