Google 的 AI Agent: Gemini Spark 開放給 Pro 用戶了，我用了幾天，講講它做得到和做不到的事 你有沒有試過這種情況？ 每天早上開電腦，第一件事就是去幾個固定的網站，把資料抄下來，整理成同一個格式，貼進同一份文件。 做完發現，明天還要再做一次。 Google 最近把它的 AI agent「Gemini Spark」開放給 Pro 訂閱用戶了，之前這個功能只有最貴的 Ultra 方案才用得到。 我用了幾天，今天完整分享：它是什麼、四個功能怎麼設定、還有我實測之後發現它做不到的事👇 1️⃣ 它跟你平時用的 Gemini，差在哪？ 我們平時開 Gemini 或 ChatGPT，都是問一句、答一句。 它給你一段文字，你還是要自己複製、自己貼、自己存檔。關掉視窗，下次要再做一遍，你要從頭再講一次。 Spark 不是這樣。 ❌ 舊做法：你問它答，你複製，你貼上，你存檔，明天重來一次 ✅ 新做法：你交代一次，它上網找資料、按你指定的格式整理、直接存回你的 Google Docs，而且可以設定每天自動跑 我自己設了一個每天下午四點的排程，讓它跑一份研究報告。到時間它自己出來，整個過程我沒有碰過電腦。 用一句話講清楚：它是 Google 做的 AI agent，直接在 Gemini 網頁上跑，不用開終端機，不用裝任何東西。 2️⃣ 四個功能，逐個講 進去之後你會發現介面很簡單，左邊只有四樣東西。 📌 工作 就是平時那個對話框。你有什麼要問、要做，直接跟它講。跟一般 Gemini 差不多，可以上傳檔案，也可以直接連你 Google Drive 裡面的東西。 📌 排程 設好時間讓它自己跑，每天、每週都可以。這是它跟一般對話最大的分別。 📌 技能（Skill） 把「這件事要怎麼做」教它一次，之後每次它都照同一套流程走。這個是整套東西的關鍵，等一下細講。 📌 連接的應用程式 開了它才讀得到你的 Gmail、Drive、Docs、Sheets。 ⚠️ 這裡有個很多人中招的地方：預設是全部關掉的。所以你叫它「幫我看一下日曆」，它說做不到，那不是它壞了，是你還沒開。 3️⃣ 我建議的順序：先寫技能，再掛排程 這一點是我用下來最重要的心得。 很多人的做法是直接掛一個排程，然後跟它說「每天幫我整理一份報告」。 問題是，排程跑起來的時候，它需要有一套流程可以照著做。你講得越模糊，它每一次給你的東西就差得越遠。 ❌ 模糊指令：「幫我整理一份市場報告」→ 每天格式都不一樣，放在一起完全對不上 ✅ 先寫技能：講清楚去哪裡拿資料、拿哪幾項、整理成什麼結構、存到哪裡 → 每天出來的東西可以直接疊在一起看 技能不用從零開始寫。把別人寫好的複製過來貼上，再改成自己要的就可以。我自己那份股票研究的技能，寫出來其實非常仔細，每一個部分要放什麼都寫死了。 4️⃣ 老實說：它有兩件事做不到 這一段我覺得比前面的教學更重要，因為你回去試之前應該先知道。 📌 第一，叫它抓非常具體的資料，它會出錯 我試過叫它去一個網站，把最新的產品優惠整理進 Google Sheet，要有網站、產品、優惠價錢、商鋪名字、優惠時間。 它是有做出來，但我逐項對比之後發現：有些產品名跟優惠是配錯的。網站上原本寫的是很多類型的產品都有八折，它整理出來卻變成某個品牌的合作優惠，而原文根本沒提過那個品牌。 這種需要精準抓取每一個欄位的工作，它現在會出現很典型的 AI 幻覺。 📌 第二，它不能接外部的 API 我試過問它，可不可以給它一個爬蟲工具的 API key，讓它調用之後再把資料整理進 Google Sheet。 它自己回答我：做不到。 這就是它跟 Claude Code、Codex 這類工具最明確的分界線。那些工具可以接任何外部服務，Spark 目前只能在 Google 自己的生態裡面做事。 🎯 結論：從「找一個更強的 AI」升級為「先想清楚流程」 工具思維：哪個 AI 最聰明我就用哪個，交代一句就期待它做到最好。 流程思維：先想清楚這件事到底怎麼做，把流程寫進技能，讓它照著走，然後自己核對結果。 真正決定它做得好不好的，從來不是它有多聰明，是你有沒有把那件事要怎麼做，先想清楚。 所以我的定調是：如果你一直想試 AI agent，但一看到要開終端機就退縮，Gemini Spark 是我用過門檻最低的入口。但如果你已經在用 Claude Code 或 Codex，那你不需要特地換過來，那些工具強大很多。 先從那種「就算它做錯，你兩分鐘就改得回來」的事情開始，不要一上來就把重要的事交給它。

「用 AI 之後，每天可以多出幾個小時！」 「AI 幫我做完所有重複的事，我終於可以放鬆了。」 這些話你一定聽過。 老實說，我每天都在用 AI 工作，但我比以前更忙。不是因為 AI 沒用 — 是因為 AI 太有用了。 🔍 到底發生了什麼事？ 我跟你講一個真實情況。 以前我一天可能處理 1-2 個工作項目 — 寫一篇文章、做一個自動化流程。每一件事都要自己動手做，花很多時間，但腦袋只需要專注一件事。 用了 AI 之後呢？ AI 幫我寫文章，我省了 2 小時。 但我不會拿這 2 小時去休息。 我會拿來做第二件事。 AI 又幫我做完第二件事，我又省了時間。 然後我開始做第三件、第四件... 到最後，我同時在管理 4-5 個不同的 AI 任務。我的角色從「自己做事的人」變成了「管理 AI 做事的人」。 工作量不是減少了 — 是「產出」增加了。 📊 這不只是我的感覺 — 數據也是這樣說的 哈佛商業評論（HBR）發了一篇研究，標題就叫《AI Doesn't Reduce Work — It Intensifies It》（AI 不是減少工作，是加劇工作）。 他們追蹤了一間 200 人的科技公司，觀察了 8 個月，做了超過 40 次深度訪談。 發現了三件事： 1️⃣ 任務擴張 — 產品經理開始自己寫程式碼，研究員開始做工程師的事。因為 AI 讓這些變得「可能」了，所以你就開始做了。 2️⃣ 工作邊界模糊 — 因為跟 AI 對話太方便了，午飯時間在寫 prompt，等 loading 的時候在跑 AI，不知不覺就把工作帶到了晚上。 3️⃣ 多任務並行 — 一邊自己寫代碼，一邊讓 AI 生成替代方案，同時跑幾個 Agent。感覺很高效，但認知負擔其實更重了。 一個工程師在訪談中說了一句很真實的話： 「你不會工作更少。你只是做同樣多，甚至更多。」 另一個數據更直接：31% 的員工說 AI 反而增加了他們的工作量，而不是減少。37% 的人有「AI 疲勞」— 不停學習新系統、跟上不停變化的工作流程。 💡 為什麼這件事很重要？ 因為大部分人對 AI 的期望是錯的。 他們以為：學會 AI → 工作變少 → 生活更輕鬆 實際上：學會 AI → 能做的事變多 → 老闆/客戶期望提高 → 工作內容從「執行」變成「管理+監督+品質控制」 你的身份會轉變。以前你是做報告的人，以後你是檢查 AI 報告品質的人。以前你花 8 小時做一份分析，以後 AI 幫你 2 小時做完 — 但公司會叫你一天做 4 份。 這就是哈佛叫做的「自我強化循環」： AI 加速了任務 → 速度的期望被拉高 → 你更依賴 AI → 你做更多事 → 循環加劇 🎯 那怎麼面對這個現實？ 重點不是「怎麼讓 AI 幫你省時間」— 這個問題問錯了。 正確的問題是：「當 AI 擴大了你的產能，你要怎麼管理這個產能？」 方向有三個： 1. 學會設界限 — 不是 AI 能做就一定要做。你要自己決定什麼值得做。 2. 從執行者升級為管理者 — 你管理的不再只是自己的時間，而是多個 AI 的輸出品質。這是一個全新的能力。 3. 把省下的時間投資在 AI 做不了的事 — 人際關係、策略思考、創造性判斷。這些才是你的不可替代性。 具體怎麼做到？怎麼建立「AI 任務管理」的系統？完整的方法論我放在付費群了 👇 💭 結論 AI 不是來解放你的。AI 是來升級你的。 以前的生產力 = 你能做多少事 AI 時代的生產力 = 你能管理多少 AI 做多少事 如果你還在等 AI 讓你可以「躺著賺」，那你可能要重新想想。 真正厲害的人，不是用 AI 做更少事的人。是用 AI 做 10 倍的事，然後把品質管好的人。