Google Cloud 在 Gemini at Work 2026 上发布了 Gemini Agent。
CEO Thomas Kurian 的原话很直接：work now starts in the prompt window。
过去我们讨论 agent，不管是 AutoGPT 还是当前流行的grokbot，muse这些个人agent，都是在想"怎么让一个 agent 管好一个实例"。Google 的选择是把任务变成基本单位，机器不再是边界。每个任务获得独立计算资源，可以跑几个小时甚至几天，任务之间由 Gemini 协调。
顺着这个思路，所有设计都不一样了。
一个 API，三种工作模式
聊天、自主完成任务、代码生成，全在一个接口里。你可以派活、定时任务、让它响应事件。Kurian 的表述是：你给的是目标，不是指令。你委派一个结果，回来时工作已经完成了。
协作者 Agent 有自己的身份
Gemini 可以动态创建子 agent，每个都有独立身份和独立计算机，并行或串行跑。
这件事的细节比听起来更具体。每个协作者 agent 拥有专属的 Workspace 账号：@agents.company.com 邮箱、独立日历、独立 Drive，甚至出现在公司通讯录里。同事在 Chat 里 @ 它，它在文档评论里回复，版本历史里显示的是它自己的名字。它用自己的身份行事，而不是你的。你分享什么，它就看到什么。
有两种形态。一种是临时性的子 agent，为特定任务而生，任务结束就消失。另一种是持久化的 coworker agent，像一个真正的团队成员，有自己的角色定义，跨天、跨会话、跨多种职责持续运作。
设备全覆盖，包括无头模式
Web、iOS、Android、Windows、Mac、命令行、Google Workspace、Microsoft 365、Slack。也可以作为无头 agent 跑，不绑定任何界面。
云端 7x24，合上电脑继续跑
所有设备共享同一套记忆、上下文和个性化图谱。不需要在不同设备上重新交代背景。跑几小时或几天的任务，合上电脑也不会中断。
这一点对实际使用的影响比看起来大。过去用 agent，你得惦记着"我在哪台机器上跟它说的"，现在不用了。
四层记忆
会话记忆：当前任务的上下文，即使跑几天也不丢。
语义记忆：读文档、跟人交流、和其他 agent 协作时构建的结构化知识库。
程序性记忆：完成任务的方法，包括 agent 自己写的技能。
情景记忆：做过的一切。
Google 的说法是它像新员工一样自己 onboarding，在实际干活之前先了解你、你的工具、你的团队。
不等指令
收件箱里有人让你做 PPT，Gemini 会识别出这是可以委派的任务，点一下就能交接。邮件排序不是按到达时间，而是按重要程度，并且告诉你为什么。
工具和技能有企业注册表
Salesforce、ServiceNow、Jira、Git、Confluence、Microsoft 365、Slack、BigQuery、Databricks、Postgres、Snowflake、桌面文件，任何企业网络内外的 MCP 服务器。团队可以把自建工具和技能发布到共享注册表，全公司复用。
技能在这里的定义是：可复用的指令、知识或工作流，以模块化 prompt 的形式存储。Gemini 自带一套全球技能库，团队可以自建，个人也可以。
模型不锁定
每个任务自动匹配最合适的模型。目前支持 Gemini 系列（Argon、Flash）和 Anthropic 的 Claude 系列（Opus 5.5、Sonnet 5.5），未来会接入更多私有和开源模型。
这个设计的逻辑是：最好的模型每几个月就会变一次。把 agent 和模型解耦，你的上下文、技能、数据都不需要跟着模型换而迁移。简单任务用小模型省钱，复杂任务上大模型保质量。PayPal 已经在这样跑了，每周路由 1000 万次多模型请求。
治理像员工，不像是脚本
每个 agent 有加密签名的独立身份，最小权限原则。审计日志归属到 agent 本人，而不是某个自然人。所有 agent 跑在 Agent Sandbox 里，有自己的网络边界。所有流量进出和 agent 间通信都经过 Agent Gateway——一个 AI 网络防火墙。策略写一次，"agent 不得打开标记为 Need to Know 的文档"，应用到所有 agent。
有人问审计归属的问题：agent 做了错事，谁负责？Shubham Saboo 在回复里解释，如果是个人 agent，日志显示"我的 agent 在我授权下做了某件事"。如果是团队共用的 coworker agent，责任在管理员加上分享数据给它的人，就跟员工出了事追责一样的逻辑。
成本可控，设硬上限
Smart Routing 自动把每个任务交给性价比最高的模型。在 Cloud Billing 里设置支出上限，超了项目自动暂停，一键恢复。按项目追踪，可以精确到部门的成本核算。
下面跑的是 TPU 8i，比上一代价格性能提升 80%。
Workspace 内联：在文档里、邮件里、聊天里
Gemini 不只是独立窗口里的对话工具。它直接嵌入 Gmail、Drive、Docs、Slides、Sheets、Chat、Calendar。同一个记忆、同一套技能、同样的控制策略。
举个例子：你可以让它"约下周跟区域活动负责人开会"，不用提供任何名字或邮箱。Gemini 自己从你的 Chat 群组成员和上次活动的邮件线索里判断出这些人是谁，检查日历，发起邮件协调时间，包括外部参会者也没问题。
跨应用也能连续作业：研究市场趋势、在 Sheets 里建财务模型、然后生成包含两者的演示文稿，不需要在每个步骤重新解释项目背景。
行业化、数据化
金融行业版集成了 FactSet、LSEG、S&P Global、SEC 文件，50 多个基础技能，带置信度评分、方法论展示、完整数据血缘和可核查的引用。法律版从 NetDocuments 和 iManage 继承案件级权限和道德防火墙。
数据方面，Knowledge Catalog 把"净利率""可寻址市场"这类业务定义映射一次，所有 agent 共用。Bloomberg Media 试下来，SQL 查询准确率提升了 63%。Smart Storage 直接在非结构化数据的存储对象上写入上下文，不用搬数据。Borderless Lakehouse 可以跨 Amazon S3、Azure Data Lake、Databricks、Snowflake 做联邦查询，不收出口费。
一个感受
整个发布会看下来，Google 不是在做"更好的 ChatGPT"，也不是做"又一个 agent 框架"。他们是在把 agent 当成企业基础设施来建。身份、权限、审计、沙箱、防火墙、成本控制——这些东西单看每一项都不性感，但缺了任何一项，企业都不敢把 agent 真正放进业务流程。
一个任务一台电脑，任务成为基本单位，agent 之间用身份和权限协作而不是靠 prompt 拼接。这个方向如果跑通，企业软件的工作方式会有很大变化。至少，Google 把工作智能体的形态往前推了一步。
关注公众号回复“进群”入群讨论