10月8日，Google Cloud 在 Gemini at Work 2026 大会上发布 Gemini agent，一个面向企业场景的通用工作智能体。
它回答问题、处理知识工作、生成图片与媒体、编写并运行代码；可以在 Gmail、Drive、Docs、Sheets、Slides、Chat 与 Calendar 里直接调用，也能从网页、移动端、桌面、命令行、Slack 与 Microsoft 365 进入。Google Cloud CEO Thomas Kurian 在主题演讲里把它概括为：给它目标，而不是指令。
△ Gemini agent（图片来源：网络）
Kurian 在演讲里给出三种用法：做个人助理，做团队里的一员，或者代表组织里的某个角色工作，比如财务部门的分析师。后两种是新的。一家企业给智能体开的不再是账号，是一个岗位。
四类记忆，为"记住什么"划出结构
Gemini agent 在云端运行。无论从哪个设备或入口进入，它共用同一套记忆、上下文与个性化图谱。一个任务可以跑上几小时甚至几天，中途合上电脑，回来进度还在。
四类记忆支撑着这套体验：
❖ 会话记忆面向当前任务，任务持续几天也保持在握。
❖ 语义记忆是它读文档、与人沟通、与其他智能体协作时积累的结构化知识。
❖ 程序记忆记的是工作怎么做，包括它为自己写出来的技能。
❖ 情节记忆记的是它此前做过的那些事。
过去企业听到的多半是一句笼统的说法：AI 会记住你。四类分开之后，记住这件事有了可以讨论的结构，企业可以指着其中一类追问：这一类是空的、是错的，还是已经过期。
会话记忆与情节记忆的区分尤其关键。前者管当下这件事做到哪一步，后者管这一类事以前是怎么做的。一个智能体把本月对账做完，靠会话记忆；下个月再做一遍能少走弯路，靠情节记忆。
△ Gemini 的agent记忆管理（图片来源：网络）
Wakefield Research 对六个国家 1000 名 VP 级以上的技术与数据负责人进行了一项调研，77% 的受访者说，企业里被充分描述和情境化、智能体真正用得上的数据，只占两成甚至更少。这才是企业级智能体需要解决的问题。
企业身份落地，“记忆”来自员工共享
对于同事智能体，Google 对它的描述是：像一位新员工那样入职，先了解你、你的工具和你的团队，再开始做事。
企业可以为它开通独立的 Workspace 账号，包括 agents 子域名下的企业邮箱、日历、Drive 存储空间，以及公司通讯录里的一个条目。同事把它拉进 Chat 群聊，或者在文档里 @ 它，方式与对待一位新同事接近。它以自己的身份行事，而不是借用使用者的身份，只看得到团队成员主动共享给它的内容。
过去智能体借用人的权限，日志上记的是这个人，动作却是智能体做出的。独立身份让审计记录可以归因到智能体本身。读过什么、写过什么、调过哪些系统，一一可查。治理侧同时给出几项控制：智能体的身份经加密鉴证，由安全管理员批准角色化权限，代码在独立沙箱与网络边界内执行，Agent Gateway 充当进出与智能体之间流量的策略关口，按项目设定的实时支出上限触发即暂停。
记忆这边是同一个道理。智能体知道哪些事，取决于同事把哪些东西给了它。给它的人变了，它知道的事跟着变：一位成员退出项目，一个文件夹收回权限，一位同事接手这个岗位，它能想起来的东西随之改变，而改变本身不留在记忆里。
让记忆流转：跨成员、跨系统、跨Agent
一个岗位通常不止一个人经手，一个任务通常不止一个智能体参与。Gemini agent 会为多步骤任务动态创建子智能体，各子智能体有各自的身份，任务结束即解散，主智能体负责编排，子智能体各做一段。
记忆要跨过三处关口。同一个岗位换了人，前一位成员共享出去的上下文还在不在。一个任务分给若干子智能体，各段形成的记忆会不会随子智能体一起解散。业务数据还有一部分在 Workspace 之外，语义记忆建不到那一部分上。
这次 Google Cloud 一同发布的还有面向数据分析、数据工程与机器学习的新技能，以及 Knowledge Catalog：把"净利率"这类业务概念与底层数据字段对应起来，让智能体按企业既有的业务定义去找数据，不靠字段名去猜。概念对不齐，语义记忆建得再完整，智能体取出来的仍然是另一套口径。
记忆跨越三处关口，落脚点正是要解决前面提到的核心难题——“业务上下文碎片化”：跨业务职能统一数据与知识很困难，智能体没法在整个企业范围内推理。
记忆管理成共识，但各家做法不同
把 Google 这次的做法与红熊在做的事放在一起看，重合的部分不少：
第一，记忆要分类。Google 分成会话、语义、程序、情节四类，红熊按知识记忆、能力记忆与过程记忆分。分法不同，前提一致：记忆不是一整块，混在一处就没法管理。
第二，一份记忆多处可用。Google 让同一个智能体跨设备、跨入口共用同一套记忆与上下文，红熊让同一份记忆在不同的业务环节之间复用。判断也一致：记忆的价值在被调用的时候才成立。
第三，动作要能查能溯源。Google 给智能体独立身份，把操作归因到智能体本身；红熊把每一条记忆的来处记录下来，谁写入的、什么时间写入的、依据哪一次交互。可查是治理的前提，两边的判断相同。
三条合起来是一件事：记忆在企业里不再是模型的附属能力，是要和身份、权限、审计放在一起管理的东西。
做法上的不同出现在下一步。Google 的整套设计建在 Workspace 之内，智能体知道什么，取决于同事把什么给了它，共享关系一变，它知道的事跟着变。
因此，红熊把来处与去向写进记忆本身：一条记忆属于哪个业务对象、谁可以改动、岗位换人时交给谁，由系统记录，不靠某一次共享去推断。人走了、权限收了、岗位换了，记忆也不会丢：接手的人查得到上一位留下的是什么，也查得到是哪一位留下的。
企业智能体正在从一个人用一个工具，走向一个岗位配一个成员。因此，记忆管理也成为一个涉及企业业务运营、数据资产管理的重要课题。
过去，记忆决定了智能体的工作水平，而现在，它还决定一个岗位的工作能不能被接住、被查账、被交出去。
