谷歌悄悄加了個按鈕，Gemini長出手腳變打工人！三巨頭搶著教AI干活

新智元報(bào)道

編輯：元宇

【新智元導(dǎo)讀】谷歌悄悄加了一個Agent新入口：Gemini開始長出「手腳」，不再只負(fù)責(zé)回答問題，還準(zhǔn)備下場替你干活了。

一張截圖，提前透露了今年谷歌I/O大會的一點(diǎn)重要信息：

Gemini不只想聊天了，它還想當(dāng)Agent工作臺。

近日，長期追蹤谷歌產(chǎn)品變動的TestingCatalog抓到了Gemini上一個新的「Agents」入口。

它和Gems、Files并列，直接擺在一級入口，而不是只有開發(fā)者才能看到的隱藏選項(xiàng)。

這個改變釋放出一個清晰的信號：

Gemini的下一階段，不再只是一個「你問我答」的聊天框，而是一個「你下任務(wù)、它來執(zhí)行」的工作臺。

把谷歌過去半年的產(chǎn)品動作串起來看，這條線已經(jīng)很清楚了：

Agent Designer在Gemini Enterprise全面上線，NotebookLM補(bǔ)上音頻生成和視頻摘要，Agentspace整體并入Gemini Enterprise成為其核心引擎，Chrome嵌入Gemini側(cè)邊欄并上線Auto Browse讓AI代你操作瀏覽器。

而現(xiàn)在，Gemini的聊天界面里出現(xiàn)了一個與Chat并列的「Agents」標(biāo)簽頁，用戶可以直接在里面新建任務(wù)、指定目標(biāo)、掛載工具和文件，整個界面更像一個任務(wù)執(zhí)行工作臺，而不是聊天窗口。

每一步都在做同一件事：把Agent能力從開發(fā)者后臺搬到普通用戶面前。

I/O還沒開場，谷歌的牌其實(shí)已經(jīng)亮出了一半。

Chat不再是唯一中心

翻一下谷歌官方的產(chǎn)品描述，你會發(fā)現(xiàn)畫風(fēng)已經(jīng)變了。

2024年2月Gemini for Google Workspace剛上線的時候，那時的賣點(diǎn)是什么？Chat。

跟AI聊天，幫你寫郵件，幫你做會議紀(jì)要，本質(zhì)上是一個塞進(jìn)Workspace里的聊天助手。

現(xiàn)在再看谷歌官網(wǎng)對Gemini Enterprise的描述：「Gemini Enterprise讓團(tuán)隊(duì)在一個安全平臺上發(fā)現(xiàn)、創(chuàng)建、分享和運(yùn)行AI Agent。」

聊天能力依然是Gemini Enterprise的核心之一，但它現(xiàn)在已被清晰地納入到一個更大的Agent平臺框架之中。

TestingCatalog曝光的Gemini Enterprise測試界面

根據(jù)TestingCatalog曝光的Gemini Enterprise測試界面顯示，Agent已進(jìn)入主交互區(qū)：左側(cè)可在Chat 與Agent間切換，右側(cè)則整合目標(biāo)、Agent、應(yīng)用連接與文件面板。

在新增的「智能體」標(biāo)簽頁面中，首先映入眼簾的是「新建任務(wù)」和「收件箱」這兩個明確的入口。

當(dāng)啟動一項(xiàng)新任務(wù)時，界面會展開為一個功能強(qiáng)大的任務(wù)工作區(qū)。

雖然核心的聊天視圖依然保留，但它的右側(cè)出現(xiàn)了一個結(jié)構(gòu)化的任務(wù)面板。

該面板清晰地定義了任務(wù)的各個要素，包括明確的「目標(biāo)」、執(zhí)行任務(wù)的「智能體」、可訪問的「已連接的應(yīng)用」以及所需的「文件」。

此外，右側(cè)邊欄還出現(xiàn)了一個「Require human review」（需要人工審核）開關(guān)，用戶可以對任務(wù)執(zhí)行過程加入人工審核節(jié)點(diǎn)，整個界面也因此更像一個任務(wù)執(zhí)行工作區(qū)，而不只是普通聊天窗口。

這表明你打開Gemini，將不再僅僅是為了聊天，而是要「跑一個任務(wù)」。

這也印證了谷歌對Gemini Enterprise的定義，已經(jīng)從一個「聊天助手」轉(zhuǎn)變?yōu)橐粋€強(qiáng)大的「Agent運(yùn)行平臺」。

不用寫代碼

也能造Agent

落到產(chǎn)品層面，最硬的一塊拼圖是Agent Designer，它已于2025年底正式上線了。

谷歌官方對它的定義是：

一個交互式的無代碼/低代碼平臺，用于在Gemini Enterprise中創(chuàng)建、管理和發(fā)布單步及多步Agent。

拆開來看三個關(guān)鍵能力：

第一，多步驟Agent。

不是「幫我寫封郵件」這種單次指令，是支持多步任務(wù)編排，Agent下面還能掛子Agent，串成工作流。

第二，連接真實(shí)工具。

Gmail、谷歌Drive、Jira、GitHub、Notion、SharePoint，這些都是官方更新日志里列出來的已上線連接器，Shopify等更多連接器也已進(jìn)入公開預(yù)覽。

第三，定時執(zhí)行。

Agent不需要你盯著，設(shè)好時間自己跑。

而在此之前，谷歌已經(jīng)通過Agentspace（現(xiàn)已并入Gemini Enterprise）驗(yàn)證了這條路線：把知識搜索和Agent執(zhí)行捏到同一個平臺里。

員工不用關(guān)心后面跑的是哪個Agent、調(diào)的是哪個數(shù)據(jù)源，在一個界面里搜、問、跑，全搞定。

而泄露界面里出現(xiàn)的C端Agent標(biāo)簽頁，意味著這套能力不會只留在企業(yè)版。

谷歌大概率要把它推給所有用戶。

光有大腦不夠

還得有手腳

這里有個容易混淆的概念需要拆清楚。

Agent不等于大模型。

大模型更像是 Agent 的「大腦」，負(fù)責(zé)理解任務(wù)、推理路徑和生成決策。

但要真正把事情做完，還需要一層「手腳」，也就是編排層，負(fù)責(zé)拆解步驟、調(diào)用工具、銜接上下文，并處理執(zhí)行過程中的異常。

谷歌這次補(bǔ)上的，正是這層能力。

從公開資料看，Gemini Enterprise里的Agent Designer，可以理解成一個面向普通企業(yè)用戶的可視化Agent工作臺：不用寫代碼，也能把單步、多步任務(wù)編排出來。

相比之下，Vertex AI Agent Builder里的Agent Designer更偏底層和開發(fā)者場景。

兩者能力框架高度相似，只是前者被做成了更易用、門檻更低的產(chǎn)品界面。

換句話說，谷歌做的不是單純把模型變得更會聊天，而是把原本更偏開發(fā)者的 Agent 構(gòu)建能力，包裝成了普通用戶也能上手的可視化工作臺。

對C端用戶來說，這意味著一件事：你不需要懂API，不需要寫Python，拖拖拽拽就能讓AI幫你跑完一個工作流。

從「能聊天的AI」到「能干活的AI」，中間隔的就是這個編排層。

編排層三國殺

把視野拉遠(yuǎn)一步：谷歌不是唯一在搶編排層的人。

Anthropic和OpenAI各自押了完全不同的路線，三家的分歧大到像在做三個不同的產(chǎn)品。

先看理念。

谷歌走的是平臺化。

把Agent能力嵌入已有產(chǎn)品矩陣：Workspace、Search、NotebookLM、谷歌 Cloud，靠分發(fā)優(yōu)勢碾壓。

邏輯很清楚：20億+用戶的觸達(dá)能力是護(hù)城河，Agent做出來直接塞進(jìn)用戶已經(jīng)在用的工具里。

Anthropic走的是工具化。

Claude Cowork運(yùn)行在桌面端，直接操作本地文件、文件夾和應(yīng)用程序。

Anthropic的官方產(chǎn)品頁寫道：

它能在不同應(yīng)用之間自由切換，整合多個來源的信息，不需要用戶協(xié)調(diào)每一步就能完成任務(wù)。

https://www.anthropic.com/product/claude-cowork?utm_source=chatgpt.com

不建平臺，不搞生態(tài)，讓模型本身成為Agent。

OpenAI更像是在走平臺與生態(tài)并舉的路線：

一邊通過GPTs和GPT Store擴(kuò)大第三方供給與分發(fā)，一邊在API側(cè)從Assistants API遷移到Responses API，并以Agents SDK承接更完整的agent開發(fā)。

再看架構(gòu)差異。

谷歌重編排層。

Vertex AI Agent Builder提供完整框架，Agent Designer做前端，企業(yè)級多Agent協(xié)作是核心賣點(diǎn)。

Anthropic輕編排重能力。

模型原生支持工具調(diào)用和環(huán)境交互，編排的事交給開發(fā)者自己搞定。Claude的思路是：與其我?guī)湍愦羁蚣埽蝗缥抑苯幼銐驈?qiáng)，你愛怎么編排怎么編排。

OpenAI在中間。

Assistants API提供了一層編排抽象，但沒有谷歌那么重，GPT Store負(fù)責(zé)分發(fā)，但生態(tài)活躍度一直是個問號。

目標(biāo)用戶也完全不同。

谷歌瞄準(zhǔn)企業(yè)IT部門和C端普通用戶，門檻最低。Anthropic瞄準(zhǔn)開發(fā)者和高級用戶，上限最高。OpenAI試圖廣覆蓋，開發(fā)者和C端都要。

有意思的是，三家現(xiàn)在競爭的已經(jīng)不是「誰的模型更聰明」。編排層的易用性和生態(tài)豐富度，才是決定開發(fā)者選誰的勝負(fù)手。

誰先讓十億人用上Agent

這一次的戰(zhàn)場，不在模型層。

谷歌CEO Sundar Pichai曾在官方博客中說過：谷歌的競爭力，從來不只是某一個模型版本，而在于它背后那套完整的全棧能力：

從研究、模型與工具，到觸達(dá)數(shù)十億用戶的產(chǎn)品入口，再到覆蓋全球的云網(wǎng)絡(luò)和數(shù)據(jù)中心體系。

當(dāng)Agent從API走向GUI，「人人可用」的臨界點(diǎn)正在逼近。

而在這個臨界點(diǎn)上，分發(fā)能力的重要性，正在迅速超過模型跑分。

Anthropic的優(yōu)勢，在于它更早把「computer use」這類原生 Agent能力推到臺前。

Claude已經(jīng)可以通過截圖、鼠標(biāo)和鍵盤與桌面環(huán)境交互，Cowork也明確強(qiáng)調(diào)它不是聊天助手，而是一個能在本地文件、文件夾和應(yīng)用之間切換、代替用戶執(zhí)行多步知識工作的系統(tǒng)。

但Anthropic的短板也很明顯：它沒有谷歌那樣的消費(fèi)級產(chǎn)品矩陣，Cowork目前官方口徑仍是research preview，雖然擴(kuò)張很快，但離真正的大規(guī)模默認(rèn)分發(fā)仍有一大段距離。

距離谷歌I/O大會不到一個月，谷歌很有可能會進(jìn)一步公開自己的Agent方向。

這更像是一場「分發(fā)對執(zhí)行」的對賭。

谷歌的賭注是：當(dāng)Agent能力被接進(jìn)Gemini、Workspace和更廣泛的產(chǎn)品入口，現(xiàn)成的分發(fā)網(wǎng)絡(luò)會迅速完成用戶教育。

而Anthropic賭的則是：當(dāng)開發(fā)者和高級用戶真正體驗(yàn)過能跨應(yīng)用、會動桌面的Agent之后，他們會優(yōu)先為執(zhí)行力買單。

這場Agent競爭的焦點(diǎn)，正在從「誰更會聊天」轉(zhuǎn)向「誰更能把任務(wù)做完」。

比拼的不只是 Agent 的執(zhí)行力本身，還有誰能把這種能力最快、最大規(guī)模地送到用戶手里。

谷歌和Anthropic都在押注Agent，但它們押的不是同一種勝利方式。

參考資料：

https://www.testingcatalog.com/google-develops-its-own-desktop-agent-to-compete-with-cowork/