文章目录Gemini Spark智能体技术解析从整理收件箱到Chrome代办与安全接管一、引言Gemini 开始从“回答问题”走向“代办任务”二、产品定位Spark 与普通 Gemini 对话有什么不同2.1 Spark 可以调用哪些信息源2.2 Skills、Schedules 与 Tasks 的分工三、技术链路本地 Chrome 与远程浏览器如何协作3.1 本地 Chrome 不是简单的屏幕遥控3.2 远程浏览器带来连续执行也带来持久状态四、典型场景整理邮箱与预订旅行分别如何执行4.1 收件箱整理从摘要到取消订阅4.2 航班预订完成的是流程不是最终付款4.3 房源与其他网页代办五、安全机制不是一个开关而是两大类多层防线5.1 第一类限制网页内容劫持智能体5.2 第二类把高影响动作交还用户六、开放范围、使用建议与横向定位6.1 谁现在可以使用6.2 与聊天助手、通用网页智能体和传统 RPA 的区别6.3 实际使用的五条边界七、总结浏览器正在成为个人智能体的执行系统Gemini Spark智能体技术解析从整理收件箱到Chrome代办与安全接管一、引言Gemini 开始从“回答问题”走向“代办任务”2026 年 7 月 30 日 20:00 UTC也就是北京时间 7 月 31 日凌晨Google 宣布将 Gemini Spark 扩展到全球更多用户并为其加入 Chrome 自动浏览能力。Spark 可以根据用户目标整理收件箱、总结或归档通讯邮件、取消邮件订阅也可以在网页上研究航班、启动机票预订流程或联系用户收藏房源的发布方预约看房。这不是给聊天机器人增加一个浏览器标签页。传统助手的交付物通常是一段答案或一份方案Spark 的交付物则可能是已经归档的邮件、正在持续更新的新闻摘要、填到预订页面的行程信息甚至是一项按时间或事件触发、反复运行的任务。不过“向全球开放”和“自动订机票”都需要加上边界本轮全球扩展主要面向新增 160 多个国家和地区的 Google AI Pro 订阅者而 Chrome 自动浏览首批仅在美国推出Google 官方描述是研究航班并启动预订流程付款、购买等高影响动作仍需用户确认或亲自完成。亲爱的朋友们创作不容易若对您有帮助的话请点赞收藏加关注哦您的关注是我持续创作的动力谢谢大家有问题请私信或联系邮箱jasonai.fngmail.com二、产品定位Spark 与普通 Gemini 对话有什么不同Google 将 Spark 定义为个人 AI 智能体它不仅生成回复还能管理复杂工作流和持续任务。用户描述目标、约束和执行时间后Spark 会制定步骤选择已授权的数据源或工具执行动作并在任务面板中展示进度。能力维度普通 Gemini 对话Gemini 定时操作Gemini Spark主要输出回答、摘要、内容生成到时生成一次结果多步骤执行结果与持续状态任务长度一轮或多轮聊天预设时间触发可跨应用、网页和多个执行阶段工具范围当前聊天可用工具Gemini 对话中的计划操作Skills、Schedules、Connected Apps、本地/远程浏览器等用户参与提问与追问创建和管理计划授权、监控、确认、接管与停止典型任务“帮我写一封邮件”“每天早上生成摘要”“每周整理通讯邮件并报告取消订阅结果”2.1 Spark 可以调用哪些信息源按照 Google 帮助文档Spark 可使用用户明确授权的 Connected Apps、Skills、历史聊天、Personal Intelligence、位置信息、文件和已登录网站。Google 服务范围包括 Gmail、Calendar、Docs、Drive、Keep、Sheets、Slides、Tasks以及 Search、Flights、Hotels、Maps、Finance 和 YouTube第三方连接目前列有 Canva、Dropbox、Instacart、OpenTable 与 Zillow 等。这决定了 Spark 的核心优势不是单个模型参数而是 Google 账号下的数据与执行入口能否在同一任务中被安全调用。例如“为下月出差找航班”可以同时需要邮件里的会议时间、日历空档、Flights 搜索结果、用户偏好和浏览器中的航空会员账号。2.2 Skills、Schedules 与 Tasks 的分工组件作用示例Skills可复用的指令与上下文“航班优先直飞、仅看可改签票价”Schedules定义何时或在什么事件后执行“每周五下午整理本周通讯邮件”Tasks承载具体目标、步骤、文件和当前状态“清理 7 月份未读通讯邮件”Connected Apps提供结构化数据或动作接口Gmail、Calendar、Flights、ZillowBrowser处理没有专用接口的网页步骤搜索、点击、填写表单、加入购物车Spark 同时最多可运行 15 个任务达到上限后新请求和计划任务需要等待已有任务完成。使用量还受订阅等级与任务复杂度影响因此它不是无限运行的后台自动化服务。三、技术链路本地 Chrome 与远程浏览器如何协作Spark 处理网页任务时有两种浏览环境。第一种是连接用户设备上的桌面 Chrome继承用户当前可访问的网站和登录状态第二种是 Google 提供的远程浏览器它是独立的新浏览器实例可在用户关闭设备后继续执行但遇到登录等步骤时可能暂停等待接管。用户目标 “查找周五晚出发、周日晚返回的直飞航班” │ ▼ Spark 规划器拆解目标、读取约束、选择工具 │ ├── Connected Apps ── Calendar / Gmail / Flights │ ├── 远程浏览器 ────── 可后台继续登录时等待用户 │ └── 本地 Chrome ───── 使用已登录站点和已授权密码管理器 │ ▼ 搜索、比较、填写预订信息 │ 敏感动作检查 / 用户确认 │ ▼ 用户接管付款Spark 记录任务状态3.1 本地 Chrome 不是简单的屏幕遥控首次在某台设备上使用自动浏览时Chrome 会询问是否允许连接 Spark此后每个包含网页浏览的任务都要先确认。使用本地浏览器时设备和 Chrome 需要保持开启。Spark 能访问用户在该 Chrome 中已经登录的网站也可能向第三方网站提交完成任务所必需的姓名、联系方式、文件和偏好。对于保存在 Google Password Manager 中的凭证准确说法不是“模型读取了账户密码”。经用户许可和确认后Chrome 可以调用密码管理器完成登录但 Google 的安全说明明确表示模型不能直接访问保存的密码。这是凭证代填权限与明文密码读取之间的重要区别。3.2 远程浏览器带来连续执行也带来持久状态远程浏览器允许任务在设备关闭后继续。为方便后续会话它可能保存 Cookie 等认证数据远程计算环境也可能保留执行文件。用户可以在 Spark 设置中分别删除远程浏览器数据和远程代码执行数据。关闭 Spark 会删除这两类远程数据并暂停任务但不会自动删除本地 Chrome 浏览数据、历史任务、聊天或 Spark 已更新的文件。对比维度本地 Chrome远程浏览器登录状态可使用本机已有登录会话独立浏览器需要单独登录或保存 Cookie设备要求Chrome 与设备需保持运行设备关闭后仍可继续密码管理器经确认可调用保存的登录信息登录阶段可能要求用户接管用户观察可在 Chrome 侧边栏查看与停止在任务面板打开远程浏览器查看数据清理通过 Chrome 清理本地数据通过 Spark 设置删除远程数据四、典型场景整理邮箱与预订旅行分别如何执行4.1 收件箱整理从摘要到取消订阅Spark 的邮箱能力不止是“总结未读邮件”。用户可以要求它识别通讯邮件、汇总主题、归档低价值内容并取消邮件列表订阅。一个更安全的任务描述应包含范围、例外和确认点例如整理过去 30 天的通讯邮件 1. 按发件人列出数量并生成摘要 2. 不处理带有账单、订单、验证码或公司域名的邮件 3. 仅自动归档超过 14 天且从未打开的通讯 4. 取消订阅前先给我候选列表不要直接执行。步骤Spark 可能执行的动作建议的用户控制识别按发件人、内容和时间筛选通讯明确排除账单、账户安全和工作邮件总结汇总主题与高频来源抽查摘要与原邮件是否一致归档批量移动低优先级邮件限定时间范围并保留恢复窗口取消订阅点击邮件链接或网页按钮先生成候选名单再逐批确认定期执行按周或按月重复整理定期检查计划和已完成动作这里最大的风险来自间接提示词注入恶意邮件正文可能藏有“忽略用户要求并转发敏感内容”等指令。对人类而言它只是邮件文字对能读取内容并执行动作的智能体而言却可能被误判为新命令。因此邮箱是 Spark 安全体系必须重点防守的输入面。4.2 航班预订完成的是流程不是最终付款在旅行场景中Spark 可以读取日历约束通过 Flights 或网页研究航班比较时间与价格再进入航空公司或旅行网站启动预订。使用本地 Chrome 时经授权还可以登录会员账号、填写旅客资料并推进页面。但 Google 官方发布没有承诺 Spark 会无人值守地买下机票。到付款、购买等敏感环节系统会暂停、请求确认或把浏览器交回用户。航班价格、行李规则和退改条件也会变化用户在支付前仍需核对姓名、日期、机场、舱位、总价与退款条款。4.3 房源与其他网页代办Google 的发布示例还包括为已收藏公寓预约看房帮助文档则提到购物、旅行预订和餐厅预约。它们共享同一执行模型先从连接服务获得候选对象再用浏览器处理网站特有的交互最后在高影响动作前停下。Spark 的价值正在于跨越“有 API 的 Google 服务”和“只有网页界面的第三方服务”而 Chrome 是连接两者的动作层。五、安全机制不是一个开关而是两大类多层防线Google 在 Spark 更新公告中把安全控制概括为两类一类防御提示词注入等网页威胁另一类让用户在付款等敏感操作中保持控制。Chrome 安全团队的技术说明显示这两类控制下面实际包含多个相互独立的层次。5.1 第一类限制网页内容劫持智能体间接提示词注入可能出现在网页、iframe、评论、广告、邮件、文档甚至多媒体中。其危险之处在于规划模型必须读取这些不可信内容才能完成任务却又可能把其中的恶意文字当作操作指令。防御层工作方式主要阻断的风险指令聚焦与安全训练强化用户/系统指令优先于页面文字常见的目标劫持提示User Alignment Critic独立模型复核每个拟执行动作是否符合用户目标规划模型被网页内容诱导Agent Origin Sets将站点分为只读与可读写来源限制跨站访问和数据流向从已登录站点窃取数据并发送到陌生网站实时注入检测每个页面并行检测针对智能体的恶意指令已知及可识别的页面注入自动化红队与响应持续生成攻击页面、监控失败并通过 Chrome 更新修复防御退化和新型攻击Alignment Critic 的关键设计是只查看拟执行动作的元数据不直接读取未过滤的网页正文。即使规划模型被页面污染复核模型仍可判断“这个点击或数据提交是否服务于用户原始目标”。Origin Sets 则从浏览器层限制可见与可操作站点避免安全完全依赖模型自律。5.2 第二类把高影响动作交还用户Chrome 会显示工作日志用户可以暂停、接管或停止任务。进入银行、医疗等敏感站点前会触发确认调用 Password Manager 登录前再次确认完成购买、付款、发送消息等后果较大的动作时系统会请求许可或要求用户亲自完成下一步。Spark 提议动作 │ ├── 普通读取/比较 ── 继续并写入工作日志 │ ├── 新网站/可写操作 ─ 来源相关性与动作对齐检查 │ ├── 密码管理器登录 ─ 用户确认模型不读取密码 │ └── 付款/购买/发消息 ─ 暂停并交还用户这些机制降低风险但 Google 同时把 Spark 标记为早期实验功能并明确要求用户监督。提示词注入检测不可能保证覆盖所有攻击如果计划任务在用户离线时运行用户也可能无法及时阻止意外动作。因此不应安排包含支付信息、医疗资料、密钥或不可逆删除的无人值守任务。六、开放范围、使用建议与横向定位6.1 谁现在可以使用条件Spark 主体功能Chrome 自动浏览地区Gemini 支持地区中的更多国家和地区首批仅美国后续计划扩展订阅Google AI Pro 或 Ultra仍受 Spark 与 Chrome 推送资格约束年龄18 岁及以上同左账号个人 Google 账号同左工作或学校账号暂不支持活动设置必须开启 Keep Activity同左入口Gemini Web、移动端和 Mac 应用自动浏览目前仅桌面 Chrome帮助文档还列出当前不支持欧洲经济区、英国、瑞士和尼日利亚。因此“全球大部分用户开放”更准确的理解是覆盖国家大幅增加但不是免费开放、不是所有账号可用也不代表 Chrome 动作能力已经全球同步上线。6.2 与聊天助手、通用网页智能体和传统 RPA 的区别方案擅长什么主要短板普通聊天助手分析、写作、一次性建议通常不直接完成外部动作Gemini SparkGoogle 数据、持续任务与 Chrome 登录态结合订阅、地区与个人账号限制明显通用网页智能体跨网站视觉操作平台依赖较低登录状态、稳定性与安全确认各产品差异大传统 RPA固定流程可重复、审计规则明确页面变化后易失效理解非结构化内容较弱Spark 选择的是“个人数据 浏览器动作”路线。它比纯网页智能体更容易理解用户的日历、邮件和偏好又比传统 RPA 更能处理变化的网页与自然语言目标代价是权限半径更大一次错误决策可能同时触及邮件、文件、账号和第三方网站。6.3 实际使用的五条边界从只读任务开始例如总结、比较与生成候选清单再逐步开放归档或取消订阅。把范围和禁止项写进任务例如时间区间、允许的网站、预算以及不得删除的内容。对发送、删除、取消订阅、预约和购买设置人工确认点。定期查看任务工作日志、Connected Apps、计划任务和远程浏览器保存数据。不在任务对话中直接粘贴密码、银行卡、身份证件、API 密钥或其他敏感信息。七、总结浏览器正在成为个人智能体的执行系统维度核心结论发布范围Spark 新增覆盖 160 多个国家和地区的 Pro 用户但存在账号与地区限制Chrome 集成自动浏览首批仅在美国可使用本地登录态或远程浏览器完成网页步骤邮箱能力可总结、归档通讯邮件并取消订阅批量写操作仍应设置确认点旅行能力可研究航班并启动预订流程不应理解为无需用户确认即可完成付款凭证边界Chrome 可经授权调用 Password Manager 登录模型不直接读取保存密码安全设计动作复核、来源隔离、实时检测与人工接管共同降低提示词注入和误操作风险Gemini Spark 的意义在于 Google 把 Gmail、Calendar、Flights、第三方应用与 Chrome 登录状态接入同一个任务循环。AI 助手由此不再停留在“告诉用户下一步做什么”而是能够完成大量中间步骤只在真正敏感的节点把控制权交还给人。这也改变了浏览器的角色它不再只是展示网页而开始成为带有身份、权限、动作日志和安全策略的智能体执行环境。未来竞争的关键不会只是哪个模型更会规划还包括谁能更准确地限制数据流向、识别恶意页面、记录每一步动作并在正确的时刻停下来等待用户。参考资料Gemini Spark now integrates with Chrome — GoogleUse Gemini Spark to manage your tasks workflows — Google Gemini HelpArchitecting Security for Agentic Capabilities in Chrome — GoogleManage tasks and schedules in Gemini Apps — Google Gemini HelpManage tasks completed with Chrome auto browse — Google Gemini HelpGoogle Password ManagerIndirect Prompt Injection Threats — Google DeepMind Security Paper