Google Gemini Spark: Thời gian chạy của tổng đài viên luôn hoạt động

Google Gemini Spark là [nhân viên AI cá nhân luôn hoạt động 24/7] của Google](https://blog.google/intl/en-au/products/explore-get-answers/gemini-spark-australia/): một trợ lý liên tục có thể tiếp tục thực hiện công việc gồm nhiều bước sau khi người dùng rời khỏi phiên. Thông báo ngày 29 tháng 7 năm 2026 của Úc mở rộng phạm vi tiếp cận khu vực; nó không phải là một màn ra mắt toàn cầu mới. Google lần đầu ra mắt Spark tại Google I/O 2026 vào tháng 5 năm 2026.

Đối với các nhà xây dựng, câu hỏi khó không phải là làm thế nào để nhắc nhở nó. Đó là cách tin tưởng vào thời gian chạy với quyền truy cập liên tục vào hộp thư đến, trình duyệt, công cụ, API và dữ liệu vận hành. Tại Van Data Team, chúng tôi bắt đầu bằng việc ánh xạ các nhiệm vụ tiếp nhận, quyết định, quyền, chế độ lỗi và cổng xem xét trước khi chọn lớp điều phối. Đó là cách thiết kế quy trình làm việc của tác nhân AI sản xuất của chúng tôi biến quyền tự chủ thành một mô hình vận hành thay vì bản demo.

Hướng dẫn này tách biệt các sự kiện được báo cáo của Google với phân tích của Van Data Team. Nó cung cấp cho các nhà lãnh đạo kỹ thuật một kiến ​​trúc triển khai, mô hình quyền, tạo phẩm điều kiện dừng AgentOps, hướng dẫn quyết định khung và cổng sẵn sàng cho một phi công được kiểm soát.

Bài học chính

Gemini Spark quan trọng vì nó chuyển công việc AI từ một cuộc trò chuyện bị giới hạn sang thời gian chạy sử dụng công cụ liên tục.

• Thông báo ở Úc là sự mở rộng khu vực sau buổi ra mắt I/O trước đó của Spark, chứ không phải lần ra mắt đầu tiên.
• Spark tiếp tục hoạt động trên cơ sở hạ tầng đám mây được quản lý mà không yêu cầu thiết bị của người dùng luôn mở.
• Gmail, Chrome và MCP biến các công cụ thành một phần của đường dẫn thực thi và ranh giới bảo mật.
• Niềm tin sản xuất yêu cầu theo dõi, đo lường từ xa mã thông báo và chi phí, nguồn gốc dữ liệu, điều kiện dừng và báo cáo của con người.

Việc triển khai ở Úc kéo dài thời gian ra mắt sớm hơn

Thông báo tại Úc của Google mở rộng Gemini Spark ra ngoài bản phát hành đầu tiên tại Hoa Kỳ; nó không giới thiệu một sản phẩm riêng biệt dành riêng cho Úc.

Thông tin thực tế được báo cáo. Hình ảnh sản phẩm được xác nhận nhỏ gọn:

"24/7 always-on personal AI agent"

Phân tích của Van Data Team. Mô tả ngắn gọn đó thay đổi câu hỏi sản xuất. Một chatbot có thể thất bại trong một phản hồi. Một tác nhân liên tục có thể mang một giả định yếu vào các bước sau, gọi một công cụ khác và tạo ra tác dụng phụ sau khi người dùng ngừng xem.

Google Gemini Spark thay đổi những gì về đơn vị công việc

Hình minh họa sau đây tóm tắt đường dẫn thực thi luôn được giám sát:

Những thay đổi của Google Gemini Spark mà các kỹ sư đơn vị phải giám sát từ câu trả lời đến đường dẫn thực thi.

Thông tin thực tế được báo cáo. Spark chấp nhận nhiệm vụ, lý do theo ngữ cảnh, tạo kế hoạch gồm nhiều bước và tương tác với Gmail, Chrome cũng như các công cụ được kết nối trong khi thời gian chạy của nó vẫn hoạt động.

Phân tích của Van Data Team. Bảng dưới đây là bảng so sánh khái niệm của chúng tôi, không phải thông số kỹ thuật chính thức của Google.

Trình tự giải thích hữu ích bắt đầu bằng việc nhận nhiệm vụ được ủy quyền. Tác nhân thu thập bối cảnh, đề xuất kế hoạch, gọi một công cụ được phép, đánh giá quan sát, chọn hành động tiếp theo, sau đó hoàn thành hoặc chuyển cấp. Đây là mô hình hoạt động dựa trên các khả năng được báo cáo, không phải tuyên bố về nội bộ chưa được tiết lộ của Google.

Quy trình làm việc có giới hạn giả định. Maya, trưởng nhóm vận hành, gửi email yêu cầu nghiên cứu được ủy quyền tới địa chỉ dành riêng của Spark. Spark sử dụng Chrome để thu thập bối cảnh công khai và chuẩn bị một bản ghi nhớ, nhưng chính sách của nó chặn việc xuất bản hoặc các thông báo bên ngoài. Dấu vết ghi lại yêu cầu, nguồn, bản sửa đổi kế hoạch, hành động của trình duyệt và kết quả. Người đánh giá sẽ kiểm tra nguồn gốc và phạm vi trước khi chấp nhận kết quả đầu ra, tuân theo logic dựa trên rủi ro tương tự được sử dụng trong tác nhân AI có đánh giá của con người.

MCP giúp tích hợp dễ dàng hơn chứ không tự động an toàn hơn

MCP cung cấp cho tác nhân luôn hoạt động một giao diện công cụ chung, nhưng mọi khả năng được kết nối vẫn cần có hợp đồng hẹp và ranh giới phê duyệt rõ ràng.

Thông tin thực tế được báo cáo. Spark bao gồm hỗ trợ MCP đầy đủ. Lộ trình tích hợp đã nêu của Google bắt đầu với Canva, OpenTable và Instacart, sau đó mở rộng thông qua MCP sang GitHub, Notion, Slack và bất kỳ dịch vụ nào có máy chủ tương thích.

Phân tích của Van Data Team. Coi máy chủ MCP là API sản xuất được cấp phép chứ không phải là hộp để đánh dấu. Xác định đầu vào đã nhập, xác thực đầu ra, lệnh gọi trình kết nối nhật ký, tách phạm vi đọc khỏi phạm vi ghi và từ chối các yêu cầu bên ngoài bộ tài nguyên của quy trình làm việc.

Việc ghi theo kết quả phải cần có sự chấp thuận của con người cho đến khi nhóm xác thực chính sách cho lớp hành động đó. Đây là hướng dẫn của Van Data Team, không phải khẳng định rằng các điều khiển này được tích hợp vào Spark.

Niềm tin sản xuất đến từ dấu vết và điều kiện dừng

Một tác nhân luôn hoạt động chỉ sẵn sàng sản xuất khi người vận hành có thể xây dựng lại quá trình thực thi của nó và dừng nó trước khi sự không chắc chắn trở thành tác dụng phụ.

Phân tích của Van Data Team. Câu trả lời cuối cùng là không đủ để gỡ lỗi. Thu thập bằng chứng cần thiết để giải thích lý do tại sao thời gian chạy lại chọn một công cụ, dữ liệu nào nó đọc, nơi nó thử lại, mức tiêu thụ và liệu kết quả có vượt qua các quy tắc chấp nhận hay không.

Giá cả, độ trễ, mức tiêu thụ mã thông báo, mức độ thành công của nhiệm vụ và tốc độ leo thang cần được đo lường từ phương pháp đo từ xa của sản phẩm được ủy quyền. Các nguồn được cung cấp không thiết lập các giá trị đó nên chúng thuộc về kế hoạch đánh giá chứ không phải là công bố sản phẩm.

Lỗi mà chúng tôi thấy là coi các điều kiện dừng là xử lý lỗi được thêm vào sau khi khởi chạy. Chúng là một phần của hợp đồng thời gian chạy. Sách hướng dẫn về AgentOps sản xuất AI của Van Data Team đi sâu hơn về việc theo dõi, báo cáo và đánh giá vị trí.

Quyết định đại lý đáng tin cậy bắt đầu với dữ liệu đáng tin cậy

Lý luận liên tục không sửa chữa được dữ liệu cũ, không đầy đủ hoặc được quản lý kém; nó có thể khuếch đại những khiếm khuyết đó trong các hành động sau này.

Phân tích của Van Data Team. Luồng khí, dbt, Kafka, kho hàng và chỉ mục truy xuất là các nền tảng kỹ thuật dữ liệu liền kề, chưa được nội bộ Spark xác nhận. Luồng khí có thể lên lịch và khôi phục các đường ống, dbt có thể lập mô hình và kiểm tra các bộ dữ liệu được quản lý, Kafka có thể cung cấp đầu vào theo hướng sự kiện và kho có thể hiển thị các chế độ xem được kiểm soát. Các chỉ mục truy xuất phải hoạt động giống như các sản phẩm dữ liệu hướng tới tác nhân có kèm theo nguồn gốc và độ mới.

Lỗi làm mới giả định. Quy trình mua sắm đọc một siêu thị hàng tồn kho có quá trình tải ngược dòng đã bị đình trệ. Lý do của đại lý có thể mạch lạc trong nội bộ trong khi khuyến nghị lại sai về mặt vận hành. Bản sửa lỗi là hợp đồng làm mới ngược dòng và điều kiện dừng thời gian chạy chứ không phải lời nhắc dài hơn.

Các nhóm đánh giá quyền tự chủ nên kết hợp kỹ thuật đường ống dữ liệu có khả năng phục hồi với hiện đại hóa theo giai đoạn để sẵn sàng cho AI. Đánh giá mức độ sẵn sàng hữu ích sẽ tạo ra bản đồ quy trình làm việc, bản đồ nguồn và dòng dõi, hợp đồng mới và chất lượng, ma trận cấp phép, bộ đánh giá và kế hoạch phân phối được kiểm soát.

Chọn điều phối được quản lý hoặc tùy chỉnh theo quyền sở hữu

Khung tác nhân Spark và tác nhân tùy chỉnh giải quyết các vấn đề về quyền sở hữu khác nhau, do đó, lựa chọn đúng đắn phụ thuộc vào khả năng kiểm soát, mức độ tích hợp và gánh nặng hoạt động mà nhóm có thể gánh chịu.

Phân tích của Van Data Team. Không có điểm chuẩn so sánh nào được cung cấp nên không có người chiến thắng về hiệu suất được chứng minh bằng bằng chứng.

Sử dụng thời gian chạy được quản lý khi hệ sinh thái, mô hình truy cập và bề mặt giám sát phù hợp với quy trình làm việc. Chọn cách phối hợp tùy chỉnh khi nơi lưu trữ dữ liệu, hoạt động của trình kết nối, đánh giá hoặc khôi phục cần kiểm soát sâu hơn. Ưu tiên tự động hóa xác định khi nhiệm vụ có thể dự đoán được và không được hưởng lợi từ việc lập kế hoạch theo ngữ cảnh.

Cổng sẵn sàng sản xuất

Một phi công được kiểm soát phải vượt qua mọi cổng áp dụng trước khi đại lý nhận được các quyền rộng hơn.

• [ ] Quy trình làm việc có chủ sở hữu được đặt tên và kết quả được giới hạn.
• [ ] Các công cụ, nguồn dữ liệu và tác dụng phụ đã được phê duyệt đều được ghi lại.
• [ ] Người gửi tác vụ được xác thực và phạm vi trình kết nối tuân theo đặc quyền tối thiểu.
• [ ] Chất lượng dữ liệu, dòng dõi, độ mới và các kỳ vọng về dịch vụ quy trình là rõ ràng.
• [ ] Đường dẫn thực thi đầy đủ có thể được theo dõi mà không làm rò rỉ bí mật.
• [ ] Ngân sách mã thông báo, chi phí, độ trễ, thử lại và không tiến triển có các quy tắc dừng.
• [ ] Các hành động bên ngoài mang tính hệ quả đều có sự chấp thuận của con người.
• [ ] Các đánh giá bao gồm các trường hợp thông thường, không rõ ràng, dữ liệu cũ, lỗi công cụ và đối nghịch.
• [ ] Việc chấp nhận kết quả, quyền sở hữu sự cố, khôi phục và các hành động bồi thường được xác định.

Ngân sách hoạt động

Thông tin thực tế được báo cáo. Google mô tả Google Gemini Spark là một tác nhân liên tục, luôn hoạt động, chạy trên các máy ảo Google Cloud chuyên dụng. Kiến trúc đó giữ cho quy trình làm việc luôn hoạt động mà không cần có thiết bị người dùng mở, nhưng chỉ riêng thông báo không xác định được chi phí vận hành của khối lượng công việc sản xuất.

Phân tích của Van Data Team. So sánh Spark và bất kỳ thời gian chạy thay thế nào bằng cách sử dụng các kết quả được phê duyệt chứ không phải tỷ lệ mã thông báo của nhà cung cấp. Đối với mỗi quy trình làm việc đại diện, hãy ghi lại:

• độ trễ từ đầu đến cuối và mã thông báo đã tiêu thụ;
• thử lại, lỗi gọi công cụ và công việc khôi phục;
• cần có biên bản phản biện để phê duyệt;
• kết quả đánh giá tính đúng đắn, tuân thủ chính sách và hoàn thành nhiệm vụ;
• tổng chi phí thời gian chạy, mô hình, công cụ, dữ liệu và đánh giá của con người.

Tính toán chi phí đầu ra được chấp nhận bằng cách chia tổng chi phí của quy trình công việc, bao gồm cả các lần chạy không thành công và quá trình khôi phục, cho số lượng kết quả vượt qua cổng phê duyệt. Một mô hình rẻ hơn có thể trở thành hệ thống đắt tiền hơn nếu nó cần các lệnh gọi lặp lại, tạo ra các đường dẫn thực thi dài hoặc chuyển việc xác minh sang các kỹ sư.

Đặt ngân sách mã thông báo, thử lại, thời gian đã trôi qua và lệnh gọi công cụ trước khi thử nghiệm. Dừng hoặc chuyển tiếp khi đạt đến giới hạn, đánh giá không thành công hoặc quá trình khôi phục sẽ lặp lại hành động tương tự. Việc phê duyệt sản xuất phải yêu cầu hiệu suất đánh giá ổn định và lộ trình lỗi giúp duy trì trạng thái, ghi lại các tác dụng phụ và hỗ trợ việc khôi phục sản phẩm một cách an toàn cho con người.

Bài học rút ra: sự kiên trì nâng cao tiêu chuẩn vận hành

Google Gemini Spark thực hiện chuyển đổi từ trò chuyện dựa trên phiên sang thực thi cụ thể liên tục. Việc triển khai ở Úc mở rộng quyền truy cập vào thời gian chạy được xây dựng cho các tác vụ đang diễn ra, thực thi trên đám mây, lập kế hoạch theo ngữ cảnh và các công cụ được kết nối. Những khả năng đó làm tăng tính hữu dụng nhưng chúng cũng mở rộng ranh giới bảo mật, dữ liệu và hoạt động.

Bắt đầu với một quy trình làm việc có giới hạn, được hưởng lợi từ việc lập kế hoạch và sử dụng công cụ. Đo lường lộ trình đầy đủ, thu hẹp mọi quyền, gắn nguồn gốc và độ mới vào bối cảnh, đồng thời dừng lại trước khi sự không chắc chắn dẫn đến hành động mang tính hệ quả.

Nếu bạn muốn thử nghiệm Google Gemini Spark hoặc thời gian chạy tùy chỉnh dựa trên quy trình làm việc thực tế, hãy phạm vi thí điểm tác nhân được kiểm soát. Đầu ra phải bao gồm ranh giới nhiệm vụ, bản đồ tín hiệu và dữ liệu, ma trận quyền, khả năng quan sát và đặc tả điều kiện dừng, kế hoạch đánh giá và phạm vi triển khai.