谷歌正在把 Gemini Tasks 推向全面开放。这个产品已经改过三次名:先是 Spark,然后 Task Mode,现在叫 Tasks。改名是最不重要的部分,重要的是这个助手现在会替你打电话、完成付款。

它到底能干什么

用户可以在 Gemini 里在 Chat 和 Tasks 之间切换,用文字、短信或语音提出请求。之后 Agent 可以代你给商家打电话、预约服务、通过 Google Pay 付款,或者用你已授权的凭据登录某个网站。

Gemini 负责人 Josh Woodward 公开说自己用它预约过车辆保养、分析过电费单。两件都是琐碎但意外难自动化的事,也正因如此是好的演示:电话树是比聊天框更糟的界面,而电费单是一张没有 schema 的 PDF。

护城河在生态,不在模型

谷歌在这里的优势不是模型,是管道:搜索、Chrome、Google Pay、账号体系,加上 Keep、OpenTable、Instacart 这些第三方接入。一个能读你日历、找到餐厅、并在不离开账号的情况下完成预订付款的 Agent,和那种告诉你「你自己去订吧」的聊天机器人,是两个产品。

这也是对手难以复制的地方。OpenAI 可以做出更好的 Agent,但它继承不了十年积累的、跨服务的登录会话。

人留在哪一环

谷歌把付款放在一次显式确认之后,而且 Agent 拿不到你的卡号——它拿到的是令牌。敏感操作交还用户,而不是静默完成。

另外还有提示注入防护,这是所有会读网页的 Agent 现在的标准担忧。一个页面可以包含指令,而一个会照做餐厅菜单里指令的 Agent,就是一篇等着被写出来的安全事故。

没人解决的信任问题

一个替你下单的 Agent 迟早会订错:错日期、错地点、错餐厅。问题在于之后会发生什么——有没有确认步骤、有没有取消路径、有没有一份你可以指着说话的记录。

谷歌的答案是付款时确认,并隐含地假定订餐厅这件事风险很低。这对消费级任务成立,但对任何涉及真金白银或硬性截止时间的事都不成立——这也是企业版会长成另一个样子的原因。

看三件事

第一,Tasks 会不会从「一个模式」变成默认入口。如果是,谷歌实质上用任务框替换了搜索框,而广告生意得围着这个重做一遍。

第二,第三方接入会不会加深。订一张桌子是合作;改签一张机票,是跟航空公司系统谈判,没人把这件事自动化好过。

第三,谷歌会不会公布可靠性数字。一个能完成七成任务、其余静默失败的 Agent,比没有 Agent 更糟,而目前没有厂商愿意给出这个数字。

实用的读法

对普通用户,这是一个在窄带里真好用的功能:订位、预约、账单。对做产品的人,教训在界面层——Agent 的价值来自它拥有上下文,而不是来自它聪明。

如果你的产品流程依赖用户手动把信息重填进别人的系统,那条流程现在就是靶子。不是因为谷歌会做得更好,而是因为「不必再手动填」这件事的预期已经变了。